直击WAIC｜JoyAI新模型释出、京东“AI Home”首亮相：AI物理世界边界在哪儿？

“38℃+雷雨”，7月的上海体感酷热，AI（人工智能）热潮正穿透物理世界。

2026世界人工智能大会（WAIC）展区内，一个微妙的信号正在出现。去年随处可见的大模型参数对比和榜单排名，今年几乎看不到了。取而代之的是机械臂的运转声、AI终端的实时交互屏以及一张张标注着“已量产”“已部署”的展牌。

行业风向变了。京东集团副总裁、京东探索研究院副院长段楠近日在接受《每日经济新闻》记者采访时一语道破：“大家更关注的是模型能不能干活，如何把基础模型落地到日常工作流或者生活，这是当下非常重要的评测指标。”

京东在WAIC的展台恰好是这一转向的缩影。首次亮相的“AI Home”样板间里，智能床垫根据身体状态调整角度，茶吧机听懂“有点口渴”后主动出水；展区另一侧，京东物流与智元联合推出的人形机器人精灵G2 Max宣布落地真实仓库，承担拆码垛与搬运作业。

两个场景看似迥异，但共享同一条逻辑：AI如果进不了物理世界、完不成真实任务，参数再大也只是纸上谈兵。

京东展台数百米外，宇树、智元、星动纪元等具身智能公司的展位同样被围得水泄不通；腾讯、阿里等互联网巨头则在各自展区亮出了AI终端和行业解决方案。

2026年被业内视为“物理AI元年”。竞争格局已从模型参数的单点突破，演变为数据、算力、硬件、场景的系统级较量。各家各户的AI“全家桶”都朝向这场较量的风暴中心，试图回答一个绕不开的问题：AI进入物理世界的边界到底在哪儿？到达边界的路又该怎么走？

上新两大模型 补上“交互”与“生成”两块拼图

京东此次WAIC首秀的重点，是JoyAI-Talker实时语音交互模型和JoyAI-Video-Edit实时视频编辑模型两款新品的正式发布。加上此前已亮相的JoyAI-Image-Edit、JoyAI-Echo、JoyAI-VL-Interaction等，京东今年已累计推出7个面向物理世界的基础模型。

据记者了解，JoyAI-Talker的核心能力是低延迟对话、情绪理解、工具调用和记忆。京东科技AI创新业务附身智能负责人戴文军告诉记者：“模型不等于体验。”

如果模型只具备通用对话能力，却无法在真实场景中判断“谁在说、是不是在对我说、当下环境是什么”，那对用户就没有实际意义。JoyAI-Talker要解决的主要问题，正是AI从“听到指令”到“理解状态”之间的落差。

图片来源：企业供图

JoyAI-Video-Edit则支持自定义画面和边预览边修改，让视频编辑更加实时灵活。段楠在采访中提到，视频生成模型的发展方向不只是内容创作工具，还承担着“对物理世界的模拟和数据合成”的功能。“因此，我们希望能够在后续研究中，通过一种机制，将新的学习范式引入到下一代视频模型当中，能够让这个模型更好地习得物理规律。”段楠表示。

但真正将京东与大多数模型公司区分开的，不是模型本身而是评测方式。段楠指出，“很大程度上可以说，我们对模型的评测能力决定了模型能力的边界”。

AI市场，通用榜单上的“刷分游戏”已经不再新鲜。依托自有场景搭建垂域评测体系，背后是务实的逻辑。AI能不能在真实业务里解决问题，或许才是关键。

从“附身”到“具身” 场景倒推模型需求

与其他AI公司从模型出发寻找落地场景的路径不同，京东走出了场景驱动的逆向技术路线。

段楠将京东的技术路径划分为三个阶段：数字智能、附身智能、具身智能。数字智能是底座，基于互联网数据构建语言、多模态与智能体的基础能力；附身智能将AI能力嵌入家电、可穿戴设备、手机等终端，强调低延迟、高适配的实时人机交互，而这正是JoyInside所处的层级，也是当前落地的核心形态；具身智能则进一步把模型部署到机器人等硬件中，使其在真实环境里完成操作和执行。

这套三级路线的独特之处在于：它不是从模型出发去找场景，而是从场景出发去倒推需要什么样的模型。

图片来源：企业供图

戴文军分享了一组来自京东的数据：家庭里使用频率最高的AI产品是学习教育类，“平均活跃频次超过100次/周”；而家居家电类SKU（最小存货单位）占了80%，活跃度却最低。原因在于用户对家电的认知还是“工具”，没被切换成“角色”。

“过去大家没有这种新体验，本质上还是整个行业提供的这类体验没有得到认可。”戴文军说。过去智能家居的逻辑是人把设备当工具，一步步按设定操作；而JoyInside要做的，是让设备从“等指令”变成“理解状态”，戴文军将其概括为“被动控制还是主动满足”。

在具身智能层面，京东同样选择了一条与多数机器人公司互补的路线。其深度参与具身智能全产业链，同时承担多重角色：销售渠道、服务网络、场景提供方以及数据采集的基础设施。

此次WAIC期间，京东物流与智元联合推出的精灵G2 Max人形机器人落地智狼仓，不是展台上的演示品，而是直接投入真实仓库流水线。这个选择的背后就是顺应AI进入物理世界的趋势，比的不是技能有多花哨，而是能否在真实订单和真实生产节奏下稳定运行。

物理AI的系统之战：数据、场景、全链路闭环缺一不可

这套布局背后的逻辑，其实也是2026年整个AI行业竞争逻辑的缩影。本届WAIC上，有着非常明显的信号：全场核心议题高度统一，落地、商业化、规模化。前两年大模型厂商竞相发布参数榜单的“模型军备赛”似乎已经翻篇，今年大家聚焦的是同一话题——能不能用、能不能量产、能不能赚钱。

不过，进入物理世界之后，AI的竞争规则变了。段楠告诉记者，具身智能的Scaling Law（描述规模与性能的量化关系）比传统大模型多了一个维度，除了数据、算力、模型，还要加上硬件的规模化。这意味着物理AI的竞争不再是单一能力的比拼，而是一场数据、模型、算力、硬件和场景同时运转的系统级较量。

记者注意到，此次WAIC期间，京东还对外展示了具身智能数据采集项目，目标是两年内达到1000万小时高质量数据。

京东集团副总裁、京东云基础云业务负责人龚义成在接受记者采访时指出了一个行业误区：行业不一定是没有数据，而是缺乏真正意义上高价值、有用的高质量数据。“如果只做数据，不做模型，不进入最终场景验证，那么所谓的数据质量是无法保证的，只是你想象中的质量。”龚义成强调，“高质量数据是前提，高性价比是数据走向规模化的基础。”

当AI走出聊天框、进入物理世界，竞争单位不再是单个模型，而是整套系统能不能持续运转。单项能力再强，只要感知、判断和执行之间断了一环，机器人依然干不了活。但把“系统”这个词拆解成可执行的工程问题，仍长路漫漫。AI的物理世界之战，最终比拼的是谁能真正深耕实体场景，在物理世界走得更深更远。