文章摘要
当前AI领域世界模型多聚焦物理场景,商业智能体普遍难以深入业务核心链路创造直接营收。近期知名AI科学家李沐出任硅谷商业AI公司Aimotion联合创始人兼CTO,将联合原有团队攻坚面向商业场景的产业级世界模型与商业智能体。该公司已在汽车营销赛道积累成熟落地经验与数据储备,技术跑通后可复用至多类长决策周期高价值行业,推动商业AI价值落地。

2026年的AI领域,世界模型是最受关注却也最具争议的概念之一。学界泰斗纷纷入局,具身智能、机器人赛道火热,不少人认为世界模型的终极方向是模拟物理规律、驱动实体机械运行。但行业观察发现,除了物理世界,由商业规则、用户决策、业务因果构成的商业世界,同样迫切需要专属的世界模型。

同样陷入发展瓶颈的还有商业智能体。目前多数落地产品仅停留在客服答疑、文案生成、表格整理等边缘环节,能深入销售、运营核心链路,自主完成长周期任务并直接创造营收的智能体,在全行业都寥寥无几。这一痛点并非现有模型能力不足,而是AI尚未做好进入真实商业场景进行长期训练与验证的准备。

近期,总部位于硅谷的商业AI公司宣布,知名AI科学家李沐出任联合创始人兼首席技术官,全面掌舵下一代产业级AI技术体系。与此同时,李沐仍保留另一AI公司联合创始人兼CTO的身份,双方将联合攻坚产业级世界模型与商业智能体技术。

在国内AI从业者圈层,李沐是公认的技术实力派代表。他本科毕业于上海交通大学,后获卡内基梅隆大学计算机科学博士学位,曾在亚马逊旗下云服务部门担任资深首席科学家,也是开源深度学习框架的核心贡献者之一。此外,他还是《动手学深度学习》的共同作者,这本书以理论结合实践的方式降低了机器学习的学习门槛,被数十所海外名校选为教材,也让他成为国内年轻AI开发者口中的“赛博导师”。2023年,李沐与机器学习科学家等人共同创立公司,开始探索大模型技术的研发与商业化。从深度学习基础设施到大模型创业,再到此次产业级世界模型的探索,李沐的技术探索始终围绕一个核心方向:让AI从算法研究走向能够在真实环境中运行的智能系统,这正是商业智能体从“能用”转向“好用”的核心瓶颈。

事实上,在李沐加盟之前,该公司已在汽车营销这一垂直赛道打造出成熟的商业化节奏。其现有产品并不局限于单一内容生成工具,而是围绕企业营销和销售流程搭建了完整的产品矩阵,涵盖汽车营销的流量与线索获取、潜客长周期互动转化、跨平台数据分析等方向。同时,该公司将汽车营销的专业经验转化为任意商业智能体都可调用的专业营销能力平台,这一布局与汽车行业的业务特点密切相关。汽车作为特殊垂直行业,客单价高、决策周期长,用户从产生购车兴趣到最终成交往往需要经历多个环节,而传统营销工具难以应对复杂的客户需求和动态变化的销售过程,该公司正是瞄准这一行业效率痛点。目前,其业务已覆盖全球主要市场,服务对象涵盖大型车企集团到区域中小经销商,沉淀了大量行业预训练数据与微调样本,构建的汽车知识库从结构上解决了AI在汽车场景易出现的信息不准确问题。

双方的合作核心在于融合底层模型能力与真实产业场景沉淀,打通基础技术与产业应用闭环,打造面向商业环境的产业级世界模型。很多人对世界模型的认知仍停留在物理仿真层面,而该公司要做的不同,其技术方向将对商业规则、客户决策逻辑、业务因果关系进行建模,实现场景推演、趋势预判与长周期任务规划,赋能商业智能体从被动问答升级为可自主执行复杂销售业务的智能主体,推动AI由营销辅助工具转变为创造实际收益的商业智能系统。

简单来说,就是让机器不仅能理解眼前信息,还能学习环境中的运行规律,预测不同动作的结果并规划下一步行动。以汽车销售为例,当消费者多次咨询某款车型却未预约试驾时,AI会结合历史沟通、预算和产品偏好判断客户顾虑,自动调整后续行动,全程无需人工干预。这要求商业智能体不仅具备自然语言交互能力,还需拥有业务状态理解、长期记忆、任务规划和执行反馈等能力。一旦产业级世界模型的闭环跑通,这套技术能力可复制到房产、金融、高端制造、企业服务等更多高价值、长决策周期的行业,打开万亿级市场空间。值得一提的是,该公司此前已完成某机构领投的融资,随着顶尖技术人才进入产业现场,产业级世界模型赛道将迎来更多关注与投入。

以上内容不代表本平台立场,仅供读者参考