كيف تريد JD Cloud تحويل شبكتها اللوجستية إلى منصة للذكاء الاصطناعي المادي؟

إعلانات المطارات التي حملت شعار «ادفع الذكاء الاصطناعي إلى العالم المادي»، ومقهى 7FRESH غير المأهول، ومؤتمر JDD في 9 سبتمبر تحت شعار «JoyAI: القفز إلى العالم المادي»، ليست مبادرات منفصلة في نظر JD Cloud. إنها واجهة لخطة أوسع: تحويل ما تملكه JD.com بالفعل من مخازن وطرق توصيل ومتاجر وخدمات سلسلة توريد وأجهزة متصلة إلى بيئات يستطيع فيها الذكاء الاصطناعي أن يرى ويقرر ويتحرك وينفذ. 383940

الفكرة في سطر واحد: امتلك بيئات العمل، ثم وسّع الذكاء داخلها

يشير «الذكاء الاصطناعي المادي» — ويُستخدم غالباً بمعنى قريب من الذكاء المتجسد — إلى أنظمة ذكاء اصطناعي تعمل عبر آلات مزودة بحساسات ومحركات، مثل الروبوتات والمركبات الذاتية والطائرات المسيّرة. 5

رهان JD هو أن المنافسة لن تُحسم بالنماذج وحدها، بل بمنظومة تجمع القدرة الحاسوبية والبيانات الواقعية والآلات ومواقع النشر وعمليات سلسلة التوريد. وفي مؤتمر JDD 2026، وصفت الشركة هذه المنظومة بأنها «سلسلة توريد فائقة للذكاء الاصطناعي» تتألف من ست حلقات مترابطة: السحابة، والبيانات، والنماذج، والأجهزة، والسيناريوهات، وسلسلة التوريد. وهدفها المعلن هو بناء ما تسميه «أكبر منصة تشغيلية في العالم للعالم المادي». 222324

لهذا يكتسب مقهى القهوة غير المأهول قيمة استراتيجية حتى لو كان محدود الحجم تجارياً. فدورة الطلب والتحضير والتسليم من دون موظفين تقدم مثالاً واضحاً للمستهلك على انتقال الذكاء الاصطناعي من الشاشة إلى موقع تشغيل فعلي. وهو المبدأ نفسه الذي تريد JD تطبيقه على نطاق أوسع في المخازن والتوصيل والتجزئة والخدمات الصناعية والمنازل. 3940

1) خلق طلب هائل على الروبوتات

أوضح جزء في الخطة هو حجم الشراء المستهدف. تقول JD Logistics إنها تهدف خلال خمس سنوات إلى شراء 3 ملايين روبوت، ومليون مركبة ذاتية القيادة، و100 ألف طائرة مسيّرة للتوصيل لاستخدامها في التخزين والفرز والنقل والتسليم. وهذه أهداف معلنة وليست عمليات نشر مكتملة بالفعل. 454647

أهمية هذه الأرقام تتجاوز أتمتة شبكة JD نفسها:

• تصبح JD عميلاً ضخماً لموردي الروبوتات، بما قد يخلق سوقاً أكبر لأجسام الروبوتات ومكوناتها وصيانتها وبرمجياتها.
• تتراكم لديها عمليات نشر متكررة في الواقع، إذ تتيح كل آلة تعمل في مستودع أو على طريق توصيل أو عند نقطة تسليم فرصاً لاختبار الاعتمادية وتحسين سير العمل.
• يمكنها بناء قدرات توزيع وخدمة للقطاع؛ إذ يغطي برنامج تسريع الذكاء الاصطناعي المادي مجالات البيانات والقواعد والتصنيع والمبيعات واللوجستيات والخدمات. 333437

بذلك لا تقدم JD نفسها كمشترٍ لأدوات الأتمتة فقط، بل تسعى إلى أن تصبح طبقة بنية تحتية وتسويق وتشغيل لصناعة الروبوتات.

2) بناء حلقة تغذية راجعة من البيانات والعمليات

المكوّن الثاني هو خط بيانات للذكاء المتجسد يستند إلى العمليات اليومية. تخطط الشركة لجمع أكثر من 10 ملايين ساعة من فيديوهات سيناريوهات بشرية في العالم الحقيقي خلال عامين، وتقول إنها تبني بنية تشمل الجمع والتخزين والوسم والتدريب والتقييم والمحاكاة والاختبار. 171821

كما أعلنت عن خطة لإنشاء عنقود حوسبة محلي يضم 100 ألف بطاقة حوسبة، وقدمت JoyAI-Echo WM، وهو نموذج عالم تفاعلي سمعي بصري. وتعرض JD هذا النموذج ضمن حزمة تمتد من النماذج متعددة الوسائط إلى نماذج العالم والنماذج المتجسدة. 172123

الحلقة المقصودة تبدو كالتالي:

1. تسجيل المهام في بيئات حقيقية، مثل اللوجستيات والتجزئة والخدمات.
2. تحويل المادة التشغيلية إلى بيانات لتدريب النماذج وتقييمها.
3. اختبار النماذج والآلات في مواقع أعمال JD.
4. استخدام نتائج النشر لتحسين النسخة التالية من النماذج والأجهزة وسير العمل.

ومن المفترض أن تدعم شبكة RoboBase هذه الحلقة. فقد قالت JD إنها ستنشئ أكثر من 80 موقعاً صناعياً للروبوتات في أنحاء الصين خلال خمس سنوات، لتخدم مراحل متعددة من دورة حياة الروبوتات والدعم الصناعي. 243746

وتشمل الخطة أيضاً إعادة تأهيل العاملين. فبحسب تقارير عن برنامج اللوجستيات، تعهدت JD بإعادة تدريب موظفي التوصيل لأدوار تقنية مع توسع الأتمتة. وهذا عنصر عملي مهم: فالأساطيل الكبيرة من الآلات تحتاج إلى صيانة وخدمة ميدانية ومعالجة الاستثناءات وإشراف بشري. 4548

3) نقل الذكاء من مرافق JD إلى الأجهزة والمنازل

الطبقة الثالثة هي التوسع خارج منشآت JD. تطرح الشركة JoyInside بوصفه نهجاً لدمج الذكاء الاصطناعي داخل الروبوتات والأجهزة المنزلية، وتشير تقارير إلى أن أكثر من 200 علامة تجارية في الأجهزة المنزلية ومنتجات المنزل والألعاب ارتبطت بتقنيات JD للذكاء المتجسد. 56

الفرصة هنا هي إتاحة نماذج JD وخدماتها عند نقاط مادية متعددة: الروبوتات، وآلات التوصيل الذاتية، وألعاب الذكاء الاصطناعي، ومنتجات المنزل الذكي. ومن الناحية النظرية، يتيح ذلك انتقالاً من لوجستيات الشركات إلى أجهزة المستهلكين من دون أن تضطر JD إلى تصنيع كل جهاز بنفسها.

لكن اتساع شبكة الشركاء لا يساوي دليلاً على مستوى موحد من القدرات أو الاستخدام. فالمعلومات المتاحة علناً لا تقدم تفصيلاً كافياً عن عدد الأجهزة النشطة، أو أداء المهام، أو تفاعل المستخدمين، أو مدى تشغيل المنتجات الشريكة لأنظمة ذكاء متجسد متشابهة. لذلك تبقى أهمية المنظومة استراتيجية، لكن عمق تشغيلها الفعلي يصعب تقييمه من الإفصاحات العامة.

أين تقف JD مقارنة بـ NVIDIA وTesla وAnthropic؟

تشارك JD في التحول نفسه نحو الذكاء الاصطناعي المادي، لكنها تبدأ من نقطة مختلفة:

• NVIDIA تبني حزمة تقنية عابرة للصناعات تشمل الحوسبة والمحاكاة ونماذج العالم وبرمجيات الروبوتات لمنظومة من المطورين وصانعي الروبوتات. وتركز إصدارات Cosmos على توليد بيانات اصطناعية مبنية على قوانين فيزيائية وتقييم سياسات الروبوتات داخل المحاكاة. 14
• Tesla تمثل نهجاً أكثر تكاملاً رأسياً، يجمع بيانات القيادة الذاتية والذكاء الاصطناعي الداخلي والتصنيع مع مشروع روبوتات Optimus. 38
• Anthropic اختارت مساراً يركز على المعايير وواجهات الربط عبر معاينة بحثية لمعيار Model Hardware Standard، المصمم لربط نماذج مثل Claude بمعدات علمية وتصنيعية. 1
• JD تتبع نموذج «المشغّل-المنصة»: تنشر الآلات في سير عملها، وتلتقط البيانات من تلك العمليات، وتدرب النماذج وتتحقق منها، ثم توسع القدرات عبر شركاء سلسلة التوريد والأجهزة. 2223

ميزة JD المحتملة ليست أنها حلت مشكلة الروبوتات العامة متعددة الأغراض، بل أنها تملك بالفعل بيئات تجارية متكررة الاستخدام يمكن فيها نشر الأتمتة وقياسها وصيانتها. وقد يكون ذلك مفيداً بصفة خاصة للأعمال المنظمة نسبياً، مثل التخزين والفرز وتجهيز طلبات التجزئة.

ما الذي تثبته إعلانات المطارات ومقهى القهوة — وما الذي لا تثبته؟

رسالة الحملة، «ادفع الذكاء الاصطناعي إلى العالم المادي»، تتسق مع استراتيجية JDD، بينما يجعل نموذج المقهى الفكرة ملموسة للمستهلك. 383940

لكن هذه العروض لا تثبت أن JD حققت ذكاءً متجسداً عاماً. فتدفق العمل في مقهى غير مأهول أو مهمة في مستودع أكثر انضباطاً من المنزل أو الرصيف أو البيئة العامة المختلطة. والنجاح في هذه الأماكن لا ينتقل تلقائياً إلى روبوتات تتعامل بأمان مع مهام مفتوحة حول البشر.

الأسئلة الأساسية التي ما زالت بلا إجابة

هل ستنجح الجدوى الاقتصادية عند هذا الحجم؟

أحجام الشراء المخطط لها تعكس النية، لا العائد على الاستثمار. فأساطيل الروبوتات تحتاج إلى رأسمال وإعادة تصميم للمواقع وشحن وشبكات وصيانة وقطع غيار وإشراف ومعالجة للأعطال. ولا تثبت المواد العامة المتاحة معدلات استخدام الأسطول أو كلفة المهمة الواحدة أو ما إذا كانت الأتمتة أقل كلفة من العمل البشري عند الحجم الذي تستهدفه JD.

هل تكفي بيانات الفيديو لتعلّم روبوتي متين؟

قد تكون 10 ملايين ساعة من الفيديو الواقعي أصلاً مهماً، وتقول JD إنها تبني دورة بيانات كاملة لا مجرد أرشيف للقطات. 1718 لكن تدريب الذكاء الاصطناعي المتجسد بصورة مفيدة يحتاج عموماً إلى أكثر من الكم البصري: سياق المهمة، وسجلات الأفعال، وحالة الروبوت، ووسوم السلامة، وتغطية الحالات النادرة، وتغذية راجعة موثوقة من التشغيل. إعلانات JD تصف لبنات مهمة، لكنها لا تعرض علناً بعد نظام تدريب وتحقق كاملاً أو نتائج أداء تسمح بالحكم على القدرة على التعميم.

ما مقدار عناصر المنظومة التي تسيطر عليها JD؟

قد يسرّع نهج الشركاء تبني التكنولوجيا ويخفض كلفة تطوير كل مكوّن داخلياً. لكن المقابل هو الاعتماد على الموردين والشركاء في عتاد الروبوتات ومكوناتها، وربما في طبقات برمجية أساسية. وقد يؤثر ذلك بمرور الوقت في التميز وهوامش الربح وقابلية التشغيل البيني.

الخلاصة

أفضل طريقة لفهم استراتيجية JD Cloud للذكاء الاصطناعي المادي هي أنها رهان على التسويق والتشغيل في العالم الحقيقي. فالشركة تريد دمج شراء الآلات على نطاق واسع، وجمع البيانات، والقدرات الحاسوبية، والنماذج، وشبكة RoboBase، وشراكات الأجهزة، لنقل الذكاء الاصطناعي من مخرجات رقمية إلى مهام مادية. 232445

الخطة تبدو منطقية كطريق لتوسيع الأتمتة داخل بيئات JD القائمة في سلاسل التوريد والتجزئة. لكن الاختبار الحاسم لم يأتِ بعد: هل ستنتج هذه العمليات أنظمة موثوقة ورخيصة بما يكفي لتتفوق على أدوات الأتمتة الأضيق نطاقاً أو على سير العمل الذي يديره البشر، وعلى نطاق واسع؟