不求最大，但求最实：京东“龙虾”的那些事

在这一轮由“龙虾”（OpenClaw）引爆的AI浪潮里，大厂、小厂的动作几乎是整齐划一的。

不完全统计显示，目前至少有40+中国AI企业发布了龙虾或类claw产品，但它们的共同特点是——发布会越来越像一场技术表演，智能体被描述成“下一代操作系统”，每一家都在试图用更宏大的叙事，证明自己站在未来的正中央。

但就在这样的背景下，一场发生在京东总部普通会议室里的小范围沟通会，却意外地成为观察这家公司AI路径的一个绝佳窗口。

没有宏大叙事，没有激进路线图，甚至连“颠覆性”这样的词都很少出现。

取而代之的，是一些听起来并不“性感”的表达：token效率、企业安全、本地部署、成本优化。

但恰恰是这些词，构成了京东AI最清晰的一条主线：

不求最大，但求最实。

——导语

01

京东的龙虾，为什么不一样？

在2026年这个AI技术几乎以“周”为单位迭代的节点，大大小小AI企业之间的博弈已经从“参数至上”的虚火，转向了“落地为王”的实战。

2026年3月24日，京东总部2号楼的一间会议室里，没有炫酷的灯光秀，没有动辄万亿参数的口头承诺，京东把近期的AI“硬货”搬上台前。

首先的重点，未能免俗的还是现在那个被无数企业追捧的龙虾上。

“龙虾”——这个因OpenClaw而火爆的智能体统称，既是目前AI产业的焦点，也是很多人争论的焦点。

有人认为它是普罗米修斯偷来的天火，第一次把“用AI制造AI”的权利下放给了小微个体；也有人认为，它会像刚刚死掉的Sora一样，成为一个现象级但很快会被时代抛弃的产品。

京东没有参与这种争论，它在思考一个极其现实的问题：养“龙虾”太贵了。

京东相关技术负责人在会上提出了一个冷峻的观察：自“龙虾”火爆以来，Token的消耗量呈暴涨趋势，企业的费用也在暴涨 。在第三代智能体（Agentic AI）时代，由于需要多步思考、反复执行和调用模型，Token成本已成为制约AI大规模落地的“紧箍咒” 。

针对“养虾”暴露出来的这一痛点，京东提出了一个核心概念：Token Efficiency（Token效率）。

这里涉及到一个概念，即帕累托最优（Pareto Optimality），又称帕累托效率。

用通俗的话说，这是指资源分配达到一种理想状态。如果把它着落到京东的“龙虾价值观”上，可以用这么一句话来概括—— 京东追求的是在完成同等任务的前提下，消耗最少的Token；或者从另一面看，是让每一个Token对应完成更多的任务 。

说起来容易，做起来难。

但京东交出的答卷是——在对比测试中，京东模型在保证正确率的同时，Token消耗量仅为市面开源模型的1/4甚至1/5 。

作为这种token消耗上力求降本增效的产品观念带来的直观结果就是：京东云“龙虾”天团上线后，近一周Token调用量环比增长高达455%，这种爆发式增长背后，正是成本优化带来的红利释放 。

这其实向外界传递了一个清晰的信号：京东的AI逻辑，不求在概念上“最大”，但求在产业场景中“最实”。

但我想多说一句的是，这和京东在AI领域的底蕴，关系很大。

目前国内AI企业可以说分为两种——大厂追求全栈，靠垂直整合来给出成本最优；独立AI企业专攻大模型，但分发、渠道和生态则尽可能轻。

而京东选择的是一条非典型的路径——既有基础模型的研发在日积月累，以真实的产业发展需求为导向，做更实用的道路。

基础模型的研发香火不能断，因为这是保证京东有强大端到端优化能力的基础——最好的证明，是京东首次开源了基础大模型JoyAI-LLM Flash的Instruct版本 。这款模型并非为了在参数规模上比拼，而是强调“轻量级、高性能” 。

参数不大，但很先进——京东的模型引入了基于“纤维丛”理论的FiberPO强化学习方法，解决了传统方法在长学习过程中容易“崩掉”的难题，实现了持续的优化提升；同时，通过MTP（Multi-Token Prediction）方式，推理效率相比传统情况提升了1.8倍，大幅缩短了智能体思考和响应的时间 。

但这一切的一切，都是为了应用。

02

向实而生，深耕业务毛细血管

如果要概括京东AI的最大特点，就是一切以实际业务结合为基石。

这种“实”，体现在和京东庞大的、超级复杂的业务体系，以及背后支撑这个巨大的产业链、供应链的体系性能力，正在悄无声息但落点清晰的进行一次沉默的“AI内生变革”，它体现在和京东业务息息相关的数字人、具身智能、供应链、万物互联等每个需要AI底层能力的细节中。

京东数字人JoyStreamer正在重新定义直播间的生产力 。

在数字人方面，京东数字人的性能开始超越国际SOTA：在音视频同步、多模态协调等方面达到商用级标准，并在自由态动作下表现优异 。

“自由态”是其中的关键词——JoyStreamer 率先推出的“自由态数字人”，打破传统数字人动作僵硬、姿态固定的局限，支持自然走动、灵活摆姿，镜头跟随、出画入画流畅，脸部遮挡也能保持高保真质感。

举一个典型的例子——吃播。

实际上，吃播是数字人领域里最难的细分场景之一，而京东数字人现在达到的高度是——一边试吃食品的同时一边回答用户的问题，在唇形模型方面不会出现任何穿模现象，而且清晰度足够高。

在数字人领域，京东已经可以做到可以生成分钟级的长视频。同时，文本可控性非常强，能够严格遵循文字提出的需求，指定照片中的人物做动作和表情。

能实现这一点，我觉得除了京东的技术追求外，有一个根本的原因——目前，在京东平台上，已有超过7万商家深度应用数字人，覆盖全品类，且数字人直播与真人直播在京东流量池中实现同权竞争 。

这就是典型的痛点驱动需求，需求变成技术，技术推动产业变革的路径——而这，恰好是京东做AI的特点——一切从实际中来，一切以应用为标准。

京东很少在AI上喊口号，但这并不表示京东不想用AI链接千家万户。

一个新的概念出现了——附身智能（JoyInside）。

在这条路上，京东提供一站式开发平台，通过首届“AI终端新物种”创新大赛，为开发者提供从算法平台到零售渠道的全链路支持 。

在实践中，它支持超拟人对话，甚至让毛绒玩具之间能像人一样“加好友”、传声，解决了留守老人或儿童的社交陪伴需求 。

最重要的是，它为帮助那些需要引入AI能力，但又不可能有太多的预算，也不需要重复造轮子的产业链企业提供了最短的赋能链路——目前，近百个家电品牌、40多个机器人与AI玩具品牌已经植入这种“新大脑” 。

在今年爆火的具身智能领域，京东也有宏大的布局谋篇。

具身智能落地的最大瓶颈是真实场景数据的匮乏 。京东为此启动了“人类规模最大的数据采集行动” ， 计划一年内积累500万小时、两年内超1000万小时的人类真实场景视频数据，并同步采集100万小时机器人本体数据 。

如果说数字人和JoyInside、具身智能等是“看得见”的AI，那么供应链，是京东最核心但最容易被忽视的部分。

在沟通会中，有几个细节非常值得注意：云服务不涨价+token价格保持稳定+ 通过自研推理与资源调度降低成本。

同时，在硬件侧也有几个关键词值得抓住——小批量生产支持、成本分摊能力、产业链整合。

还有一句话让我印象深刻：“在京东供应链、销售到交易、物流这些环节都是有AI的应用” 。

这句话非常容易被听漏，但信息量很大。它说明，对于京东供应链来说，AI不是单点工具，是全链路渗透，AI已经进入供应链全流程，而不是停留在某个节点。

这些关键词、这些能力叠加起来，构成了一件事情：

对京东来说，AI不再是一个单点技术，而是嵌入到整个供应链系统。而供应链系统，是京东最深的护城河。

结语

京东AI的终极卡位

站在这个AI时代的风口浪尖，未来的AI公司可能会分化为三类生存形态：

第一类，靠规模化降本的传统大厂：这类公司未必是每一项技术的绝对开创者，但拥有极强的技术整合能力和规模效应，靠算力与数据的庞大体量拉平竞争距离 。

第二类，追求极致创新的独立模型商，它们没有云业务包袱，追求技术代差，与基础设施厂商深度嵌套，在细分领域做到无可替代 。

第三类，就是京东这样的“非典型AI企业”。

一方面，它们是AI与业务深度耦合的实践者，它们或许不会在财报中单独列出一项巨额的“AI收入”，但AI已经像骨髓一样融入了业务的每一个环节 。

这样的企业，不会去努力的在AI的舞台中央刷存在感，但AI的战略布局清晰可见：体量适当的AI基建 + 基础模型能力持续自研 + 全场景、全链路场景落地 。

它不满足于仅仅提供一个对话框或一套API，而是将大模型部署在物流配送的路径规划中，植入在商家的直播间里，封装在老百姓家里的智能水壶和智能玩具上——在京东的语境里，AI的成功不取决于它在测试榜单上的排名，而取决于它能否让一个初学者安全、轻松的养龙虾；能否让一个中小商家在凌晨三点依然能精准回答用户的咨询，能否让物流成本再降低一个百分点 。

不求最大，但求最实。这种把AI做进“基石”里的务实风格，或许也是通向AGI的另一条可能路径。