AnswersPublished28 sources
JD.com sta costruendo un ecosistema aperto per l’AI fisica
JD.com tratta l’AI come un’infrastruttura industriale condivisa: nel primo semestre 2026 la spesa in ricerca e sviluppo è aumentata del 53,2%, mentre l’apertura dei modelli e dei dati resta in gran parte basata su dic... La strategia combina dati provenienti da retail e logistica, modelli JoyAI, produzione di robot,...
Pubblicato daModificato con GPT-5.6 LunaImmagini generate con GPT Image 1.5
Research answer
Key takeaways
- JD.com tratta l’AI come un’infrastruttura industriale condivisa: nel primo semestre 2026 la spesa in ricerca e sviluppo è aumentata del 53,2%, mentre l’apertura dei modelli e dei dati resta in gran parte basata su dic...
- La strategia combina dati provenienti da retail e logistica, modelli JoyAI, produzione di robot, test sul campo e servizi per commercianti, produttori, sviluppatori e aziende hardware.
- La scommessa centrale è che il vantaggio competitivo nell’AI fisica non dipenda solo dal modello, ma dal possesso di dati, hardware, processi operativi e rete di assistenza necessari per far funzionare i robot in modo...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is JD.com, under founder and chairman Richard Liu’s belief that technological barriers are a form of exploitation rather than JD’s philo. Article summary: JD.com’s approach is to treat AI less as proprietary software to rent at high margins and more as shared industrial infrastructure: open models and data lower adoption costs, while JD’s durable advantage comes from opera. Topic tags: general, general web, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake num
JD.com non vuole presentarsi soltanto come un’azienda che sviluppa chatbot o vende software basato sull’intelligenza artificiale. Il colosso cinese dell’e-commerce sta costruendo una strategia più ampia: un ecosistema di AI fisica, cioè sistemi capaci di percepire, decidere e agire nel mondo reale attraverso robot, veicoli autonomi e infrastrutture operative.
Il fondatore e presidente Richard Liu ha definito le barriere tecnologiche una forma di sfruttamento e ha sostenuto che l’AI di JD non dovrebbe servire esclusivamente una singola azienda o un singolo Paese. La traduzione pratica di questa visione è un approccio “full stack”: modelli, dati, hardware, produzione, distribuzione e servizi collegati in un unico ciclo. 1
2
La distinzione è importante. JD.com non sta semplicemente pubblicando alcuni pesi di modello. Sta cercando di creare un percorso ripetibile che parta dalla raccolta di dati nel mondo reale, passi per l’addestramento dei modelli e la produzione dei robot, e arrivi fino ai test operativi e all’uso commerciale. Se funzionasse, questo schema potrebbe ridurre costi e complessità per chi vuole adottare l’AI fisica. La sostenibilità economica e il reale grado di apertura dell’ecosistema, però, devono ancora essere verificati in modo indipendente.
Investimenti elevati e apertura selettiva
Nel primo semestre del 2026 JD.com ha registrato un aumento del 53,2% degli investimenti in ricerca e sviluppo rispetto allo stesso periodo dell’anno precedente. Secondo la società e le ricostruzioni della stampa finanziaria, le risorse sono state indirizzate soprattutto alla famiglia di modelli JoyAI, all’intelligenza incorporata, alle infrastrutture per l’AI fisica e alle applicazioni industriali. 2
3
JD ha inoltre dichiarato di voler aprire la propria AI sviluppata internamente lungo tutta la filiera ai partner globali. L’apertura si è concretizzata in più modi: alcuni modelli sono stati pubblicati su Hugging Face e GitHub, gli strumenti per le dirette con avatar digitali sono stati messi gratuitamente a disposizione di oltre 80.000 commercianti e il dataset EgoLive, basato sulla prospettiva umana, è stato reso disponibile al settore. 2
3
8
È più corretto leggere questa iniziativa come una strategia di ecosistema, non come la promessa che ogni componente sia aperta alle stesse condizioni. Pesi dei modelli, dati di addestramento, documentazione, strumenti di distribuzione e servizi commerciali possono avere livelli di accesso differenti. Per sviluppatori e imprese, la domanda decisiva non è soltanto se un modello venga definito “open source”, ma se l’insieme di dati e strumenti renda davvero possibile costruire e gestire un’applicazione.
Il vantaggio dei dati nasce dalle operazioni reali
L’AI fisica ha bisogno di qualcosa di più dei testi disponibili su Internet. Un robot deve riconoscere oggetti e spazi, interpretare movimenti e tempi, rispettare vincoli di sicurezza e comprendere le conseguenze delle proprie azioni.
Secondo JD.com, il suo punto di forza deriva da oltre vent’anni di esperienza in magazzini, retail e logistica. Questa presenza offre accesso diretto agli ambienti in cui i problemi dell’automazione si ripetono ogni giorno: movimentazione delle merci, preparazione degli ordini, consegne, gestione delle scorte e interazione con lavoratori e clienti. 2
3
4
La società punta a raccogliere oltre 10 milioni di ore di video reali, ripresi dalla prima e dalla terza persona, nell’arco di due anni. I dati dovrebbero coprire negozi, magazzini, logistica, attività industriali, ambienti domestici e altri scenari. JD sta anche costruendo quello che descrive come il più grande centro di raccolta di dati per l’intelligenza incorporata e ha creato a Suqian una comunità dedicata alla raccolta di questi dati. 1
5
6
29
30
Il primo livello aperto di questo progetto è EgoLive. JD lo ha definito il più grande dataset del settore basato sulla prospettiva umana; le ricostruzioni sulla prima versione parlano di circa 2.000 ore di materiale, oltre 300 attività operative e numerosi segmenti di compiti reali. Dataset ad alta precisione sono stati inoltre messi a disposizione in modo mirato di università, sviluppatori e aziende dell’ecosistema. Queste descrizioni delle dimensioni provengono da JD o da organi di informazione del settore e non equivalgono a benchmark verificati indipendentemente. 4
5
6
30
Il meccanismo immaginato da JD è un circolo virtuoso:
- Lavoratori e macchine generano video e dati operativi.
- Questi dati addestrano modelli per percezione, pianificazione e interazione.
- I modelli migliorati vengono testati in magazzini, reti di consegna, fabbriche e servizi.
- Le applicazioni producono nuovi esempi, eccezioni e feedback sulle prestazioni.
- Le capacità così sviluppate possono essere offerte ad altri utenti e settori.
È qui che l’attività fisica di JD.com diventa strategica. Un modello aperto può abbassare la soglia per sperimentare, ma un sistema affidabile richiede anche compiti reali, infrastrutture di test e metriche capaci di stabilire se il robot funziona davvero.
JoyAI: una cassetta degli attrezzi, non un unico modello
La spinta di JD.com comprende diversi modelli e non un’unica piattaforma monolitica. JoyAI-Echo è dedicato alla generazione di contenuti audio-video lunghi, JoyAI-VL-Interaction all’interazione in tempo reale tra visione e linguaggio, mentre JoyAI-Video-Edit gestisce il montaggio video in streaming. 5
7
11
18
JoyAI-VL-Interaction è il progetto più vicino agli ambienti fisici. Invece di rispondere soltanto a domande su un’immagine statica, è progettato per analizzare un flusso video continuo. La pubblicazione comprende il modello, la procedura di addestramento, dati di interazione sincronizzati nel tempo e uno stack distribuibile per lo streaming in tempo reale. La documentazione tecnica descrive un sistema da 8 miliardi di parametri, con architettura orientata alla visione, capace di elaborare video continui con latenza inferiore al secondo. 17
19
23
Mettere a disposizione anche il sistema di distribuzione e la ricetta di addestramento può ridurre il lavoro ingegneristico necessario per costruire applicazioni basate su telecamere e flussi video continui. Allo stesso tempo, il progetto riflette la logica generale di JD: rendere riutilizzabili alcuni componenti, mantenendo però un possibile vantaggio negli ambienti reali in cui quei componenti vengono addestrati, valutati e integrati.
RoboBase porta la strategia dal software alla produzione
L’accesso a un modello non basta a creare un’industria della robotica. Servono componenti, assemblaggio, collaudi, integrazione, manutenzione e assistenza locale. Il progetto RoboBase vuole coprire proprio questo livello industriale.
La prima struttura RoboBase ha iniziato a essere costruita a Guangzhou nel 2026. JD.com afferma che il progetto dovrebbe sostenere un ciclo completo di ricerca, produzione, applicazione e assistenza, e prevede di realizzare oltre 80 basi per robot in Cina nei prossimi cinque anni. 3
6
8
10
Se il piano sarà realizzato, JD potrebbe diventare qualcosa di più di un fornitore di applicazioni AI. La società si posizionerebbe come partner infrastrutturale e di servizi per le aziende robotiche, combinando catena di approvvigionamento, modelli, raccolta dati, ambienti di test, capacità produttiva e assistenza post-vendita.
Il progetto è tuttavia ambizioso. Le fonti disponibili descrivono con maggiore chiarezza i piani e il posizionamento dichiarato dall’azienda rispetto a risultati operativi sottoposti a verifica indipendente.
La logistica è il banco di prova della replicabilità
JD.com sta usando la propria rete logistica come principale ambiente dimostrativo per l’AI fisica. I dati citati dalla società e dalla stampa di settore includono:
- il sistema “Zhilang” per la movimentazione delle merci, adottato in oltre 60 magazzini, anche su mercati esteri;
- il robot a doppio braccio “Yilang”, che secondo JD può riconoscere, afferrare e impilare un articolo in circa 10 secondi;
- oltre 1.000 veicoli autonomi per le consegne, operativi in più di 20 province cinesi;
- una rete di droni in Sichuan che raggiunge 78 villaggi, con alcune consegne completate in circa sette minuti.
8
11
24
Gli esempi riguardano magazzinaggio, prelievo, movimentazione, smistamento e consegna dell’ultimo miglio. Il loro valore strategico non sta soltanto nel mostrare macchine automatizzate, ma nel tentativo di dimostrare che un sistema composto da modello e robot può essere inserito in procedure ripetibili, in più sedi, invece di restare un prototipo di laboratorio. 24
Le evidenze restano però principalmente basate su dichiarazioni aziendali o su articoli di settore. La conclusione più prudente è che JD.com ha costruito un ampio insieme di applicazioni dichiarate e lo sta utilizzando per sostenere la propria narrativa di industrializzazione. Restano da verificare sul lungo periodo costi complessivi, sicurezza, continuità operativa e impatto sul lavoro.
Un ecosistema che punta anche oltre i magazzini
JD.com afferma che i suoi agenti industriali basati sull’AI servono oltre 3.000 produttori e possono ridurre da mesi a ore alcune attività di gestione dei dati. La società dichiara inoltre che gli strumenti di avatar digitale JoyAvatar sono stati utilizzati da più di 80.000 commercianti e che gli account di live streaming del secondo trimestre sono triplicati su base annua. Secondo fonti aziendali e di settore, il programma Aidol Creation Camp ha contribuito a portare sul mercato oltre 50 prodotti hardware basati sull’AI. 2
8
Queste iniziative ampliano la platea potenziale. I commercianti possono usare presentatori digitali, le aziende manifatturiere possono adottare agenti industriali, università e sviluppatori possono lavorare con dataset dedicati e le startup hardware possono ottenere accesso a catene di fornitura e scenari applicativi.
In teoria, ogni nuovo partecipante aggiunge feedback, casi d’uso e domanda per gli strumenti sottostanti. È questa la differenza tra un programma interno di automazione e una piattaforma industriale: JD.com prova a distribuire all’esterno alcune capacità di AI, traendo valore dai servizi che le circondano — dalla logistica più efficiente alla produzione hardware, dall’integrazione alla crescita dei commercianti e alla produttività industriale.
La vera prova deve ancora arrivare
Il progetto di JD.com è coerente: investire nell’intera filiera, aprire alcune capacità, raccogliere dati dal lavoro reale, addestrare modelli per compiti fisici, produrre e collaudare robot e distribuirli attraverso una rete operativa già esistente. La strategia segue inoltre una tendenza più ampia: nell’AI fisica l’unità competitiva sembra spostarsi dal singolo modello al sistema completo. 3
4
31
Ma apertura non significa automaticamente costi bassi, così come una distribuzione su larga scala non dimostra da sola guadagni di produttività duraturi. Serviranno valutazioni indipendenti su almeno cinque aspetti:
- quanto ampio sia l’uso consentito a partner e sviluppatori di modelli, dati e software di distribuzione;
- se i dataset dispongano di documentazione, autorizzazioni e garanzie adeguate di governance;
- quanto bene i sistemi si adattino a magazzini, Paesi, settori e piattaforme hardware differenti;
- se i robot riducano davvero i costi totali dopo integrazione, manutenzione e supervisione;
- come vengano distribuiti tra sviluppatori, produttori e partner i benefici economici dell’ecosistema.
Per ora, la scommessa più chiara di JD.com è che l’AI diventi più utile — e potenzialmente più accessibile — quando viene collegata al lavoro fisico reale. I modelli JoyAI e il dataset EgoLive sono il livello visibile. Il possibile vantaggio strutturale si trova sotto la superficie: dati operativi, processi collaudati, capacità produttiva, scala di distribuzione e infrastruttura di assistenza.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "JD.com sta costruendo un ecosistema aperto per l’AI fisica"?
JD.com tratta l’AI come un’infrastruttura industriale condivisa: nel primo semestre 2026 la spesa in ricerca e sviluppo è aumentata del 53,2%, mentre l’apertura dei modelli e dei dati resta in gran parte basata su dic...
What are the key points to validate first?
JD.com tratta l’AI come un’infrastruttura industriale condivisa: nel primo semestre 2026 la spesa in ricerca e sviluppo è aumentata del 53,2%, mentre l’apertura dei modelli e dei dati resta in gran parte basata su dic... La strategia combina dati provenienti da retail e logistica, modelli JoyAI, produzione di robot, test sul campo e servizi per commercianti, produttori, sviluppatori e aziende hardware.
What should I do next in practice?
La scommessa centrale è che il vantaggio competitivo nell’AI fisica non dipenda solo dal modello, ma dal possesso di dati, hardware, processi operativi e rete di assistenza necessari per far funzionare i robot in modo...