JD.com कैसे बना रहा है ओपन, फुल-स्टैक Physical AI इकोसिस्टम

JD.com AI को केवल एक बंद सॉफ्टवेयर उत्पाद या चैटबॉट के रूप में नहीं देख रहा। कंपनी की रणनीति AI को ऐसे औद्योगिक बुनियादी ढांचे में बदलने की है, जिसे साझेदार और डेवलपर इस्तेमाल कर सकें—लेकिन जिसकी असली ताकत JD.com के रिटेल, वेयरहाउसिंग, लॉजिस्टिक्स, स्वास्थ्य और मैन्युफैक्चरिंग कारोबार से आए।

कंपनी के संस्थापक और चेयरमैन रिचर्ड लियू ने तकनीकी बाधाओं को तकनीकी शोषण का रूप बताया है। उनका कहना है कि JD की AI क्षमता केवल एक कंपनी या एक देश तक सीमित नहीं रहनी चाहिए। इस सोच का व्यावहारिक रूप एक फुल-स्टैक रणनीति है, जिसमें मॉडल, डेटा, हार्डवेयर, तैनाती और सेवाओं को एक ही चक्र में जोड़ा जाता है। 12

यहां “ओपन” का मतलब हर मॉडल, डेटा सेट और सेवा का समान शर्तों पर पूरी तरह खुला होना जरूरी नहीं है। असली सवाल यह है कि क्या डेवलपर को मॉडल के साथ प्रशिक्षण सामग्री, डेटा, तैनाती का सॉफ्टवेयर और वास्तविक परीक्षण का अवसर भी मिलता है।

भारी निवेश, लेकिन साझेदारों के लिए खुला रास्ता

JD.com के अनुसार, 2026 की पहली छमाही में उसका R&D खर्च साल-दर-साल 53.2% बढ़ा। निवेश JoyAI मॉडल परिवार, embodied intelligence, Physical AI इंफ्रास्ट्रक्चर और औद्योगिक अनुप्रयोगों पर केंद्रित है। कंपनी ने यह भी कहा है कि उसका फुल-स्टैक, स्वयं विकसित AI वैश्विक साझेदारों के लिए खोला जाएगा। 23

इस रणनीति के कुछ उदाहरण पहले ही सामने आ चुके हैं:

• चुनिंदा मॉडल Hugging Face और GitHub पर जारी किए गए हैं।
• 80,000 से अधिक कारोबारियों के लिए डिजिटल-ह्यूमन लाइवस्ट्रीमिंग मुफ्त उपलब्ध कराई गई है।
• EgoLive नाम का मानव-दृष्टिकोण यानी first-person-view डेटा सेट उद्योग के उपयोग के लिए खोला गया है। 238

इसका लक्ष्य केवल मॉडल डाउनलोड करवाना नहीं, बल्कि ऐसा इकोसिस्टम बनाना है जिसमें दूसरे व्यवसाय कम लागत पर AI प्रयोग शुरू कर सकें। फिर भी, लाइसेंस, डेटा अधिकार, व्यावसायिक उपयोग और तैनाती की शर्तें हर संसाधन के लिए अलग हो सकती हैं। इसलिए JD.com के “ओपन” दावे को एक व्यापक ecosystem strategy के रूप में समझना अधिक उचित है।

असली कारोबार से मिलने वाला डेटा सबसे बड़ा फायदा

Physical AI का मतलब AI को स्क्रीन से बाहर निकालकर वास्तविक दुनिया में देखने, समझने और काम करने योग्य बनाना है। इसके लिए इंटरनेट से इकट्ठा किया गया टेक्स्ट पर्याप्त नहीं होता। रोबोट को वस्तुओं, जगह, गति, समय, सुरक्षा नियमों और अपने काम के परिणामों को समझना पड़ता है।

JD.com के अनुसार, वेयरहाउसिंग, रिटेल और लॉजिस्टिक्स में उसके दो दशकों से अधिक के अनुभव से उसे ऐसे वास्तविक वातावरण मिलते हैं, जहां ये समस्याएं बार-बार सामने आती हैं। 234

कंपनी अगले दो वर्षों में first-person और third-person वीडियो समेत 1 करोड़ घंटे से अधिक वास्तविक दुनिया का वीडियो जुटाने की योजना बता रही है। इसमें रिटेल, वेयरहाउस, लॉजिस्टिक्स, औद्योगिक काम, घरेलू वातावरण और अन्य परिस्थितियां शामिल होंगी। JD.com दुनिया का सबसे बड़ा embodied-data collection center बनाने और सुकियान में embodied-data community विकसित करने की भी बात कहता है। 1562930

इस प्रयास की शुरुआती सार्वजनिक परत EgoLive है। JD.com ने इसे उद्योग का सबसे बड़ा human-view dataset बताया है। इसकी पहली रिलीज से जुड़ी रिपोर्टों में करीब 2,000 घंटे का डेटा, 300 से अधिक ऑपरेशनल कार्य और विभिन्न वास्तविक कामकाजी परिस्थितियों का उल्लेख है। विश्वविद्यालयों, डेवलपरों और ecosystem कंपनियों के लिए कुछ high-precision datasets भी लक्षित रूप से उपलब्ध कराए गए हैं। हालांकि, “सबसे बड़ा” जैसे पैमाने के दावे अभी मुख्य रूप से JD.com या उद्योग रिपोर्टों पर आधारित हैं, स्वतंत्र बेंचमार्क पर नहीं। 45630

JD.com का प्रस्तावित data flywheel कुछ इस तरह काम करता है:

1. कर्मचारी और मशीनें वास्तविक काम से वीडियो और ऑपरेशनल डेटा तैयार करते हैं।
2. यह डेटा perception, planning और interaction मॉडल को प्रशिक्षित करने में मदद करता है।
3. बेहतर मॉडल वेयरहाउस, डिलीवरी नेटवर्क, फैक्टरी और सेवा केंद्रों में परखे जाते हैं।
4. तैनाती से नई गलतियां, अपवाद और प्रदर्शन संबंधी प्रतिक्रियाएं मिलती हैं।
5. इन क्षमताओं को दूसरे उपयोगकर्ताओं और उद्योगों के लिए पैकेज किया जा सकता है।

यही वजह है कि JD.com की रणनीति उसके वास्तविक कारोबार पर निर्भर है। ओपन मॉडल प्रयोग की शुरुआती लागत घटा सकता है, लेकिन विश्वसनीय Physical AI के लिए असली कार्य, मापने योग्य परिणाम और लगातार परीक्षण की व्यवस्था भी चाहिए।

JoyAI एक मॉडल नहीं, कई तकनीकी हिस्सों का पोर्टफोलियो है

JD.com का AI विस्तार एक ही बड़े मॉडल तक सीमित नहीं है। JoyAI-Echo लंबे ऑडियो-वीडियो निर्माण पर, JoyAI-VL-Interaction वास्तविक समय के vision-language interaction पर और JoyAI-Video-Edit streaming video editing पर केंद्रित है। 571118

Physical AI के लिए JoyAI-VL-Interaction खास तौर पर महत्वपूर्ण है, क्योंकि यह किसी स्थिर तस्वीर पर सवाल-जवाब करने के बजाय लगातार चल रहे वीडियो को प्रोसेस करने के लिए बनाया गया है। इसके साथ मॉडल, training recipe, समय-संरेखित interaction data और deployable real-time streaming stack जारी किए गए हैं। तकनीकी दस्तावेजों के अनुसार, यह 8-बिलियन-पैरामीटर का vision-first सिस्टम है, जो लगातार वीडियो को sub-second latency के साथ प्रोसेस कर सकता है। 171923

इस तरह की पैकेजिंग उन डेवलपरों का इंजीनियरिंग बोझ घटाती है, जो कैमरा या लगातार आने वाले वीडियो इनपुट पर आधारित एप्लिकेशन बनाना चाहते हैं। यह JD.com के व्यापक तरीके को भी दिखाती है: दोबारा इस्तेमाल किए जा सकने वाले हिस्से खोलना, जबकि वास्तविक दुनिया के प्रशिक्षण, मूल्यांकन और एकीकरण वाले वातावरण से रणनीतिक बढ़त बनाए रखना।

RoboBase: सॉफ्टवेयर से आगे रोबोट निर्माण तक

सिर्फ मॉडल उपलब्ध करा देने से Physical AI उद्योग नहीं बनता। रोबोट के लिए कंपोनेंट, असेंबली, परीक्षण, सिस्टम इंटीग्रेशन, रखरखाव और स्थानीय सहायता भी चाहिए। JD.com का RoboBase इसी औद्योगिक परत को तैयार करने का प्रयास है।

पहली RoboBase सुविधा का निर्माण 2026 में ग्वांगझोउ में शुरू हुआ। JD.com के अनुसार, यह शोध से निर्माण, फिर अनुप्रयोग और सेवा तक का चक्र बनाने में मदद करेगी। कंपनी अगले पांच वर्षों में चीन में 80 से अधिक रोबोट बेस स्थापित करने की योजना बता रही है। 36810

अगर यह योजना बड़े पैमाने पर लागू होती है, तो JD.com केवल AI एप्लिकेशन प्रदाता नहीं रहेगा। वह रोबोटिक्स कंपनियों के लिए supply-chain access, मॉडल, डेटा, परीक्षण वातावरण, उत्पादन क्षमता और after-sales support वाला इन्फ्रास्ट्रक्चर पार्टनर बन सकता है। हालांकि, फिलहाल उपलब्ध जानकारी योजनाओं और कंपनी की स्थिति को स्वतंत्र रूप से ऑडिट किए गए परिचालन परिणामों से अधिक स्पष्ट रूप से दिखाती है।

लॉजिस्टिक्स तैनाती: क्या यह प्रयोग दोहराया जा सकता है?

JD.com अपने लॉजिस्टिक्स नेटवर्क को Physical AI का मुख्य प्रदर्शन क्षेत्र बना रहा है। कंपनी और उद्योग रिपोर्टों में इन उदाहरणों का उल्लेख किया गया है:

• Zhilang goods-to-person सिस्टम 60 से अधिक वेयरहाउस में तैनात है, जिनमें विदेशी बाजार भी शामिल हैं।
• Yilang dual-arm robot किसी वस्तु को पहचानने, पकड़ने और जमाने का काम करीब 10 सेकंड में कर सकता है, ऐसा कंपनी का दावा है।
• 20 से अधिक चीनी प्रांतों में 1,000 से ज्यादा autonomous delivery vehicles चल रहे हैं।
• सिचुआन में ड्रोन डिलीवरी नेटवर्क 78 गांवों को कवर करता है और कुछ डिलीवरी करीब सात मिनट में पूरी हो सकती है। 81124

ये उदाहरण वेयरहाउसिंग, picking, handling, sorting और last-mile delivery—यानी ग्राहक तक अंतिम चरण की डिलीवरी—को कवर करते हैं। इनका महत्व केवल ऑटोमेशन दिखाने में नहीं है। JD.com यह साबित करना चाहता है कि मॉडल और रोबोट का सिस्टम अलग-अलग जगहों पर दोहराए जा सकने वाले वर्कफ्लो में काम कर सकता है, न कि केवल प्रयोगशाला प्रदर्शन तक सीमित है। 24

फिर भी, इन आंकड़ों का बड़ा हिस्सा कंपनी के दावों या उद्योग कवरेज पर आधारित है। इसलिए अभी सबसे मजबूत निष्कर्ष इतना ही है कि JD.com ने कई तैनातियों का बड़ा पोर्टफोलियो पेश किया है। लागत, सुरक्षा, uptime और श्रम-परिणामों में लगातार सुधार का स्वतंत्र सत्यापन अभी बाकी है।

लक्ष्य केवल JD के वेयरहाउस नहीं हैं

JD.com का कहना है कि उसके industrial AI agents 3,000 से अधिक निर्माताओं की सेवा कर रहे हैं और data-governance का काम महीनों से घटाकर घंटों तक लाया जा सकता है। कंपनी यह भी कहती है कि उसके JoyAvatar digital-human tools का इस्तेमाल 80,000 से अधिक कारोबारियों ने किया है और दूसरी तिमाही में live-streaming accounts की संख्या साल-दर-साल तीन गुना हुई। कंपनी और उद्योग रिपोर्टों के अनुसार, Aidol Creation Camp ने 50 से अधिक AI-hardware उत्पादों को बाजार तक पहुंचाने में मदद की है। 28

इन पहलों से संभावित ग्राहक आधार बढ़ता है:

• कारोबारी डिजिटल presenters का इस्तेमाल कर सकते हैं।
• निर्माता industrial agents अपना सकते हैं।
• विश्वविद्यालय और डेवलपर datasets पर काम कर सकते हैं।
• हार्डवेयर स्टार्टअप supply chain और application support हासिल कर सकते हैं।

सैद्धांतिक रूप से, हर नया भागीदार deployment feedback बढ़ाता है और मूल तकनीक के लिए बाजार का विस्तार करता है। यही एक आंतरिक automation program और industrial platform strategy के बीच का अंतर है। JD.com AI क्षमताओं को बाहर उपलब्ध कराना चाहता है, जबकि fulfillment में सुधार, कम ऑपरेशनल लागत, हार्डवेयर निर्माण, इंटीग्रेशन, कारोबारी वृद्धि और औद्योगिक उत्पादकता जैसी आसपास की सेवाओं से मूल्य हासिल करना चाहता है।

इस मॉडल को अभी क्या साबित करना है?

JD.com का blueprint स्पष्ट है: बड़े पैमाने पर निवेश करो, चुनिंदा क्षमताएं खोलो, वास्तविक काम से डेटा जुटाओ, Physical AI मॉडल प्रशिक्षित करो, रोबोट बनाकर परखो और उन्हें अपने मौजूदा ऑपरेशनल नेटवर्क के जरिए तैनात करो। यह Physical AI में उस बड़े बदलाव से मेल खाता है जिसमें प्रतिस्पर्धा की इकाई केवल मॉडल नहीं, बल्कि पूरा सिस्टम बनती जा रही है। 3431

लेकिन ओपन मॉडल का अर्थ अपने-आप कम लागत नहीं होता। इसी तरह, किसी रोबोट की तैनाती अपने-आप स्थायी उत्पादकता लाभ साबित नहीं करती। आगे स्वतंत्र मूल्यांकन में कई सवालों के जवाब जरूरी होंगे:

• साझेदार मॉडल, डेटा और deployment software का कितने व्यापक रूप से इस्तेमाल कर सकते हैं?
• क्या datasets के साथ पर्याप्त documentation, permissions और governance safeguards उपलब्ध हैं?
• क्या सिस्टम अलग-अलग वेयरहाउस, देशों, उद्योगों और hardware platforms पर भी अच्छा काम करता है?
• integration, maintenance और human supervision के बाद रोबोट कुल परिचालन लागत घटाते हैं या नहीं?
• ecosystem से पैदा होने वाले मूल्य में third-party developers और manufacturers की हिस्सेदारी क्या होगी?

फिलहाल JD.com का सबसे स्पष्ट रणनीतिक दांव यह है कि AI तब अधिक उपयोगी और संभवतः अधिक सुलभ बन सकता है, जब उसे वास्तविक भौतिक काम से जोड़ा जाए। Open models और datasets इसका दिखाई देने वाला हिस्सा हैं। इसके नीचे कंपनी जिस बड़े moat का निर्माण करना चाहती है, वह है—ऑपरेशनल डेटा, परीक्षण किए गए वर्कफ्लो, निर्माण क्षमता, तैनाती का पैमाना और service infrastructure।