JD Cloud chce dostat AI z obrazovek do skladů, obchodů i domácností

JD Cloud chce proměnit rozsáhlý provoz skupiny JD.com — sklady, rozvozové trasy, prodejny, dodavatelské služby i připojená zařízení — v platformu, na níž umělá inteligence nejen vyhodnocuje data, ale také vnímá prostředí, rozhoduje se a vykonává fyzické úkony. Letištní kampaň, ukázka zcela bezobslužné kavárny 7FRESH a téma konference JDD z 9. září, „JoyAI: Skok do fyzického světa“, byly veřejnými signály této širší strategie. 383940

Strategie v jedné větě: ovládnout provozní scénáře a na nich škálovat inteligenci

Fyzická AI, často označovaná také jako vtělená AI, znamená systémy, které působí ve skutečném světě prostřednictvím strojů se senzory a aktuátory — například robotů, autonomních vozidel či dronů. 5 JD vychází z předpokladu, že soutěž se nerozhodne jen mezi samotnými modely. Rozhodovat má kombinace výpočetního výkonu, dat z reálného prostředí, strojů, míst pro nasazení a řízení dodavatelského řetězce.

Na konferenci JDD 2026 JD tuto architekturu popsala jako „super AI dodavatelský řetězec“ se šesti propojenými prvky: cloudem, daty, modely, zařízeními, scénáři a dodavatelským řetězcem. Deklarovaným cílem je vybudovat „největší provozní platformu pro fyzický svět“. 222324

Proto dává strategický smysl i bezobslužná kavárna, přestože její obchodní rozsah může být omezený. Plně automatizovaný proces od objednávky po předání nápoje názorně ukazuje, jak AI a automatizace přecházejí z digitálního rozhraní do skutečného provozu. Stejný princip chce JD postupně uplatňovat ve skladech, doručování, maloobchodu, průmyslových službách i domácnostech. 3940

1. Vytvořit mimořádně velkou poptávku po robotech

Nejhmatatelnější částí plánu je kupní síla JD. JD Logistics uvádí, že chce během pěti let pořídit 3 miliony robotů, 1 milion autonomních vozidel a 100 000 doručovacích dronů pro skladování, třídění, přepravu a rozvoz. Jde o cíle nákupu, nikoli o již uskutečněné nasazení. 454647

Význam těchto čísel přesahuje automatizaci vlastního provozu JD:

• JD se stává velkým odběratelem dodavatelů robotiky. Objemné zakázky mohou pomoci vytvořit trh pro robotická těla, komponenty, údržbu a související software.
• JD získává opakovaná nasazení v reálném světě. Každý stroj ve skladu, na trase nebo u místa doručení poskytuje příležitost testovat spolehlivost a vylepšovat pracovní postupy.
• Kolem oboru může budovat prodejní a servisní infrastrukturu. Program Physical AI Acceleration Plan zahrnuje data, základny, výrobu, prodej, logistiku a servis. 333437

JD se tak nestaví jen do role kupujícího automatizačních nástrojů. Snaží se stát infrastrukturní a komercializační vrstvou celého robotického sektoru.

2. Roztočit koloběh dat a provozu

Druhou složkou je datová infrastruktura pro vtělenou AI, založená na každodenních operacích. Firma chce během dvou let shromáždit více než 10 milionů hodin videa z reálných lidských činností a uvádí, že buduje infrastrukturu pokrývající sběr, ukládání, označování, trénování, vyhodnocování, simulaci a testování dat. 171821

JD zároveň oznámila záměr vybudovat domácí výpočetní cluster o 100 000 kartách a představila JoyAI-Echo WM, interaktivní audiovizuální světový model. Společnost jej řadí do AI portfolia zahrnujícího multimodální, světové a vtělené modely. 172123

Zamýšlený cyklus je přímočarý:

1. Zachytit úkoly vykonávané v reálném prostředí — v logistice, maloobchodu či službách.
2. Přeměnit provozní materiál na data pro trénink a hodnocení modelů.
3. Testovat modely a stroje přímo v provozech JD.
4. Výsledky z nasazení použít pro další verzi modelů, zařízení a pracovních postupů.

Tento koloběh má podpořit plánovaná síť RoboBase. JD uvedla, že chce během pěti let vybudovat v Číně více než 80 lokalit robotického průmyslu RoboBase, které mají pokrýt průmyslovou podporu i širší životní cyklus robotiky. 243746

Součástí provozního modelu je i rekvalifikace pracovníků. Zprávy o logistickém plánu uvádějí, že JD slíbila přeškolovat kurýry na technické pozice s tím, jak se automatizace rozšíří. To je podstatné: rozsáhlé flotily stále potřebují údržbu, terénní servis, řešení výjimek i lidský dohled. 4548

3. Rozšířit AI z vlastních provozů do zařízení a domácností

Třetí vrstvou je distribuce mimo zařízení vlastněná JD. Firma představuje JoyInside jako přístup k vestavěné AI pro roboty a domácí zařízení. Podle dostupných informací se k technologii vtělené inteligence JD připojilo více než 200 značek z kategorií domácích spotřebičů, vybavení domácnosti a hraček. 56

Cílem je, aby modely a služby JD fungovaly na mnoha fyzických koncových bodech: robotech, autonomních doručovacích strojích, AI hračkách i produktech chytré domácnosti. Teoreticky to JD otevírá cestu z podnikové logistiky do spotřebitelských zařízení, aniž by musela vyrábět každý typ zařízení sama.

Samotný dosah partnerství ale nelze zaměňovat za důkaz stejné úrovně schopností nebo využití. Veřejně dostupné informace neposkytují podrobný rozpis aktivních zařízení, úspěšnosti plnění úkolů, zapojení uživatelů ani toho, nakolik partnerské produkty používají srovnatelné systémy vtělené AI. Ekosystém je pro strategii důležitý, jeho skutečná provozní hloubka se však z veřejných oznámení hodnotí obtížně.

V čem se JD liší od Nvidie, Tesly a Anthropicu

JD je součástí stejného širokého posunu k fyzické AI jako další velké technologické společnosti, vychází však z jiné pozice.

• Nvidia buduje technologický stack napříč odvětvími: výpočetní výkon, simulace, světové modely a robotický software pro ekosystém vývojářů a výrobců robotů. Její řada Cosmos zdůrazňuje tvorbu fyzikálně založených syntetických dat a vyhodnocování robotických politik v simulaci. 14
• Tesla představuje více vertikálně integrovaný přístup, v němž kombinuje data z autonomního řízení, vlastní AI a výrobu s projektem robota Optimus. 38
• Anthropic zvolil přístup orientovaný na standardy a rozhraní: jeho výzkumná ukázka Model Hardware Standard má propojovat modely, jako je Claude, s vědeckými a výrobními přístroji. 1
• JD sází na model provozní platformy. Může nasazovat stroje ve vlastních procesech, sbírat z nich data, modely trénovat a ověřovat a pak schopnosti rozšiřovat prostřednictvím partnerů v dodavatelském řetězci a výrobců zařízení. 2223

Potenciální přednost JD nespočívá v tom, že už vyřešila univerzální robotiku. Spočívá v přístupu k frekventovaným komerčním prostředím, kde lze automatizaci nasadit, měřit a servisovat. To může být obzvlášť cenné pro strukturované úlohy, jako je skladování, třídění a vyřizování objednávek.

Co letištní reklamy a kavárna dokazují — a co ne

Sdělení kampaně, tedy posunout AI do fyzického světa, odpovídá strategii představené na JDD. Bezobslužná kavárna pak tuto myšlenku převádí do spotřebitelsky srozumitelné podoby. 383940

Neznamená to ovšem, že JD dosáhla univerzální vtělené inteligence. Bezobslužný provoz kavárny a úkoly ve skladu probíhají v daleko kontrolovanějším prostředí než domácnosti, chodníky či smíšený veřejný prostor. Úspěch v těchto scénářích se automaticky nepřenáší na roboty, kteří mají bezpečně zvládat otevřené a nepředvídatelné úkoly v blízkosti lidí.

Otázky, které zatím zůstávají otevřené

Vyjdou ekonomicky oznámené objemy?

Plánované nákupy ukazují ambici, nikoli návratnost investice. Robotické flotily vyžadují kapitál, úpravy pracovišť, nabíjení, síťovou konektivitu, údržbu, náhradní díly, dohled a postupy pro řešení selhání. Zveřejněné materiály neprokazují míru využití flotily, náklady na jeden úkon ani to, zda bude automatizace v zamýšleném měřítku levnější než práce řízená lidmi.

Stačí video data pro odolné učení robotů?

Deset milionů hodin videa z reálného prostředí může představovat významné aktivum a JD uvádí, že buduje celý datový proces, nejen archiv záznamů. 1718 Pro kvalitní trénink vtělené AI však zpravidla nestačí samotný objem vizuálních dat. Systémy potřebují kontext úkolu, záznamy akcí, stav robota, bezpečnostní označení, pokrytí vzácných situací a spolehlivou zpětnou vazbu z nasazení. Oznámení JD popisují důležité stavební kameny, veřejně ale zatím nedokládají kompletní systém tréninku a validace ani výsledky, podle nichž by bylo možné posoudit schopnost zobecnění.

Jak velkou část technologického stacku JD skutečně kontroluje?

Přístup založený na partnerech může urychlit zavádění a snížit náklady na interní vývoj každé komponenty. Protiváhou je závislost na dodavatelích a partnerech v oblasti robotického hardwaru, komponent a potenciálně i klíčových softwarových vrstev. To může v čase ovlivnit odlišení od konkurence, marže i interoperabilitu.

Závěr

Strategii fyzické AI společnosti JD Cloud je nejlepší chápat jako plán komercializace založený na reálném provozu. Má spojit rozsáhlé nákupy strojů, sběr dat, výpočetní výkon, modely, síť RoboBase a partnerství v oblasti zařízení, aby se AI posunula od digitálních výstupů k fyzickým úkolům. 232445

Tato strategie dává smysl jako cesta ke škálování automatizace ve stávající logistice a maloobchodních provozech JD. Klíčová zkouška ale teprve přijde: zda tato nasazení vytvoří systémy dostatečně spolehlivé a levné, aby ve velkém měřítku překonaly užší automatizační řešení nebo pracovní postupy řízené lidmi.