כך JD Cloud רוצה להפוך את הלוגיסטיקה שלה לפלטפורמת AI פיזי

קמפיין הפרסום של JD Cloud בשדות תעופה, עם המסר „לדחוף את ה־AI אל העולם הפיזי”, ובית הקפה הלא־מאויש של 7FRESH אינם רק מהלכי תדמית. הם מדגימים את ההימור הגדול של JD.com: להפוך את המחסנים, מסלולי המשלוחים, החנויות, שירותי שרשרת האספקה והמכשירים המחוברים שלה למערכת תפעולית שבה בינה מלאכותית יכולה לחוש, להחליט ולבצע פעולה בעולם הממשי. 383940

הרעיון בקצרה: לשלוט בתרחישים, ואז להרחיב את הבינה

AI פיזי — מונח הקרוב במשמעותו ל־AI גופני או מוטמע — מתאר מערכות AI שפועלות באמצעות מכונות בעלות חיישנים ומפעילים: רובוטים, כלי רכב אוטונומיים, רחפנים ועוד. 5 הטענה של JD היא שהתחרות לא תוכרע על ידי מודלים בלבד, אלא בשילוב בין כוח מחשוב, נתונים מהשטח, מכונות, אתרי פריסה ותפעול של שרשרת אספקה.

בכנס JDDiscovery ‏2026 (JDD) שנערך ב־9 בספטמבר, החברה הציגה את מה שהיא מכנה „שרשרת אספקת AI־על”: שישה רכיבים מחוברים — ענן, נתונים, מודלים, מכשירי קצה, תרחישים ושרשרת אספקה. היעד המוצהר שלה הוא לבנות את „פלטפורמת התפעול הגדולה בעולם עבור העולם הפיזי”. 222324

לכן גם בית קפה קטן, שבו כל רצף ההזמנה, ההכנה והמסירה נעשה ללא עובדים, חשוב אסטרטגית אף שאין הכרח שהוא גדול מבחינה מסחרית. זוהי הדגמה נגישה לצרכנים של מעבר AI מן המסך אל סביבת עבודה ממשית — אותו עיקרון ש־JD מבקשת להרחיב למחסנים, משלוחים, קמעונאות, שירותים תעשייתיים ובתים. 3940

1. ליצור ביקוש לרובוטים בקנה מידה חריג

החלק המוחשי ביותר בתוכנית הוא כוח הרכש המתוכנן. JD Logistics אומרת שהיא שואפת לרכוש בתוך חמש שנים 3 מיליון רובוטים, מיליון כלי רכב אוטונומיים ו־100,000 רחפני משלוחים עבור אחסון, מיון, הובלה ומסירה. אלה יעדים, לא פריסה שכבר הושלמה. 454647

המשמעות האסטרטגית רחבה יותר מאוטומציה בתוך הרשת של JD:

• JD הופכת ללקוחה גדולה של ספקיות רובוטיקה. הזמנות גדולות עשויות ליצור שוק לגופי רובוטים, רכיבים, תחזוקה ותוכנה נלווית.
• JD מקבלת פריסות חוזרות בעולם האמיתי. כל מכונה שפועלת במחסן, לאורך מסלול או בנקודת מסירה מאפשרת לבחון אמינות ולשפר תהליכי עבודה.
• החברה יכולה לבנות יכולות הפצה ושירות סביב התעשייה. תוכנית ההאצה ל־AI פיזי כוללת פעילות בתחומי נתונים, בסיסים, ייצור, מכירות, לוגיסטיקה ושירות. 333437

זו הסיבה שמספרי הרכש חשובים: JD אינה מציגה את עצמה רק כרוכשת של כלי אוטומציה, אלא מנסה להפוך לשכבת תשתית ומסחור עבור תעשיית הרובוטיקה.

2. לבנות גלגל תנופה של נתונים ותפעול

הרכיב השני הוא צינור נתונים ל־AI גופני המבוסס על פעילות יומיומית. החברה מתכננת לאסוף יותר מ־10 מיליון שעות של וידאו מתרחישים אנושיים בעולם האמיתי בתוך שנתיים, ואומרת שהיא בונה תשתית הכוללת איסוף, אחסון, תיוג, אימון, הערכה, סימולציה ובדיקות. 171821

JD גם הודיעה על תוכנית לאשכול מחשוב מקומי של 100,000 כרטיסים, והציגה את JoyAI-Echo WM — מודל עולם אור־קולי ואינטראקטיבי. לפי החברה, המודל הוא חלק ממערך AI הכולל מודלים רב־אופניים, מודלי עולם ומודלים גופניים. 172123

לולאת העבודה המתוכננת פשוטה למדי:

1. לתעד משימות שמבוצעות בסביבות אמיתיות, למשל בלוגיסטיקה, קמעונאות ושירותים.
2. להפוך את חומרי התפעול לנתונים לאימון ולהערכת מודלים.
3. לבחון מודלים ומכונות בסביבות העסקיות של JD.
4. להשתמש בתוצאות הפריסה כדי לשפר את הדור הבא של המודלים, המכשירים ותהליכי העבודה.

רשת RoboBase המתוכננת אמורה לתמוך בלולאה הזאת. JD מסרה כי תקים יותר מ־80 אתרי RoboBase לתעשיית הרובוטיקה ברחבי סין בתוך חמש שנים, שישרתו צרכים תעשייתיים ואת מחזור החיים הרחב של רובוטים. 243746

הכשרה מחדש של עובדים היא גם חלק מהמודל התפעולי. לפי דיווחים על תוכנית הלוגיסטיקה, JD הבטיחה להכשיר שליחים מחדש לתפקידים טכניים ככל שהאוטומציה תתרחב. זה משמעותי, משום שגם ציי מכונות גדולים זקוקים לתחזוקה, שירות שטח, טיפול בחריגים ופיקוח אנושי. 4548

3. להרחיב את ה־AI ממתקני JD למכשירים ולבתים

השכבה השלישית היא הפצה מעבר למתקנים שבבעלות JD. החברה מציגה את JoyInside כגישה להטמעת AI ברובוטים ובמכשירי בית; לפי דיווחים, יותר מ־200 מותגים מתחומי מכשירי החשמל, הבית והצעצועים התחברו לטכנולוגיית הבינה הגופנית של JD. 56

ההזדמנות היא להפוך את המודלים והשירותים של JD לשימושיים במגוון נקודות קצה פיזיות: רובוטים, מכונות משלוח אוטונומיות, צעצועי AI ומוצרי בית חכם. תיאורטית, הדבר מאפשר לחברה להתרחב מלוגיסטיקה ארגונית למכשירים צרכניים, בלי לייצר בעצמה כל מוצר קצה.

עם זאת, היקף השותפויות אינו הוכחה ליכולת אחידה או לשימוש בפועל. הדיווחים הזמינים אינם מספקים פילוח פומבי מפורט של מספר המכשירים הפעילים, ביצועי המשימות, מעורבות המשתמשים או המידה שבה מוצרי השותפים מפעילים מערכות AI גופני דומות. חשיבותו האסטרטגית של האקוסיסטם ברורה, אך עומק הפעילות שלו עדיין קשה להערכה על בסיס הגילויים הפומביים.

במה JD שונה מ־NVIDIA, טסלה ואנתרופיק?

JD פועלת בתוך אותו מעבר רחב ל־AI פיזי, אך מנקודת פתיחה שונה:

• NVIDIA בונה מערך טכנולוגי חוצה תעשיות: מחשוב, סימולציה, מודלי עולם ותוכנת רובוטיקה עבור אקוסיסטם של מפתחים ויצרני רובוטים. מהדורות Cosmos שלה מדגישות יצירת נתונים סינתטיים מבוססי־פיזיקה והערכת מדיניות פעולה בסימולציה. 14
• טסלה מייצגת גישה אנכית יותר, המחברת נתוני נהיגה אוטונומית, AI פנימי וייצור עם מאמץ הרובוטיקה Optimus שלה. 38
• אנתרופיק נוקטת מסלול ממוקד תקנים וממשקים באמצעות תצוגת המחקר המקדימה של Model Hardware Standard, שנועדה לחבר מודלים כמו Claude לציוד מדעי וייצורי. 1
• JD מקדמת מודל של פלטפורמת מפעיל: היא יכולה לפרוס מכונות בתהליכי העבודה שלה, לאסוף נתונים מן הפעילות, לאמן ולאמת מודלים, ואז להרחיב יכולות דרך שותפי שרשרת אספקה ומכשירים. 2223

היתרון האפשרי של JD אינו בכך שכבר פתרה רובוטיקה כללית. היתרון הוא שיש לה סביבות מסחריות פעילות ותכופות שבהן אפשר לפרוס אוטומציה, למדוד אותה ולתחזק אותה. הדבר עשוי להיות חשוב במיוחד במשימות מובְנות יחסית, כגון אחסון, מיון ומילוי הזמנות קמעונאיות.

מה מודעות שדה התעופה ובית הקפה מוכיחים — ומה לא

מסר הקמפיין, „לדחוף את ה־AI אל העולם הפיזי”, תואם את אסטרטגיית JDD; פורמט בית הקפה גם הופך את הרעיון למוחשי עבור הציבור. 383940

אבל הם אינם מוכיחים ש־JD השיגה אינטליגנציה גופנית כללית. תהליך הכנת קפה ללא עובדים ומשימה במחסן מתרחשים בסביבה מבוקרת יותר מבית, מדרכה או מרחב ציבורי מעורב. הצלחה במקומות כאלה לא עוברת אוטומטית לרובוטים שיכולים לטפל בבטחה במשימות פתוחות לצד בני אדם.

השאלות העיקריות שנותרו פתוחות

האם הכלכלה של המהלך עובדת בקנה המידה שהוכרז?

היקפי הרכש המתוכננים מעידים על כוונה, לא על החזר השקעה. ציי רובוטים דורשים הון, התאמת אתרים, טעינה, קישוריות, תחזוקה, חלפים, פיקוח והתאוששות מתקלות. החומרים הפומביים סביב התוכנית אינם מציגים שיעורי ניצולת של הצי, עלות לכל משימה, או הוכחה שאוטומציה זולה יותר מעבודה אנושית בהיקף שאליו JD מכוונת.

האם נתוני וידאו מספיקים ללמידת רובוטים אמינה?

10 מיליון שעות וידאו מהעולם האמיתי עשויות להיות נכס משמעותי, ו־JD אומרת שהיא בונה תהליך נתונים מלא ולא רק אוספת צילומים. 1718 ובכל זאת, אימון שימושי של AI גופני תלוי בדרך כלל ביותר מנפח חזותי: דרושים הקשר למשימה, עקבות פעולה, מצב הרובוט, תיוגי בטיחות, כיסוי של אירועים נדירים ומשוב אמין מהפריסה. ההודעות של JD מתארות אבני בניין חשובות, אך עדיין אינן מדגימות בפומבי מערכת אימון ואימות שלמה או תוצאות ביצועים שמאפשרות לשפוט יכולת הכללה.

על כמה משכבות המערכת JD באמת שולטת?

גישת השותפויות יכולה להאיץ אימוץ ולהפחית את עלות הפיתוח של כל רכיב מבית. מנגד, היא כרוכה בתלות בספקים ובשותפים לחומרת הרובוטים, רכיבים ואולי גם שכבות תוכנה קריטיות. לאורך זמן, הדבר עשוי להשפיע על בידול, שולי רווח ותאימות בין מערכות.

השורה התחתונה

אסטרטגיית ה־AI הפיזי של JD Cloud מובנת בצורה הטובה ביותר כמהלך מסחור הבנוי סביב פעילות אמיתית. היא מתכננת לשלב רכש מכונות עצום, איסוף נתונים, כוח מחשוב, מודלים, תמיכת RoboBase ושותפויות מכשירים — כדי להעביר AI מתוצרים דיגיטליים למשימות פיזיות. 232445

האסטרטגיה נראית סבירה כדרך להרחיב אוטומציה בסביבות שרשרת האספקה והקמעונאות הקיימות של JD. המבחן המכריע עוד לפניה: האם הפריסות האלה יניבו מערכות אמינות וזולות מספיק כדי להתעלות, בהיקף גדול, על כלי אוטומציה צרים יותר או על תהליכים שמופעלים בידי בני אדם.