京东，做真实世界的有用AI

京东的AI战略逐渐清晰。

刚刚举办的京东全球科技探索者大会（JDD）上，京东正式公布了“全球最大物理世界运营中心”战略理念，宣布启动“物理AI加速计划”，将在具身智能领域实现六项“全球第一”。

同时亮相的，还有十万卡国产算力集群计划、具身数据采集计划、JoyAI世界模型、物流“超脑3.0”、机器人“狼族”以及AI购物助手“东东”等系列化创新举措。

这些项目横跨模型、云、零售、物流、工业和机器人，最终指向一个整体战略：京东的AI是要进入仓库、工厂、公司和家庭的，参与真实任务，获得真实反馈，再把积累下来的技术和供应链能力开放给产业。

这也正是AI下半场最要紧的命题：进入真实场景，解决真实问题，产生实际效益。

所有公司都会带着创始人的性格，AI业务也是。这一轮AI大潮中，京东的AI路线，也像所有的来时路一样，可以被总结为“务实派”。

很多企业做AI，是先有技术再找场景，“先做鞋后量脚”。京东反过来，是从场景中长出技术，“先量脚再做鞋”。

就像是北坡爬珠峰。

北坡路更长，工程更多，需要持续投入，但也意味着，登山者走过的每一步都会留下基础设施。京东二十多年建设的仓库、配送网络、采购系统和服务体系，正在成为AI进入物理世界的训练场和第一站。

十万卡国产集群夯实算力底座

JDD公布的第一个基础设施进展，是国产算力集群。

目前，京东云已与众多合作伙伴建成国产万卡集群，并着手向十万卡规模推进。

集群扩容看似是算力数量的增加，背后考验的却是芯片、服务器、高速网络、存储系统和软件框架的整体协同。规模越大，通信损耗、任务调度和故障恢复越复杂。十万张卡能否稳定、高效地共同工作，决定了国产算力能否真正支撑大模型训练和物理AI的大规模应用。

这对国产算力产业具有现实意义。

国产AI芯片过去较多参与单机推理或中小规模集群。进入万卡和十万卡规模，芯片、服务器、网络、存储和软件框架会接受真实大模型训练的压力测试。系统中的通信瓶颈、兼容问题和稳定性问题，也会在持续运行中暴露并得到解决。

京东在其中同时扮演用户和云服务商角色。

一方面，京东自己的零售、物流、工业、健康和机器人业务能够持续消耗算力，给国产集群提供稳定负载；另一方面，京东云可以把经过业务验证的集群能力变成标准服务，供模型公司、机器人企业和产业客户使用。

这种关系对国产算力生态很重要。真实应用带来订单，订单支撑集群建设，集群运行推动软硬件成熟，成熟的基础设施再降低产业使用国产算力的门槛。

物理AI对算力的需求还会持续增加。机器人既要训练视觉和动作模型，也要进行仿真、评测和实时推理。未来的算力中心需要同时处理模型训练、场景模拟和设备协同。京东规划的十万卡集群，承担的是物理AI时代的计算底座。

“千万小时”真实场景的数据价值不可替代

算力解决模型“在哪里训练”，数据决定模型“能学会什么”。

训练一台机器人通常需要遥操作人员反复示范。机器人本体、摄像头位置和动作空间又各不相同，同一份数据很难直接迁移。采集成本高，任务种类有限，已经成为具身智能扩大模型规模的主要制约。

中国信通院今年8月发布的《具身智能训练场研究报告》指出，具身基础模型要迎来“ChatGPT时刻”至少需要千万小时级真实数据，当前全球可用的高质量真实数据仅为数十万至百万小时级，缺口巨大。国内真实物理交互合规数据存量约50万小时，而商业化落地需求在数千万小时量级。

京东计划用两年时间采集超过1000万小时人类真实场景视频，建设全球最大的具身智能数据采集中心。目前开放的EgoLive首批数据约有2000小时，包含65866个任务片段和346项真实任务。

并且，京东本身覆盖的仓储、零售、家政、餐饮和工业场景拥有大量重复劳动。工作人员每天都在搬运、抓取、摆放、检查和装配。同一种任务可以获得大量样本，不同地区、商品和环境又能提供足够的变化。

这些数据还带有明确的任务结果。箱子放置情况，商品是否受损，订单有没有准时送达，设备维修进展，都可以进入评测体系。

京东自研的JoyEgoCam采集设备，可以记录第一视角视频以及手臂、腿部动作和环境声音。数据进入系统以后，还要完成相机姿态估计、深度重建、手部重建、物体分割和动作对齐。经过这些环节，一段普通视频才能变成机器人可以学习的训练材料。

这也是“全球最大数据采集中心”的独特价值。数据量庞大，建成了一整套数据标准、采集工具、标注体系和流通平台。

这意味着，京东的供应链，能够把真实世界的操作过程，转化成具身智能行业可以使用的基础资源。

数据规模扩大以后，机器人公司可以减少重复采集，创业团队也能获得更丰富的训练材料。京东则会在数据、模型和真实场景之间建立循环：业务生产数据，数据训练模型，模型进入机器人，机器人执行任务后继续产生数据。

这个循环运行得越久，数据的产业价值越高。

世界模型，为机器人建设数字训练场

JDD发布的JoyAI-Echo WM，把京东的模型布局推进到了世界模型层面。

JoyAI-Echo WM支持第一人称和第三人称视角，可以根据用户移动持续生成720P画面，并同步生成环境音、音乐和语音。用户改变方向和位置，模型生成的世界也会继续演化。

这项能力不仅可以服务游戏、短剧和互动内容，放进物理AI体系后，它还有另一层产业意义：给机器人提供可以反复练习的数字场地。

机器人在真实仓库里试错，成本很高。一台机械臂抓坏商品，一辆无人车判断失误，都会影响正常运营。极端天气、设备故障和异常路况出现频率有限，也很难专门布置。

世界模型可以生成不同环境，让机器人提前经历更多情况。

仓库可以改变货架布局和光线，无人车可以遇到雨雪、夜间和临时障碍，机械臂可以练习抓取不同形状和材质的物品。一次仿真可以快速复制，训练过程也不会干扰真实业务。

这相当于给物理AI建设了一座数字试验场。

京东的独特之处还在于，数字试验场背后有真实场景校准。仿真环境里的机器人完成任务后，可以进入京东仓库、配送站和产业园区测试。真实结果再回到模型，修正对物理规律和任务流程的理解。

世界模型、JoyAI-RA具身操作模型和JoyAI-Sim仿真工具由此形成连接。世界模型生成环境，具身模型学习动作，仿真平台负责训练和评测，真实场景提供最终验证。

许多世界模型企业拥有优秀的生成能力，机器人公司拥有本体和动作数据，物流企业拥有场景。京东同时覆盖数据、模型、终端和应用，是少数能把几种能力衔接起来的玩家。

这也是京东世界模型的产业想象力。它既是一项模型技术，也是超级AI供应链中的训练基础设施。

六个“全球最大”补齐机器人产业链

京东在JDD上提出，将在具身智能领域实现六项“全球第一”，涵盖数据采集、产业基地、零部件、零售渠道、机器人应用和售后维修。

这些目标需要放在机器人产业的现实阶段里理解。

当前机器人行业最热闹的部分集中在模型、本体和融资。产品走向规模应用，还需要解决零部件成本、中试生产、销售渠道、场景适配和售后维修。一家公司很难独立完成全部环节。

京东希望把自己的供应链能力接进来。

未来五年计划建设的80多个RoboBase，集研发设计、中试组装、数据采集、生产制造、销售展示和维修保养于一体，让机器人公司在一个区域内完成测试、交付和售后，减少产业链条里的反复搬运和资源重复建设。

零部件联盟则连接本体厂商和供应商。机器人制造规模扩大以后，关节、减速器、传感器、电池和控制器需要统一需求、集中采购。京东工业长期从事工业品采购和供应链服务，可以把分散订单汇集起来，用规模降低零部件成本。

零售渠道解决机器人“卖给谁”的问题。京东计划在2028年前投入百亿资源，帮助100个机器人品牌实现独立销售额超过10亿元。消费机器人、陪伴机器人和智能硬件进入京东平台后，可以获得展示、交易、配送、安装和回收服务。

京东物流则是大型应用方。按照JDD公布的规划，未来五年将采购300万台机器人等设备、100万台无人车和10万架无人机。这里的机器人口径覆盖多类自动化设备。如此规模的采购计划，可以给产业提供稳定需求，也能让机器人在高频任务中加快迭代。

售后网络补上了容易被忽略的一环。机器人进入工厂、商场和家庭以后，故障诊断、换电、维修和零部件更换会成为长期需求。京东计划把机器人售后能力覆盖到全球100多个国家，并培养超过10万名机器人售后工程师。

把这些举措连起来看，京东在机器人行业扮演的是供应链组织者的角色。

既是采购方，用订单推动量产；也是场景方，提供数据和测试环境；还是渠道方，帮助产品接触消费者；又是服务方，完成配送和维修。

这套能力运转起来以后，机器人行业会逐渐形成规模化生产和服务体系。

AI进入京东业务深处

判断一家公司的AI战略，还需要观察技术是否进入核心流程。

京东物流已有数千台无人车在全国20多个省份常态化运营。物流“超脑3.0”开始统一处理仓储、运输和配送决策。根据京东披露的数据，亿级包裹路径规划的求解时间已经缩短到秒级，具身智能模型在物流多任务场景中的执行成功率达到96.7%。

京东工业在采购、履约等业务环节部署了70多个AI智能体。JoyIndustrial的累计调用量超过10亿次，应用范围逐渐扩展到工业选型、设备维护和机械设计。

JoyInside已与近200家品牌合作，为AI玩具、家电、医疗器械和机器人提供交互能力，接入设备的对话轮次平均提升超过120%。

这些成果各自解决一个具体问题，放在一起，则显示出京东AI的纵深度。

物流让AI学会调度物品，工业让AI理解设备和采购，JoyInside让AI进入终端，京东APP里的“东东”则负责理解消费者需求。

京东APP刚刚重磅改版，上线了AI助手“东东”，用户可以直接告诉“东东”，家里空间有限，想买一台合适的洗衣机；孩子准备开学，需要一次配齐用品。AI拆解需求以后，调动商品、配送、安装和售后服务，把一次模糊表达变成一套完整方案。

AI在京东内部扮演的角色已经发生了变化。早期技术主要提高单个环节的效率，如今的目标是协调多个环节共同完成任务。模型开始参与业务运行，供应链则成为模型与现实世界之间的执行系统。

“北坡爬珠峰”能力合围

创始人的风格常常会烙印在企业的战略里。

刘强东当年决定自建物流，选择了互联网行业里一条很重的路。仓库需要一座座建，配送网络需要一个城市一个城市地铺，服务标准要靠每天的订单磨出来。投入周期很长，最终形成的能力也很难在短时间内复制。

AI业务延续了这种风格。

京东做AI，天然就要解决实际问题，库存放在哪里，机器人如何拣货，车辆怎样调度，商品能否准时送达，设备出现故障以后谁来维修。

这些问题决定了京东AI的气质，它讲究技术落地，也讲究长期运营。

云提供算力，数据训练模型，模型驱动终端，场景验证能力，供应链完成制造、销售、交付和维修。京东把它概括成“云、数、模、端、场、链”。六个环节彼此连接，构成超级AI供应链。

这意味着，京东对AI的理解已经超出单一模型和产品，开始接近一套物理世界的操作系统。

十万卡集群解决大规模计算问题，千万小时计划生产真实世界数据，世界模型提供数字训练场，具身模型学习动作，机器人进入仓库和家庭，供应链完成制造、销售、交付与维修。

这条链路一旦接通，京东就可以同时推动两个循环。

一个循环发生在技术内部。数据训练模型，模型驱动终端，终端执行任务以后产生新数据。

另一个循环发生在产业里。市场需求带来订单，订单推动制造，制造规模降低成本，成本下降又扩大应用。

京东称之为“智能飞轮”和“产业飞轮”。这两个飞轮彼此咬合，构成“全球最大物理世界运营中心”的底层逻辑。

AI上半场让机器学会了理解和表达，物理AI要让机器学会工作。工作发生在真实环境里，需要面对成本、效率、安全和服务，而京东过去二十多年一直在做这件事。

超级供应链连接的数字智能和物理世界，会是这一轮AI竞赛里最有价值的资产。

北坡的山路很长，但是所有这些慢功夫，最终会变成后来者难以快速补齐的产业基础。