京东入局具身智能，发布行业首个具身数据全链路基础设施

在机器人技术持续升温的当下，行业正面临从“演示”走向“落地”的关键转折。

京东集团副总裁、京东云基础云总经理龚义成直言，当前多数机器人仍停留在展示层面，依赖遥控操作，更多提供“情绪价值”，距离真正解决实际问题、实现规模化应用仍有较大距离。

在这一背景下，京东选择切入具身智能赛道。4月16日，在其具身智能生态发布会上，京东宣布推出覆盖“采、存、标、训、评、仿、测”全链路的数据基础设施体系，并发布多项自研产品，包括超高清采集终端JoyEgoCam、具身大模型JoyAI-RA以及具身智能数据交易平台等，从全链路能力入手，推动行业进化。

龚义成告诉《凤凰WEEKLY财经》，与传统AI基础设施侧重算力与模型训练不同，具身智能更像是一个“自上而下”的系统工程，同时又需要“自下而上”逐层打通。其核心挑战首先体现在数据采集环节，企业需要明确所需数据类型，并通过合适的硬件设备进行高质量采集。这些设备既可能来自自研，也可能依赖生态合作伙伴。

这些数据进入系统后，仍需经历清洗、处理、标注及训练适配等多个环节。如何构建一个高效的数据处理与训练平台，使模型能够充分利用数据，是关键问题。同时，数据集本身的定义，如覆盖场景与数据结构，也成为决定模型能力的重要因素。

此外，数据流通机制同样不可忽视。如何在保障安全与合规的前提下，实现数据的高效流转，是具身智能生态建设中的另一重要环节。

京东在实践中也面临多重挑战。首先是数据质量与密度问题。龚义成指出，具身智能不仅依赖第一视角数据，还需探索更多维度的数据形式，关键在于识别并定义“对模型真正有效”的数据类型，并实现规模化采集。

其次是大规模数据处理的成本与效率。如何通过技术手段在保证质量的同时降低成本，是行业普遍难题。京东方面透露，在这一过程中已积累了多项技术与经验，但整体仍具高度挑战性与创新性。

第三是数据与模型之间的协同验证机制。即数据是否真正提升模型能力，需要通过反复迭代验证。

据龚义成透露，在业务层面，京东有专门的机器人团队，涉及科技、零售、物流、工业等核心业务板块，打通机器人产品的销售、售后、维修等服务，加速推动具身智能商业化落地。