WAIC一间很“主动”的AI小屋，藏着京东通往整个物理世界的野心

智东西
作者 毕伟豪
编辑｜漠影

智东西7月18日报道，走到WAIC一号馆展区最里面，有一间“房子”围满了人。如果不是周围站着机器人、摆着芯片、挂着各种AI模型介绍，我差点以为自己穿越到了未来之家。

你回家说一句“我回来啦”，茶吧机会自动倒上一杯温水，机器狗主动跑过来，问你今天过得怎么样，有没有什么趣闻分享；躺在床上，智能床垫会询问需不需要按摩；你说无聊，智能电视就推送热门电视剧。

整个过程没有遥控器，没有App，一切自然发生。

这并不是提前设定好的演示，是京东在WAIC现场搭建的，一套基于附身智能JoyInside的“AI Home”实景样板间。客厅、厨房、书房、卧室一应俱全，台灯、床垫、茶吧机、毛绒玩具——屋里的每一件设备，仿佛都长了一个大脑，能够理解人的意图，并主动参与到整个家庭活动的协同之中。

但在WAIC现场，京东想展示的并不只有一间屋子，还有对于AI如何进入物理世界的一次完整回答。京东探索研究院相关负责人表示：“整个京东集团会用AI去赋能未来发展，让京东成为全球最大的物理世界运营中心。”

展区之外，一场分论坛正在同步进行。如果说展区在回答“AI进入物理世界长什么样”，那么论坛就在解释，这条成为“全球最大物理世界运营中心”的路，京东要如何走。

一、AI进入物理世界，京东的第一站是家庭

在京东论坛中，京东探索研究院相关负责人认为：“人工智能发展到今天，在数字AI上的研究已经足够先进，但现在的模型还无法驾驭真实的物理世界，京东整体的战略，就是基于从数字AI到物理AI的路径，去进行技术上的开发与迭代。”

而京东AI走进物理世界的第一站，是家庭，也就是附身智能JoyInside。

家庭是JoyInside一个容易落地的入口，但也是通用智能非常难啃的测试场景。容易落地，是因为家电家居品类足够多、交互足够高频。难啃，是因为这里开放程度高，难以标准化，有多人同时说话的客厅、有开着电视的噪音、有老人孩子宠物的随机行为、有不同品牌不同协议的设备，人多、设备多、场景多。

如果连家庭这种非结构化环境都能跑通，物流仓库、零售门店、工厂产线就有了可复制的基础。京东探索研究院相关负责人直言，附身智能所积累的数据，对于具身智能来说也有参考价值，两者之间的数据既互补又各具特色。

相比过去依赖指令控制的智能家居，JoyInside更希望让AI成为家庭中的“新成员”。JoyInside产品负责人给出了一个很有意思的定义：他把这种能够理解人、理解场景、能够主动协同工作的家庭AI形态称作“AI空间”。

过去一年多，JoyInside的核心变化不是接入了更多品类，是把散落的单品捏合成一件事。JoyInside产品负责人在接受采访时，把这件事概括为“从被动控制到主动满足”。

他举了一个业内反复钻研的例子：控制烤箱。传统智能家居的逻辑，是用手机App控制蒸烤箱的温度、模式、时长，人把它当工具，一步步按原始设定走。但JoyInside想做的是另一条路：用户只需要说一句“我想吃烤红薯，拳头那么大的”，剩下的由设备自己搞定。

这种模式真正的困难，其实不在于指令遵循。

“烤红薯没烤好，人不会骂蒸烤箱，只会觉得是自己没操作好。但当你让AI来烤，一旦烤砸了，所有问题都是AI的。”JoyInside产品负责人说。

人们可以允许聊天框中AI犯错，却不能忍受红薯被烤糊。

无形之中，当AI从数字世界进入物理世界，它的容错悄然降低。不同产地的红薯不一样，不同地方人的口味也不一样，没有一个标准模式能覆盖所有场景，但这绝不是为AI开脱的借口，而是厂商必须要解决的问题。

论坛上，JoyInside产品负责人介绍了京东的解法：对品牌方，用类似Vibe Coding的思路——不依赖出厂前写死的固定程序，让最懂食材和烤箱特性的人类自己，通过自然语言描述来定义产品的行为。在用户端，他把这套理念总结为“Vibe Control”，用户不需要学习如何使用设备，只要表达意图，设备中的AI就会理解需求并主动协同服务。

技术之外，在WAIC的圆桌论坛上，嘉宾们谈论了关于AI进入家庭后的边界问题，对于如何使用AI去进行家庭教育、AI进入家庭后的风险以及如何避免过度依赖等问题展开了讨论。

JoyInside产品负责人也在论坛上提出了京东的看法，当AI成为陪伴者，它不只是一个硬件功能，而是一个持续在线、持续学习、持续交互的互联网产品。因此，京东从模型层面对陪伴能力进行了管理与约束，希望让AI在长期交互中保持安全、可靠和稳定。

二、台灯、机器狗、智能床垫，AI住进家庭的每个设备

WAIC现场，在JoyInside的“AI Home”样板间里，这套去中心化的逻辑被拆进了不同的生活场景。用户只需表达简单的意图，来自不同厂商的硬件就能同时行动，电视机推送剧集、茶吧机倒水、机器狗跑过来陪聊，不是遥控某台设备，而是整个屋子的AI主动协同。

学习场景中，京造AI投影台灯把作业批改投在桌面上，辅导孩子日常学习。陪伴场景里，佛山照明的AI小夜灯不仅可以智能调节亮度与色温，还能对话、哄睡、提供情绪价值。

展区里，还有一只非常惹眼的凯米斯AI智能机器狗，它可以流畅与人进行对话，完成各种交互，用户还能通过编程为其设定新动作。

健康监测方面，智能睡眠床垫24小时追踪呼吸和体动，用户一躺下，就会询问是否开启按摩、调节高度，还能自动生成健康报告。

此外，元萝卜AI下棋机器人也非常有趣，支持围棋、五子棋、象棋等多种棋类游戏玩法，不仅可以当陪练，还能和孩子进行语音交互，担任陪聊。

在这间“AI Home”里，真正发生变化的，是每个设备里都住进了AI。它们没有等待一个中央控制器逐一发号施令，而是各自理解用户需求，再主动完成协同。

“AI Home”展示的不仅仅是几款智能硬件，更是一种AI进入物理世界的新交互方式。对于JoyInside来说，家庭既是离用户最近的场景，也是非常复杂并具有挑战性的场景，这里不会是JoyInside的终点，当AI能够在家庭这样开放、复杂的环境中跑通，它也就具备了走向零售、物流、工业等更广阔物理世界的能力基础。

三、200个品牌、千万台终端，一句话全屋智能主动协同

要让不同厂商、不同算力、不同协议的硬件协同工作，比让单台设备变智能难得多，但这也正是京东推动AI走进物理世界战略的关键环节。

第一个要解决的是交互问题。家庭里电视在响、老人在唠、扫地机器人在跑，用户随口说句话，设备要在这片噪音里同时判断三件事：谁在说话、是不是在跟自己说、说的是什么。这对于AI的抗干扰拒识能力和智能交互水平提出了很高的要求。

JoyInside没有采用传统的声纹方案，京东的策略是多模态，AI不仅看语音特征，还看对话内容的上下文连续性，把不属于当前交互的对话自动过滤。在电视噪音场景下，ASR识别率接近90%，叠加大模型理解后，对话有效性进一步提升。

论坛现场，JoyInside产品负责人还提到了一个重要的技术：长周期场景任务处理，比如在一段时间内去陪伴老人、照顾孩子，这些任务不是简单的几轮对话交互可以解决的。JoyInside的解法是采用快慢脑架构，快脑响应与用户进行交互、慢脑规划长周期任务，实现全流程主动服务。

第二是跨设备协同。JoyInside的做法是先帮每个品牌做好单品的能力——让一盏灯、一个床垫、一个茶吧机先做好自己场景里的角色，然后通过角色与角色之间的主动协同来构建AI空间。

目前，已有近200家品牌接入JoyInside，覆盖家电家居、机器人、AI玩具、医疗器械等多个品类，对话轮次平均提升超120%，2026年预计接入超千万台终端设备。

虽然品类众多，但总体上来说，学习教育类和玩具的使用活跃度最高，家电家居类相对较低，智能家电行业目前提供的AI服务还没有得到用户的广泛高频使用。

但JoyInside与传统智能家居存在本质上的不同，传统智能家居是一个APP控制所有设备，各种操作都还是需要手动和自行判断，而JoyInside则是让每个设备都有千人千面服务的AI能力，设备之间会根据用户的意图进行自主协同。

JoyInside产品负责人认为，当AI驱动的主动服务体验在更多品类上跑通后，家电家居类的使用频次会超过玩具类。

JoyInside去中心化的策略，正在悄悄为京东AI走进物理世界这条路奠基：不去造一个全知全能的大脑，让每一台设备都拥有自己的AI能力。

一个统一大脑面临的复杂度是指数级增长的，每增加一种品牌、一个品类、一个用户，都要做兼容和适配。但去中心化的逻辑是反过来的：每接入一台新设备，不是给系统增加负担，而是增加了一个新的AI入口。设备越多，场景越丰富，数据回流越厚，每个入口的AI能力反而越强。

只有去中心化，才能实现规模化，实现万物互联，实现京东打造全球最大物理世界运营中心的目标。

为了加速品类覆盖，推进目标的实现，京东对品牌方免费开放了从ASR、TTS到大模型的整套能力。

“这个行业最大的痛点是，品牌要把产品做出来要付很高的开发费，但不确定能不能卖成爆品，试错成本极高，” JoyInside产品负责人接受采访时坦言，“只有让品牌在零成本负担的前提下去大胆尝试，体验才不会因为控制预算而打折扣。”

四、AI Home背后，是京东AI的技术底座

大多数人走进展区，会先被这间“AI Home”吸引，但在这间屋子背后，支撑每个设备里的AI能够理解用户意图、彼此协同的，是京东过去几年持续搭建的AI技术体系。

在论坛上，京东探索研究院相关负责人详细拆解了京东的整体技术路线：他将整个战略分为三步——数字智能、附身智能、具身智能。“AI Home”所展现的附身智能，正建立在底层模型不断完善的基础之上。
围绕这条路线，京东JoyAI已经陆续布局图像理解、多模态实时交互、世界模型等关键能力。

其中，JoyAI-Image-Edit负责图像空间理解与编辑，JoyAI-VL-Interaction让模型能够实时感知环境并与用户交互，JoyAI-Echo则瞄准下一代世界模型，为AI理解和模拟真实世界提供支撑。

论坛中，京东探索研究院相关负责人又展示了两个近期将会发布的新模型：JoyAI-Talker聚焦实时语音交互，不仅能够理解用户说了什么，还能感知情绪、态度等信息，实现更加自然的语音交互；JoyAI-Video-Edit则面向流式视频编辑，可实现30fps流媒体视频实时编辑，同时服务于视频生成和具身智能仿真数据合成，能够为物理世界AI训练提供更多高质量数据。

具身智能方面，京东推出了JoyAI-Sim 仿真架构以及JoyAI-RA具身模型，前者为具身数据金字塔构建及仿真与真实训练协同提供底层平台支撑，后者则初步验证了具身智能领域的Scaling Law，在今年下半年，京东将陆续发布系列具身相关新工作，推动行业从数字世界向物理世界的技术跃迁。

数据是这条路线上的另一个关键变量。京东前段时间开源的EgoLive数据集，2000小时人类第一视角双目视频，已经是行业最大。但京东基础云业务负责人透露的计划更激进：未来将依托京东近 1 万家门店、3600 余个仓储、20 余万个药店等场景启动数据采集，目标今年底达到百万小时量级，两年内冲击千万小时。

京东基础云业务负责人直言，截至目前，京东已然构建了一整套具身智能数据的全景技术栈，从数据的采集，包括多模态、多维、轨迹以及第一视角的数据，到整个数据处理管线，整个数据的处理成本，下降了8倍以上。

展台区域，观众可以体验头戴JoyEgoCam数采设备，第一视角感受机器人从数据采集、学习到最终落地作业的全流程。对于具身智能而言，模型决定能力上限，而真实世界数据决定能力能否真正落地。EgoLive持续扩大的规模，也表明着京东正在为未来的物理AI积累更丰富的训练基础。

从数字智能、附身智能到具身智能，这三层能力并不是彼此割裂的，它们共享同一套模型、数据和交互能力。“AI Home”只是消费者最容易感知的一层，而它背后的技术体系，最终指向的是AI进入更广阔的物理世界。

结语：物理世界最大的AI去中心化入口

过去，大模型竞争的是谁更懂数字世界；未来，比拼的将是谁更懂真实世界。

“AI Home”虽然只是京东搭建的一间屋子，但也是AI进入物理世界的一个缩影。当每个设备都拥有自己的AI能力，并能够围绕人的意图主动理解、主动协同，AI便不再只是一个聊天助手，开始成为现实世界的一部分。

万台设备，更是AI走向更广阔物理世界的一条路径。这既是京东打造AI驱动的全球最大物理世界运营中心的终端基础，也是物理世界最大的AI去中心化入口的开端——让AI从理解世界，走向参与世界。