من مقهى روبوتي إلى شبكة نشر وصيانة: كيف تبني JD Cloud رهاناتها في الذكاء الاصطناعي المادي؟

تقدّم JD Cloud، قبيل مؤتمرها السنوي JDD في سبتمبر/أيلول 2026، مفهوم الذكاء الاصطناعي المادي بوصفه ذكاءً يستطيع الإدراك واتخاذ القرار والتصرف خارج حدود الشاشة. والرهان ليس على روبوت بشري واحد، بل على بناء منظومة تشغيلية تمتد من توزيع العتاد وجمع بيانات التدريب إلى النماذج والمحاكاة ومواقع النشر والصيانة. إنها استراتيجية صناعية كبيرة، لكن السجل العلني حتى الآن يعرض مبادرات مترابطة أكثر مما يثبت وجود نظام مادي موحد وعام يعمل بكفاءة في كل السياقات. 3754

الفكرة في سطر واحد: حلقة من الواقع إلى الآلة ثم إلى الواقع

تمتلك JD ميزة لا تتوافر بسهولة لمختبرات الذكاء الاصطناعي الخالصة: فهي تدير بالفعل بيئات يمكن للروبوتات أن تتعلم وتعمل فيها، مثل شبكات الخدمات اللوجستية ومتاجر التجزئة والتجارة الاستهلاكية والمنازل. ويمكن تلخيص الحلقة التي تسعى إليها الشركة في الآتي:

1. تسجيل أداء البشر للمهام في العمل والمنزل.
2. تنظيف هذه المواد ووسمها واستخدامها في المحاكاة وتدريب النماذج.
3. اختبار الأنظمة في بيئات البيع بالتجزئة والخدمات اللوجستية والأجهزة المنزلية.
4. بيع الروبوتات ونشرها وصيانتها وتحديثها عبر شبكة خدمات واسعة.
5. إعادة بيانات التشغيل الفعلية إلى دورة التطوير التالية.

وقد عرضت JD بنية تحتية لبيانات الذكاء المتجسد تغطي الجمع والتخزين والوسم والتدريب والتقييم والمحاكاة والاختبار على روبوتات حقيقية، إلى جانب نموذجها المتجسد JoyAI-RA وجهاز الالتقاط JoyEgoCam. 54

من شعار إعلاني إلى تجربة مادية ملموسة

الجزء الأكثر ظهوراً للجمهور هو الحملة التسويقية. فقد ظهرت عبارة JD Cloud الداعية إلى دفع الذكاء الاصطناعي نحو العالم المادي في إعلانات المطارات على مستوى الصين قبيل JDD، في محاولة لربط الذكاء الاصطناعي بالعمل والخدمات الفعلية بدلاً من واجهات الدردشة فقط. 37

أما البرهان العملي الأوضح، فهو متجر 7FRESH Coffee الروبوتي غير المأهول، الذي يعمل 24 ساعة يومياً في Galaxy SOHO ببكين. افتُتح المتجر في 16 أغسطس/آب 2026، وتنفذ الروبوتات سلسلة إعداد المشروب من طحن البن واستخلاص الإسبريسو إلى الخلط والتقديم. وقالت JD إن الموقع قدّم 202 كوب خلال ساعة واحدة. 1432

هذه تجربة مهمة في بيئة تجزئة مضبوطة: طلبات واضحة، وخط إنتاج متكرر، وتنفيذ آلي للطلب. لكنها ليست دليلاً على استقلالية روبوتية واسعة؛ فإعداد القهوة في بيئة مصممة مسبقاً أقل تعقيداً بكثير من التعامل مع استثناءات مستودع، أو منزل غير مألوف، أو شارع عام.

JD تريد أن تكون قناة بيع وخدمة للروبوتات أيضاً

لا تضع JD نفسها في موقع المطوّر أو المشغّل فقط، بل تسعى لأن تصبح قناة تجارية رئيسية للروبوتات. وفي مؤتمر الروبوتات العالمي لعام 2026، أعلنت أنها ستخصص 10 مليارات يوان من الموارد للروبوتات بحلول 2028، وتتعاون مع أكثر من 200 علامة تجارية، وتدعم 100 علامة للوصول إلى مبيعات تتجاوز مليار يوان لكل منها. 10

وتضيف ذراع الخدمات اللوجستية إمكانية النشر على نطاق هائل؛ إذ سبق أن أعلنت JD Logistics خططاً لشراء 3 ملايين روبوت، ومليون مركبة ذاتية القيادة، و100 ألف طائرة مسيّرة حتى عام 2030. 2324

قد تجعل هذه الخطط JD لاعباً مؤثراً حتى لو احتفظت الروبوتات الشريكة بأنظمة التحكم الخاصة بها. فالفرصة الاستراتيجية للشركة تتمثل في أن تكون طبقة الوصول إلى العملاء، ومزوّد بيئات التشغيل، والجهة التي تجعل امتلاك الروبوت وصيانته ممكنين عملياً.

RoboBase: المشكلة الأقل بريقاً والأكثر حسماً

لا يتحول الروبوت إلى منصة صناعية لمجرد أنه قابل للبيع. فهو يحتاج إلى تركيب وقطع غيار وإصلاح وصيانة واختبارات ودعم محلي. وتقول JD إنها تخطط لإنشاء 80 منشأة RoboBase، وبناء قدرات لخدمات ما بعد البيع في أكثر من 100 دولة، مع أكثر من 100 ألف وظيفة لمهندسي خدمات ما بعد البيع الخاصة بالروبوتات خلال خمس سنوات. وتشمل الخدمات المقترحة في هذه المراكز العرض والتسليم والصيانة والبحث والتطوير والتجميع التجريبي وجمع البيانات وتحديث التصنيع. 1022

كما أفادت تقارير بأن JD وقّعت مع نحو 120 مدرسة صينية لإعادة تدريب المندوبين على أعمال مثل إصلاح الروبوتات وصيانتها. 2124

وهذه نقطة جوهرية: أسطول الروبوتات الكبير يحتاج إلى عمليات ميدانية بقدر حاجته إلى نماذج ذكاء اصطناعي. لكن هذه الالتزامات ما زالت خططاً؛ فلا توجد بعد أدلة علنية كافية عن نسب الإنجاز أو جودة الوظائف أو نتائج التوظيف، ولا عما إذا كانت وظائف الخدمة الجديدة ستواكب حجم الأعمال التي قد تغيّرها الأتمتة.

محرّك البيانات: تعليم الروبوت من العمل البشري الحقيقي

يشكل خط البيانات محور رواية JD عن الذكاء الاصطناعي المادي. فجهاز JoyEgoCam هو أداة تُرتدى على الرأس لتسجيل تنفيذ المهام من منظور الشخص الأول. وتصف الشركة معالجة البيانات عبر مراحل تشمل المعايرة والوصف النصي وتقدير الوضعية وإعادة بناء العمق وتقسيم اليدين والوسم الآلي. 47

وأطلقت JD النسخة الأولى من مجموعة بيانات EgoLive، وتضم نحو 2000 ساعة من بيانات المنظور الأول، و65,866 مقطع مهمة، و346 مهمة واقعية. كما قالت إنها تستهدف جمع أكثر من 10 ملايين ساعة من بيانات تدريب الروبوتات عالية الجودة خلال عامين، اعتماداً على سيناريوهات فعلية في التجزئة والخدمات اللوجستية والرعاية الصحية والخدمات. 478

الفكرة العملية جذابة: يُظهر العاملون للبشر والآلات كيفية تنفيذ المهام في الأماكن الحقيقية؛ تتعلم النماذج من البيانات الناتجة؛ توسّع المحاكاة التعلم وتقيّمه؛ تتحقق الروبوتات الحقيقية منه؛ ثم تعود بيانات التشغيل الجديدة إلى خط التدريب. وقد وصفت JD هذا التدفق بأنه مسار ينتقل من بيانات التشغيل البشري إلى المحاكاة ثم إلى التشغيل على الروبوت الحقيقي. 4854

لكن حجم البيانات وحده ليس مقياساً لأداء الروبوتات. ففيديو المنظور الأول قد يساعد في فهم سياق المهمة وعلاقات الأشياء وتسلسل العمل، لكنه لا يمنح الروبوت تلقائياً كل ما يحتاجه ليعمل بثبات، مثل حالة مفاصله وقوى التلامس ومسارات التحكم الدقيقة وسلوك التعافي عند فشل الحركة. والدليل الحاسم سيكون نتائج واضحة وقابلة للفحص في نجاح المهام والسلامة والتعميم والكلفة.

النماذج والمحاكاة وبيئات النشر الفعلية

تجمع JD مكونات البرمجيات تحت اسم JoyAI. وفي مؤتمر WAIC 2026، عرضت مصفوفة نماذج JoyAI ومجموعة EgoLive، وشرحت مساراً توفر فيه البيانات الخبرة الواقعية، وتتولى النماذج الفهم واتخاذ القرار، بينما تنفذ الأجهزة والسيناريوهات الأفعال والخدمات. 9

كما حددت الشركة JoyAI-RA بوصفه نموذجاً متجسداً من نوع الرؤية واللغة والفعل، وربطته بمشاريع EgoLive وRoboBase لتطبيقات العالم المادي. 2 وقد تمنح منشآت RoboBase وعمليات التجزئة ومرافق الخدمات اللوجستية JD شيئاً يفتقر إليه كثير من مختبرات الذكاء الاصطناعي: وصولاً متكرراً إلى بيئات يمكن اختبار الروبوتات وصيانتها ومراقبتها فيها لفترات طويلة.

هذه الحلقة المحتملة بين البيانات والنماذج والتشغيل هي جوهر الاستراتيجية. لكن الإعلانات العلنية لا تثبت بعد أن كل هذه المكونات تعمل بمعيار بيانات موحد، أو بيئة تشغيل مشتركة، أو سياسة سلامة واحدة، أو نظام موحد للصلاحيات والتحديثات. وإلى أن يظهر هذا التكامل، فإن وصف «منظومة كاملة» أدق بوصفه طموحاً وخارطة بنية تحتية، لا برهاناً على منصة واحدة مكتملة.

JoyInside ينقل الرهان إلى المنزل

تمثل منصة JoyInside الجسر الموجّه للمستهلك بين نماذج الذكاء الاصطناعي والأجهزة اليومية. وقد عرضت JD نموذج «AI Home» من JoyInside، وتتوقع ربط أكثر من 10 ملايين جهاز وروبوت بالمنظومة بحلول نهاية 2026. 18

أهمية ذلك أن المنازل قد تصبح نقطة نهائية كبيرة لخدمات الذكاء الاصطناعي، ومصدراً للتغذية الراجعة حول تفاعل البشر مع الأجهزة في الواقع. لكنها بيئة أصعب من متجر قهوة منضبط: الأجهزة قد تأتي من شركات مختلفة، وتعمل ببرمجيات متباينة، وتتصل بسياقات شخصية وحساسة.

ما الذي ينبغي أن يثبته JDD وما بعده؟

تبدو الاستراتيجية أكثر جدية من مجرد شعار مؤتمر لأن JD تستثمر في أصول ملموسة: مواقع للنشر، وقناة تجارية للروبوتات، وشبكة خدمات، وجمع بيانات، وتكاملات مع أجهزة المستهلكين. لكن الأسئلة المفتوحة تتعلق بتحويل هذه الأصول إلى نظام متماسك.

1. قابلية التشغيل البيني

هل يمكن لروبوت يُباع عبر JD، ويُدعَم من خلال RoboBase، ويتدرّب ببيانات JD، ويتصل بـJoyInside، أن يتشارك فعلاً طبقات موحدة للهوية والصلاحيات والتحديثات والسلامة؟ الإعلانات تثبت وجود المكونات، لا أنها تعمل كمنصة واحدة.

2. الفعل الموثوق خارج المسارات المضبوطة

متجر القهوة يبرهن على إنتاجية داخل بيئة مصممة بعناية، لكنه لا يثبت قدرة موثوقة على المناولة والتنقل والتعافي من الأخطاء في منازل ومستودعات ومتاجر غير مألوفة أو عبر أجسام روبوتية مختلفة. من المفيد أن تعرض JD مؤشرات واضحة لإنجاز المهام، ونسب التدخل البشري، والحوادث، ووقت الجاهزية.

3. أين تنتهي قدرات JD وتبدأ أنظمة الشركاء؟

التعاون مع أكثر من 200 علامة للروبوتات قد يصنع سوقاً ومنصة خدمة قويتين. 10 لكنه يثير سؤالاً معمارياً مباشراً: ما القدرات التي ستكون أصيلة في JoyAI، مثل الإدراك والتخطيط والمناولة وإدارة الأساطيل والاستقلالية، وما القدرات التي ستظل ضمن أنظمة كل شريك؟

4. الجدوى الاقتصادية وأثرها على العمل

يجب أن ينجح الذكاء الاصطناعي المادي اقتصادياً بعد احتساب شراء العتاد والصيانة وفترات التعطل والتأمين والتنظيم ومعالجة الحالات النادرة. والتزام إعادة التدريب لافت، لكن لا توجد حتى الآن أدلة علنية تبين ما إذا كانت وظائف الصيانة الجديدة تعوّض العمل المتأثر بالأتمتة أو توفر انتقالاً مهنياً مستداماً.

5. حقوق البيانات والخصوصية

عندما يقوم التدريب على نشاط العاملين والأسر في العالم الواقعي، تصبح الموافقة والتعويض والاحتفاظ بالبيانات وإعادة استخدامها وضوابط الوصول قضايا أساسية لا هامشية. تصف الإعلانات المتاحة خطط جمع ومعالجة واسعة، لكنها لا تحسم كيفية حوكمة حقوق البيانات عبر منظومة تجارية كبيرة. 54

الخلاصة

تبني JD Cloud كثيراً من المتطلبات الأساسية للذكاء الاصطناعي المادي: تسويقاً يخلق الطلب، وتوزيعاً للروبوتات، ومشتريات للأساطيل، وبيانات من العالم الحقيقي، ومحاكاة، ومواقع للنشر، وأجهزة منزلية متصلة، وقدرات للصيانة. وقد تكون ميزتها الأبرز قدرتها على وصل هذه الطبقات بعمليات التجارة والخدمات اللوجستية القائمة لديها.

لكن الأدلة المتاحة حتى الآن تدعم وصف ما يجري بأنه بناء بنية تحتية للذكاء الاصطناعي المادي، لا نظام تشغيل مثبتاً وعام الغرض للروبوتات والأجهزة. وستكون الإشارة الأهم من JDD وما بعده هي الأداء القابل للقياس في حلقة تشغيل مغلقة: آلات تعمل بأمان وموثوقية وكلفة مجدية في بيئات متنوعة، مع تفسير واضح لكيفية تفاعل البيانات والنماذج والعتاد وطبقات الخدمة معاً.