JD Cloud haluaa siirtää tekoälyn ruuduilta varastoihin, kuljetuksiin ja koteihin

JD Cloudin fyysisen tekoälyn strategia tähtää siihen, että JD.comin nykyinen toimintaverkosto – varastot, kuljetusreitit, myymälät, toimitusketjupalvelut ja verkottuneet laitteet – muuttuu alustaksi, jolla tekoäly voi havainnoida, tehdä päätöksiä ja toimia fyysisessä maailmassa.

Lentokenttämainokset, joissa kehotettiin viemään tekoäly fyysiseen maailmaan, sekä henkilöstötön 7FRESH-kahvilakokeilu olivat näkyviä osia tästä viestistä. Syyskuun 9. päivänä 2026 järjestetyn JDDiscovery-konferenssin eli JDD:n teemana oli ”JoyAI: Leaping into the Physical World”. 383940

Ydinajatus: omista toimintaympäristöt, skaalaa sitten älykkyys

Fyysisellä tekoälyllä, josta käytetään myös nimitystä kehollistunut tekoäly, tarkoitetaan järjestelmiä, jotka toimivat fyysisessä ympäristössä sensoreilla ja toimilaitteilla varustettujen koneiden kautta. Tällaisia ovat esimerkiksi robotit, autonomiset ajoneuvot ja dronet. 5

JD:n näkemys on, ettei kilpailua ratkaista pelkillä kieli- tai maailmamalleilla. Ratkaisevaa on laskennan, todellisen datan, koneiden, käyttökohteiden ja toimitusketjuosaamisen yhdistelmä.

JDD 2026:ssa yhtiö kuvasi tätä ”supertekoälytoimitusketjuksi”, jonka kuusi toisiinsa liittyvää osaa ovat pilvi, data, mallit, laitteet, toimintaympäristöt ja toimitusketju. JD:n oma tavoite on rakentaa sen sanoin ”maailman suurin fyysisen maailman toimintaympäristöalusta”. 222324

Tästä näkökulmasta täysin henkilöstötön kahvila on strategisesti hyödyllinen, vaikka sen kaupallinen mittakaava olisi pieni. Tilaamisesta valmistukseen ja luovutukseen asti automatisoitu palveluketju tekee kuluttajalle näkyväksi, miten tekoäly ja automaatio siirtyvät näytöiltä käytännön toimintaan. JD pyrkii soveltamaan samaa ajatusta laajemmin varastoissa, jakelussa, vähittäiskaupassa, teollisuuspalveluissa ja kodeissa. 3940

1. JD aikoo synnyttää roboteille valtavan kysynnän

Konkreettisin osa suunnitelmaa on JD Logisticsin ilmoittama hankintatavoite: yhtiö aikoo hankkia viiden vuoden aikana 3 miljoonaa robottia, miljoona autonomista ajoneuvoa ja 100 000 toimitusdronea varastointiin, lajitteluun, kuljetuksiin ja jakeluun. Nämä ovat suunnitelmia, eivät jo toteutuneita käyttöönottoja. 454647

Tavoitteessa on kyse muustakin kuin JD:n omien toimintojen automatisoinnista:

• JD:stä tulisi suuri robotiikkatoimittajien asiakas. Mittavat hankinnat voivat kasvattaa kysyntää robottirungoille, komponenteille, huollolle ja niihin liittyville ohjelmistoille.
• Koneita saataisiin toistuvasti todellisiin työympäristöihin. Varastossa, kuljetusreitillä tai jakelupisteessä toimiva laite tuottaa kokemusta luotettavuudesta ja työnkulkujen toimivuudesta.
• JD voisi rakentaa robotiikkasektorille jakelu- ja palvelukerroksen. Fyysisen tekoälyn kiihdytyssuunnitelma kattaa datan, tukikohdat, valmistuksen, myynnin, logistiikan ja palvelut. 333437

Siksi hankintaluvut ovat strategisesti tärkeitä: JD ei asemoidu vain automaatioteknologian ostajaksi, vaan robotiikka-alan infrastruktuuri- ja kaupallistamiskerrokseksi.

2. Todellisesta työstä dataa, datasta parempia toimintamalleja

Toinen osa on kehollistuneen tekoälyn dataputki, joka nojaa päivittäisiin toimintoihin. JD aikoo kerätä kahdessa vuodessa yli 10 miljoonaa tuntia videoaineistoa todellisista ihmisten toimintatilanteista. Yhtiö kertoo rakentavansa infrastruktuuria, joka kattaa datan keruun, tallennuksen, merkinnän, koulutuksen, arvioinnin, simuloinnin ja testauksen. 171821

Lisäksi JD on ilmoittanut suunnittelevansa kotimaista 100 000 laskentakortin laskentaklusteria ja julkaisseensa JoyAI-Echo WM:n, vuorovaikutteisen audiovisuaalisen maailmanmallin. JD sijoittaa mallin osaksi tekoälykerrosta, johon kuuluu multimodaalisia, maailma- ja kehollistuneita malleja. 172123

Tavoiteltu kehä on suoraviivainen:

1. Tallennetaan tehtäviä todellisissa ympäristöissä, kuten logistiikassa, vähittäiskaupassa ja palveluissa.
2. Muutetaan työstä syntyvä aineisto mallien koulutus- ja arviointidataksi.
3. Testataan malleja ja koneita JD:n omissa toimintaympäristöissä.
4. Hyödynnetään käyttöönotosta saatavia tuloksia seuraavan malli-, laite- ja työnkulkuversion parantamiseen.

Tätä kehää tukemaan on tarkoitettu RoboBase-verkosto. JD on kertonut perustavansa viidessä vuodessa yli 80 robotiikka-alan RoboBase-toimipaikkaa eri puolille Kiinaa. Niiden tehtävät ulottuvat teollisesta tuesta robottien koko elinkaareen. 243746

Myös työntekijöiden uudelleenkoulutus kuuluu toimintamalliin. Logistiikkasuunnitelmaa koskevan raportoinnin mukaan JD on luvannut kouluttaa kuriireja teknisiin tehtäviin automaation laajentuessa. Suuret konekannat tarvitsevat edelleen huoltoa, kenttäpalvelua, poikkeustilanteiden käsittelyä ja ihmisten valvontaa. 4548

3. Tekoälyä JD:n omista tiloista koteihin ja laitteisiin

Kolmas kerros on jakelu JD:n omien tilojen ulkopuolelle. JD on asemoinut JoyInside-palvelun tavaksi upottaa tekoälyä robotteihin ja kodin laitteisiin. Raportoinnin mukaan yli 200 kodinkone-, koti- ja leikkibrändiä on liittänyt tuotteitaan JD:n kehollistuneen älykkyyden teknologiaan. 56

Tavoitteena on, että JD:n mallit ja palvelut toimivat monissa fyysisissä päätepisteissä: roboteissa, autonomisissa jakelulaitteissa, tekoälyleluissa ja älykodin tuotteissa. Näin yhtiö voisi teoriassa laajentua yrityslogistiikasta kuluttajalaitteisiin ilman, että sen tarvitsisi valmistaa jokaista laitetta itse.

Kumppaniverkoston laajuutta ei kuitenkaan pidä tulkita todisteeksi yhtenäisestä suorituskyvystä tai käytön määrästä. Julkisista tiedoista ei käy yksityiskohtaisesti ilmi aktiivisten laitteiden määrä, tehtäväsuoritus, käyttäjäaktiivisuus tai se, missä määrin kumppanituotteet käyttävät keskenään vertailukelpoisia kehollistuneen tekoälyn järjestelmiä. Ekosysteemi on strategisesti merkittävä, mutta sen käytännön syvyyttä on vaikea arvioida julkisten tietojen perusteella.

Miten JD eroaa NVIDIasta, Teslasta ja Anthropicista?

JD osallistuu samaan fyysisen tekoälyn murrokseen kuin muut suuret toimijat, mutta eri lähtökohdasta.

• NVIDIA rakentaa useille toimialoille tarkoitettua teknologiakerrosta: laskentaa, simulointia, maailmanmalleja ja robotiikkaohjelmistoja kehittäjien ja robottivalmistajien käyttöön. Sen Cosmos-julkaisuissa korostuvat fysiikkapohjainen synteettinen data ja robottien toimintaperiaatteiden arviointi simulaatiossa. 14
• Tesla edustaa pystysuuntaisemmin integroitua mallia, jossa autonomian data, oma tekoälyosaaminen ja valmistus yhdistyvät Optimus-robottihankkeeseen. 38
• Anthropic on lähtenyt standardi- ja rajapintapolulle Model Hardware Standard -tutkimusesiversiollaan. Sen tarkoitus on yhdistää Clauden kaltaisia malleja tieteellisiin ja tuotannollisiin laitteisiin. 1
• JD rakentaa operaattorialustaa: se voi ottaa koneita käyttöön omissa työnkuluissaan, kerätä toiminnasta dataa, kouluttaa ja validoida malleja sekä laajentaa kyvykkyyksiä toimitusketju- ja laitekumppaneiden kautta. 2223

JD:n mahdollinen etu ei ole se, että se olisi ratkaissut yleiskäyttöisen robotiikan. Sen etu on korkean käyttötiheyden kaupallisissa ympäristöissä, joissa automaatiota voidaan ottaa käyttöön, mitata ja huoltaa. Tämä on erityisen arvokasta suhteellisen jäsennellyissä tehtävissä, kuten varastoinnissa, lajittelussa ja vähittäiskaupan tilaustoimituksissa.

Mitä lentokenttämainokset ja kahvila osoittavat – ja mitä eivät?

Kampanjan viesti tekoälyn viemisestä fyysiseen maailmaan sopii yhteen JDD:ssä esitellyn strategian kanssa. Henkilöstötön kahvila tekee ajatuksesta kuluttajalle konkreettisen. 383940

Ne eivät silti osoita, että JD olisi saavuttanut yleiskäyttöisen kehollistuneen älykkyyden. Henkilöstötön kahvilaprosessi ja varastotehtävä ovat hallitumpia kuin koti, jalkakäytävä tai vaihteleva julkinen tila. Onnistuminen tällaisissa ympäristöissä ei automaattisesti siirry robotteihin, joiden on toimittava turvallisesti ihmisten keskellä avoimissa ja ennalta arvaamattomissa tilanteissa.

Avoimet kysymykset ratkaisevat strategian onnistumisen

Toimiiko talous näin mittavassa automaatiossa?

Hankintatavoitteet kertovat aikomuksesta, eivät sijoitetun pääoman tuotosta. Robottikanta vaatii pääomaa, tilojen uudistamista, latausta, verkkoyhteyksiä, huoltoa, varaosia, valvontaa ja häiriötilanteiden palautusprosesseja. Julkinen aineisto ei osoita koneiden käyttöastetta, kustannusta tehtävää kohden tai sitä, onko automaatio JD:n tavoitellussa mittakaavassa ihmistyötä edullisempaa.

Riittääkö videoaineisto luotettavaan robottioppimiseen?

Kymmenen miljoonaa tuntia tosielämän videota voi olla huomattava voimavara, ja JD kertoo rakentavansa koko datan käsittelyketjua pelkän tallentamisen sijaan. 1718 Käyttökelpoinen kehollistuneen tekoälyn koulutus vaatii silti yleensä muutakin kuin suuren määrän kuvia: tehtäväkontekstia, toimintajälkiä, robotin tilatietoa, turvallisuusmerkintöjä, harvinaisten tapahtumien kattamista ja luotettavaa palautetta käytöstä. JD:n ilmoitukset kuvaavat keskeisiä rakennuspalikoita, mutta eivät vielä julkisesti todista täydellistä koulutus- ja validointijärjestelmää tai sen suorituskykyä yleistymisen arvioimiseksi.

Kuinka suuren osan teknologiakerroksesta JD hallitsee itse?

Kumppaneihin nojaava lähestymistapa voi nopeuttaa käyttöönottoa ja pienentää kustannuksia, koska kaikkea ei tarvitse kehittää itse. Vastapainona on riippuvuus toimittajista ja kumppaneista robottiraudan, komponenttien ja mahdollisesti myös keskeisten ohjelmistokerrosten osalta. Tämä voi ajan mittaan vaikuttaa erottuvuuteen, katteisiin ja järjestelmien yhteentoimivuuteen.

Johtopäätös

JD Cloudin fyysisen tekoälyn strategia on ennen kaikkea kaupallistamissuunnitelma, joka rakentuu todellisten toimintojen ympärille. Se pyrkii yhdistämään suuret konehankinnat, datankeruun, laskennan, mallit, RoboBase-tuen ja laitekumppanuudet, jotta tekoäly siirtyisi digitaalisista vastauksista fyysisiin tehtäviin. 232445

Suunnitelma on uskottava tapa skaalata automaatiota JD:n nykyisissä toimitusketju- ja vähittäiskauppaympäristöissä. Ratkaiseva koe on kuitenkin vasta edessä: syntyykö käyttöönotosta järjestelmiä, jotka ovat riittävän luotettavia ja edullisia päihittääkseen kapeammat automaatioratkaisut tai ihmisten hoitamat työnkulut laajassa mittakaavassa?