京东，或许是最被低估的AI公司

文 丨 阑夕

机场的广告牌上，可能是全中国最不缺「行业第一」的地方。

AI时代自然也不例外，随着算力等资源需求的水涨船高，云厂商们又把战场重新搬回了全国各地的航站楼里。

之所以要说这个「又」字，是因为从堪称神仙大战的2025年开始，AI行业就呈现着一种螺旋上升的纠缠态，资本流动叠加着热点风向，这些因素让一向被视作行业晴雨表的机场广告牌，更换频率比以往高得多。

不过热闹归热闹，各家云厂商高度趋同的说辞——拼市占率、Token调用量、算力规模——还是难免会让人有些审美疲劳，有种一项比肩工业革命的技术，打到最后还是只能盯着企业腰包里那点预算的市侩感......

直到我前两天出差，看到京东云带着「把AI推向物理世界」的主张出现在机场里，才觉得这截然不同的画风，终于带来了一些变数。

就像一群成绩上游的学霸都在急于展示分数的时候，京东却还在闷头解题，而且是一道相当宏观的母题，乍一看有点跟不上版本的意思。

我猜测，京东云想表达的是，大伙不能只盯着模型、Token和Agent这些看得到的地方，再这么卷下去，离AI真正进入现实世界是不是又要遥遥无期了？

物理AI是行业下一轮竞争的绝对焦点，这个应该已经成为共识了，但像京东愿意如此旗帜鲜明把窗户纸捅破的，实属不多见。

我倒是无意评价这件事的对错，但确实对京东独具一格的动机很感兴趣，所以想先带你们回忆一下，当年的京东，是怎么长成今天这样的。

2007年，京东拿到了第一笔1000万美元的融资，立马就将这些钱投入了仓储物流的建设。

要知道，前一年京东的全年营收只有约8000万人民币，用一笔几乎抵得上一年收入的巨款，在行业竞争堪称最激烈的时候，去做别人都没有的基建，怎么看都不是一个容易的决定。

「创京东」这本书里也曾描述过这个很生动的画面，早期刘强东提出自建物流体系的战略规划时，投资人让他做个预算，结果刚融到1000万美元的刘强东，给了个差点把投资人「吓哭了」的数字：

10亿美元。

虽然这10亿美元不是立马就要花出去，但数字之巨，不仅意味着京东在未来要付出远超自身购买力的成本，也跟当时互联网公司就该是轻资产的共识完全背道而驰。

通俗点说，大伙过去这么多年好不容易把生意做到了线上，你怎么还要往回搬呢？

况且，仓库不会因为网站访问量的增加自动扩容，快递小哥也是没办法复制粘贴的，那些关于互联网边际成本的美好想象，到了如此庞大的重资产面前，都需要重新算账。

如果用后视镜的视角来看，这段历史很容易被压缩成一句「京东有远见」，但在当年，这个选择毫无疑问也会被认为是「跟不上版本」的。

直到次日达、当日达以及全网无出其右的服务配套，逐次成为了消费者选择京东的理由，这些曾经被视为拖累财务表现的成本，才有了所谓护城河的新身份。

所以我一直觉得，人们口中的前瞻性，有时候并不是能更早预言趋势，还得支付最终一定会产生的成本，嘴上说说谁都会，但身体力行做起来，又是另外一回事了。

而如今的京东，在AI上走到了一个何其相似的路口。

今年以来，AI行业的价值体系，经历了一轮肉眼可见的变化。

前段时间GPT-6的发布斩获了一致好评，核弹爆炸、瘫坐等形容不绝于耳，我还专门写了条微博吐槽这两年模型密集发布时，人们已经自发形成一套公式化反应了：

不过讲道理，虽然GPT-6并不是AA竞技场中跑分最高的，但在使用体验上却被普遍认为远胜于Fable 5，最根本的原因，当然是前者在PC操作、GUI理解这些层面有了跨越式的提升，通俗来说，就是撸起袖子干活的智力水平，真的变高了。

连Blender这种没有几年功夫啃不下来的专业建模软件，AI都可以实现言出法随的效果时，自然不会有人再去关心跑分那点微不足道的差距。

放在物理AI的命题上同样如此，与其一味鼓吹机器人有多聪明，都不如让它找个班上来得更有说服力。

而在前几天的京东全球科技探索者大会（JDD大会）上，京东就展示了一整套如何让机器人真正开始干活的体系化成果。

拿早已在WAIC上亮相过的数据采集设备JoyEgoCam举例，它让机器人有机会从人类的第一视角上，观察真实工作是怎么完成的，哪怕是一次简单的拿取、放置、搬运，都会被记录下来，经过处理和标注后成为训练材料。

理论上，所有具身数据公司其实都能做这些事，但京东得天独厚的优势在于，过去十几年来它在物理世界的扎根之深，是没有几家公司可以与之比肩的。

仓储、配送、服务...京东在这些环节上数以万计的熟练工岗位，成了AI最先要请教的人，他们未必能把自己的经验写成体系化的教材，但手上早已形成肌肉记忆的动作，何尝不是知识本身呢？

除此之外，京东云还开源了约2000小时的首批EgoLive数据集，据说接下来的计划，是在两年内采集超过1000万小时的真实人类视频数据，这又是一个能他人所不能的资源禀赋。

而且视频拍回来并不等于机器人就能学会，哪些片段是高质量训练数据，人的手是如何移动的，动作又该怎么和任务一一对应，后面还连着数据处理、模型训练、仿真测试和真正上机的一长串工作，京东云要提供的，正是把这些环节接起来的能力。

过去，人们提到京东的仓库、配送网络和一线员工，首先想到的是履约成本，现在，同样这些地方，又开始生产AI最缺乏的知识，那就是在真实世界里，事情究竟是怎么做成的。

另一个比较意外的事实是，这次京东发布的JoyAI-Echo WM世界模型，已经在WBench Navigation公开评测中拿到了排名第一的成绩。

事实证明，量变就是可以引起质变，这也是我对京东这轮布局比较看好的一个原因，它手里有大量不用为了展示技术而临时搭建的场景，凡此种种，最终都会化作物理AI的最佳试验田。

更何况在实际应用上，京东已经精细化实现了端脑协同：

京东物流「超脑」3.0负责统一决策和协同调度，把亿级包裹端到端最优路径的规划，从分钟级压缩到了秒级；

而另一边，已经覆盖10款产品、19种机型的「狼族」机器人，则在仓储、配送等环节执行任务，里面不仅有针对零下20℃冷链环境工作的产品，也有围绕仓内拣选、搬运等任务进行定向优化的设备。

这也解释了京东为什么要同时做数据、模型、终端和产业服务，单拿出任何一项，都很容易被理解成又发了一个产品，而放在一起，才会发现它是在为机器人进入日常生产补齐不能缺席的条件。

按照京东物流的计划，未来五年内将会采购300万台机器人、100万台无人车和10万架无人机，这意味着京东不仅给机器人提供训练场，也是市场上最具影响力的买家之一。

马斯克曾经提出过一则预言，他认为到2040年，会有上百亿机器人与人类同时生活在这个星球上。

这件事发生的概率暂且不论，倘若这个设想真的实现了，那围绕着这上百亿机器人，又会产生多少分配、售后等新问题？

京东给自己的目标，是成为「全球最大的物理世界运营中心」，翻译成更容易理解的话，就是不仅自己造、自己用，也为其他机器人企业提供从研发制造、测试销售到运营维修的一整套服务。

这也就不难理解，为什么京东要费尽心思，通过「涅槃计划」去培训70万名蓝领去深度参与到物理AI产业里，这不仅是为机器人接手工作做准备，同时也让原来做这些工作的人类，拥有更多新的职业去向。

十亿也好，百亿也罢，京东关心的，是这些机器人能不能有一整套完善的基础设施做承接。

一切的一切，都是为了跑在版本最前面。

1900年，法国汽车轮胎公司米其林做了一件在当时看起来非常不务正业、甚至有些匪夷所思的决定：撰写出版一本免费的汽车旅行指南，内容包括去哪里加油、吃饭、过夜等旅途中的常见麻烦。

那一年，整个法国的机动车数量还不足3000辆，汽车旅行对大多数人来说还是一件新鲜事，远没有成为日常，从表面上看，米其林的决定对自己的业务显然不会有太大助益。

而这本不起眼的指南，就是后来米其林餐厅评星体系的雏形，随着人们把专程驱车前往星级餐厅吃顿饭当成了一种生活方式，米其林兄弟也由此贡献出了商业史上的神来之笔：

有时候限制自己轮胎生意的，可能并不在于轮胎本身。

正是因为相信物理AI会实现，所以机器人进入人类社会之后的基础设施要提前备好，就像因为相信汽车时代会到来，所以米其林得让开车这事变简单，是同样的道理。

我倾向于认为，京东是一家被明显低估的AI公司，理由在于，它已经开始为那个未来处理一批非常具体、甚至有些琐碎的问题。

人们总是容易高估一台机器的第一次演示，却低估它的十万次稳定运行。

而京东押注的，恰好是后者。