JDクラウドが掲げる「フィジカルAI」とは、JD.comがすでに持つ倉庫、配送網、小売店舗、サプライチェーンのサービス、接続デバイスを、AIが現実世界を認識し、判断し、機械を通じて行動するための基盤へ変える構想だ。

中国各地の空港で展開した「AIを物理世界へ」という広告、7FRESHとの完全無人コーヒー店の実演、そして2026年9月9日のJDD（JDDiscovery）で掲げたテーマ「JoyAI：フィジカルワールドへ跳躍」は、個別の宣伝施策というより、この全体戦略を分かりやすく見せるためのシグナルといえる。383940

一言でいえば、「現場」を押さえ、そこで知能を育てて広げる戦略

フィジカルAIは、ロボット、自動運転車、ドローンなど、センサーと駆動機構を備えた機械を通じて現実世界で動作するAIを指す。一般に「エンボディドAI（身体性AI）」とほぼ同義で使われる。5

JDの考え方は、競争の勝敗はAIモデル単体では決まらない、というものだ。計算資源、実世界のデータ、機械、導入先となる現場、そしてサプライチェーン運用を一体化することが重要になる。

JDD 2026でJDは、クラウド、データ、モデル、端末、シナリオ、サプライチェーンの6要素を結ぶ**「スーパーAIサプライチェーン」**を提示した。目標は同社がいう「世界最大のフィジカルワールド運用プラットフォーム」の構築である。222324

無人コーヒー店は、事業規模そのものよりも象徴性に意味がある。注文から調製、受け渡しまで無人で完結させる仕組みは、画面上のAIが実店舗のオペレーションへ入り込む様子を消費者に見せる。JDが倉庫、配送、小売、産業サービス、家庭へと横展開したい発想の縮図だ。3940

1．ロボット需要を桁違いの規模でつくる

最も具体的なのが、JD Logisticsによる調達計画だ。同社は今後5年間で、倉庫、仕分け、輸送、配送向けにロボット300万台、自動運転車100万台、配送ドローン10万機を調達する方針を示した。これは導入済み台数ではなく、あくまで目標である。454647

この数字の戦略的な意味は、JD社内の省人化だけにとどまらない。

• ロボット企業にとっての大口顧客になる。 大規模発注は、ロボット本体、部品、保守、関連ソフトウェアの市場形成を後押しし得る。
• 実運用での反復検証ができる。 倉庫、配送ルート、受け渡し地点で機械を動かすたび、信頼性の検証とワークフローの改善機会が生まれる。
• 業界向けの販売・物流・保守網を整備できる。 「フィジカルAI加速計画」は、データ、拠点、製造、販売、物流、サービスにまたがる取り組みを含む。333437

つまりJDは、単に自動化ツールを買う企業ではなく、ロボティクス産業のインフラと商用化の受け皿になろうとしている。

2．実世界データと運用を循環させる

第2の柱は、日常の業務に根差したエンボディドAI向けデータ基盤だ。JDは2年以内に、実際の人間の作業場面を記録した動画を1,000万時間超収集する計画を公表した。また、収集、保存、アノテーション、学習、評価、シミュレーション、テストまでをカバーするインフラを構築しているとしている。171821

加えて、国内製の10万カード規模の計算クラスターを計画し、インタラクティブな音声・映像世界モデル「JoyAI-Echo WM」も発表した。JDはこれを、マルチモーダルモデル、世界モデル、エンボディドモデルからなるAI基盤の一部に位置付ける。172123

狙う循環は明快だ。

1. 物流、小売、サービスなどの現場で行われる作業を記録する。
2. その運用情報を、モデルの学習・評価用データへ変換する。
3. JDの業務現場でモデルと機械を試す。
4. 実装結果を次のモデル、機械、業務設計の改善へ戻す。

この循環を支える構想がRoboBaseだ。JDは5年間で中国国内に80超のRoboBaseロボット産業拠点を設け、産業支援からロボットのライフサイクル全体に関わる役割を担わせるとしている。243746

人材の再訓練も運用モデルの一部である。物流自動化の拡大に伴い、配達員を技術職へ再訓練する方針が報じられている。大規模なロボット群にも、保守、現場サービス、例外対応、人による監督が必要になるためだ。4548

3．JDの施設から、ロボットと家庭用デバイスへ広げる

第3の層は、JD自身の拠点を超えた配布戦略である。JDは「JoyInside」を、ロボットや家庭用デバイスにAIを組み込むアプローチとして位置付けている。報道によると、家電、ホーム、玩具など200超のブランドがJDのエンボディド・インテリジェンス技術に接続している。56

狙いは、ロボット、自律配送機、AI玩具、スマートホーム製品など、多様な物理的な接点でJDのモデルやサービスを使えるようにすることだ。すべての端末を自社で製造せずとも、企業向け物流から消費者向けデバイスへ展開する道筋ができる。

もっとも、提携範囲の広さを、そのまま一律の性能や利用実態の証明とみなすべきではない。公開情報からは、稼働デバイス数、タスク別の性能、利用状況、各パートナー製品に実装されたAI機能の深さを詳細に判断するのは難しい。エコシステムは重要だが、実運用の厚みはなお見えにくい。

NVIDIA、Tesla、Anthropicとは何が違うのか

JDは他社と同じく、AIをデジタル出力から現実の行動へ移す潮流に参加している。ただし、出発点は異なる。

• NVIDIAは、計算資源、シミュレーション、世界モデル、ロボティクスソフトウェアを、幅広い開発者・ロボットメーカーへ提供する横断型の技術基盤を構築している。Cosmosの新モデルは、物理法則に基づく合成データ生成と、シミュレーションでのロボット方策評価を重視する。14
• Teslaは、自動運転で得るデータ、社内AI、製造能力と、Optimusロボット開発を組み合わせる、より垂直統合に近い路線だ。38
• Anthropicは、研究プレビュー版の「Model Hardware Standard」を通じ、Claudeのようなモデルを科学・製造機器へ接続するための標準・インターフェース寄りのアプローチを取っている。1
• JDは、運用者兼プラットフォーム型だ。自社の業務に機械を導入し、そこで得るデータを基にモデルを学習・検証し、さらにサプライチェーンやデバイスのパートナーを通じて能力を広げようとしている。2223

JDの潜在的な強みは、汎用ロボットをすでに完成させたことではない。倉庫、仕分け、店舗の受注・出荷といった、高頻度で商業的な意味を持つ環境を、導入・測定・保守の場としてすでに抱えている点にある。こうした比較的構造化された作業では、特に有利になり得る。

空港広告と無人コーヒー店が示すこと、示さないこと

「AIを物理世界へ」という広告メッセージはJDDの戦略と整合し、無人コーヒー店はその概念を消費者に具体的に伝える役割を果たした。383940

ただし、これらはJDが汎用的なエンボディド・インテリジェンスを実現した証拠ではない。無人コーヒー店や倉庫内のタスクは、住宅内、歩道、さまざまな人が混在する公共空間より制御しやすい。限定された環境での成功が、人の近くで安全に多様な作業をこなすロボットへ自動的につながるわけではない。

なお残る3つの検証点

発表された規模で、採算は合うのか

調達台数は意欲を示すが、投資対効果を示すものではない。ロボット群の運用には、初期投資に加え、施設改修、充電、ネットワーク、保守、部品、監督、障害時の復旧が必要となる。公開された計画からは、稼働率、タスク当たりコスト、JDが狙う規模で人手中心の運用より安価になるかは確認できない。

動画データだけで、頑健なロボット学習は可能か

1,000万時間の実世界動画は大きな資産になり得る。JDも単なる映像収集ではなく、データの全工程を扱う仕組みを構築中だとしている。1718 それでも実用的なエンボディドAIの学習には、映像量以外にも、作業の文脈、行動記録、ロボットの状態、安全性ラベル、まれな事象のカバー、導入後の信頼できるフィードバックが必要になる。JDの発表は重要な土台を示す一方、汎化性能を判断できる完成度の高い学習・検証システムや性能結果は、まだ公には十分示されていない。

JDはスタックのどこまでを自ら握れるのか

パートナーを活用する方式は、導入を速め、すべての部品を内製するコストを抑えられる。一方で、ロボット本体、部品、場合によっては重要なソフトウェア層を供給企業に依存することにもなる。長期的には差別化、利益率、相互運用性に影響する可能性がある。

結論

JDクラウドのフィジカルAI戦略は、現実の業務を中心に据えた商用化戦略として捉えるのが最も分かりやすい。大規模な機械調達、データ収集、計算資源、モデル、RoboBase、デバイス連携を組み合わせ、AIをデジタル上の出力から物理的な作業へ移そうとしている。232445

既存の物流・小売環境で自動化を広げる道筋としては説得力がある。最終的な試金石はこれからだ。導入した機械とデータの循環が、限定的な自動化や人手による業務を、規模の面でも上回れるほど信頼性が高く、低コストなシステムを生み出せるかにかかっている。

JDクラウドが掲げる「フィジカルAI」とは、JD.comがすでに持つ倉庫、配送網、小売店舗、サプライチェーンのサービス、接続デバイスを、AIが現実世界を認識し、判断し、機械を通じて行動するための基盤へ変える構想だ。

中国各地の空港で展開した「AIを物理世界へ」という広告、7FRESHとの完全無人コーヒー店の実演、そして2026年9月9日のJDD（JDDiscovery）で掲げたテーマ「JoyAI：フィジカルワールドへ跳躍」は、個別の宣伝施策というより、この全体戦略を分かりやすく見せるためのシグナルといえる。383940

一言でいえば、「現場」を押さえ、そこで知能を育てて広げる戦略

フィジカルAIは、ロボット、自動運転車、ドローンなど、センサーと駆動機構を備えた機械を通じて現実世界で動作するAIを指す。一般に「エンボディドAI（身体性AI）」とほぼ同義で使われる。5

JDの考え方は、競争の勝敗はAIモデル単体では決まらない、というものだ。計算資源、実世界のデータ、機械、導入先となる現場、そしてサプライチェーン運用を一体化することが重要になる。

JDD 2026でJDは、クラウド、データ、モデル、端末、シナリオ、サプライチェーンの6要素を結ぶ**「スーパーAIサプライチェーン」**を提示した。目標は同社がいう「世界最大のフィジカルワールド運用プラットフォーム」の構築である。222324

無人コーヒー店は、事業規模そのものよりも象徴性に意味がある。注文から調製、受け渡しまで無人で完結させる仕組みは、画面上のAIが実店舗のオペレーションへ入り込む様子を消費者に見せる。JDが倉庫、配送、小売、産業サービス、家庭へと横展開したい発想の縮図だ。3940

1．ロボット需要を桁違いの規模でつくる

最も具体的なのが、JD Logisticsによる調達計画だ。同社は今後5年間で、倉庫、仕分け、輸送、配送向けにロボット300万台、自動運転車100万台、配送ドローン10万機を調達する方針を示した。これは導入済み台数ではなく、あくまで目標である。454647

この数字の戦略的な意味は、JD社内の省人化だけにとどまらない。

• ロボット企業にとっての大口顧客になる。 大規模発注は、ロボット本体、部品、保守、関連ソフトウェアの市場形成を後押しし得る。
• 実運用での反復検証ができる。 倉庫、配送ルート、受け渡し地点で機械を動かすたび、信頼性の検証とワークフローの改善機会が生まれる。
• 業界向けの販売・物流・保守網を整備できる。 「フィジカルAI加速計画」は、データ、拠点、製造、販売、物流、サービスにまたがる取り組みを含む。333437

つまりJDは、単に自動化ツールを買う企業ではなく、ロボティクス産業のインフラと商用化の受け皿になろうとしている。

2．実世界データと運用を循環させる

第2の柱は、日常の業務に根差したエンボディドAI向けデータ基盤だ。JDは2年以内に、実際の人間の作業場面を記録した動画を1,000万時間超収集する計画を公表した。また、収集、保存、アノテーション、学習、評価、シミュレーション、テストまでをカバーするインフラを構築しているとしている。171821

加えて、国内製の10万カード規模の計算クラスターを計画し、インタラクティブな音声・映像世界モデル「JoyAI-Echo WM」も発表した。JDはこれを、マルチモーダルモデル、世界モデル、エンボディドモデルからなるAI基盤の一部に位置付ける。172123

狙う循環は明快だ。

1. 物流、小売、サービスなどの現場で行われる作業を記録する。
2. その運用情報を、モデルの学習・評価用データへ変換する。
3. JDの業務現場でモデルと機械を試す。
4. 実装結果を次のモデル、機械、業務設計の改善へ戻す。

この循環を支える構想がRoboBaseだ。JDは5年間で中国国内に80超のRoboBaseロボット産業拠点を設け、産業支援からロボットのライフサイクル全体に関わる役割を担わせるとしている。243746

人材の再訓練も運用モデルの一部である。物流自動化の拡大に伴い、配達員を技術職へ再訓練する方針が報じられている。大規模なロボット群にも、保守、現場サービス、例外対応、人による監督が必要になるためだ。4548

3．JDの施設から、ロボットと家庭用デバイスへ広げる

第3の層は、JD自身の拠点を超えた配布戦略である。JDは「JoyInside」を、ロボットや家庭用デバイスにAIを組み込むアプローチとして位置付けている。報道によると、家電、ホーム、玩具など200超のブランドがJDのエンボディド・インテリジェンス技術に接続している。56

狙いは、ロボット、自律配送機、AI玩具、スマートホーム製品など、多様な物理的な接点でJDのモデルやサービスを使えるようにすることだ。すべての端末を自社で製造せずとも、企業向け物流から消費者向けデバイスへ展開する道筋ができる。

もっとも、提携範囲の広さを、そのまま一律の性能や利用実態の証明とみなすべきではない。公開情報からは、稼働デバイス数、タスク別の性能、利用状況、各パートナー製品に実装されたAI機能の深さを詳細に判断するのは難しい。エコシステムは重要だが、実運用の厚みはなお見えにくい。

NVIDIA、Tesla、Anthropicとは何が違うのか

JDは他社と同じく、AIをデジタル出力から現実の行動へ移す潮流に参加している。ただし、出発点は異なる。

• NVIDIAは、計算資源、シミュレーション、世界モデル、ロボティクスソフトウェアを、幅広い開発者・ロボットメーカーへ提供する横断型の技術基盤を構築している。Cosmosの新モデルは、物理法則に基づく合成データ生成と、シミュレーションでのロボット方策評価を重視する。14
• Teslaは、自動運転で得るデータ、社内AI、製造能力と、Optimusロボット開発を組み合わせる、より垂直統合に近い路線だ。38
• Anthropicは、研究プレビュー版の「Model Hardware Standard」を通じ、Claudeのようなモデルを科学・製造機器へ接続するための標準・インターフェース寄りのアプローチを取っている。1
• JDは、運用者兼プラットフォーム型だ。自社の業務に機械を導入し、そこで得るデータを基にモデルを学習・検証し、さらにサプライチェーンやデバイスのパートナーを通じて能力を広げようとしている。2223

JDの潜在的な強みは、汎用ロボットをすでに完成させたことではない。倉庫、仕分け、店舗の受注・出荷といった、高頻度で商業的な意味を持つ環境を、導入・測定・保守の場としてすでに抱えている点にある。こうした比較的構造化された作業では、特に有利になり得る。

空港広告と無人コーヒー店が示すこと、示さないこと

「AIを物理世界へ」という広告メッセージはJDDの戦略と整合し、無人コーヒー店はその概念を消費者に具体的に伝える役割を果たした。383940

ただし、これらはJDが汎用的なエンボディド・インテリジェンスを実現した証拠ではない。無人コーヒー店や倉庫内のタスクは、住宅内、歩道、さまざまな人が混在する公共空間より制御しやすい。限定された環境での成功が、人の近くで安全に多様な作業をこなすロボットへ自動的につながるわけではない。

なお残る3つの検証点

発表された規模で、採算は合うのか

調達台数は意欲を示すが、投資対効果を示すものではない。ロボット群の運用には、初期投資に加え、施設改修、充電、ネットワーク、保守、部品、監督、障害時の復旧が必要となる。公開された計画からは、稼働率、タスク当たりコスト、JDが狙う規模で人手中心の運用より安価になるかは確認できない。

動画データだけで、頑健なロボット学習は可能か

1,000万時間の実世界動画は大きな資産になり得る。JDも単なる映像収集ではなく、データの全工程を扱う仕組みを構築中だとしている。1718 それでも実用的なエンボディドAIの学習には、映像量以外にも、作業の文脈、行動記録、ロボットの状態、安全性ラベル、まれな事象のカバー、導入後の信頼できるフィードバックが必要になる。JDの発表は重要な土台を示す一方、汎化性能を判断できる完成度の高い学習・検証システムや性能結果は、まだ公には十分示されていない。

JDはスタックのどこまでを自ら握れるのか

パートナーを活用する方式は、導入を速め、すべての部品を内製するコストを抑えられる。一方で、ロボット本体、部品、場合によっては重要なソフトウェア層を供給企業に依存することにもなる。長期的には差別化、利益率、相互運用性に影響する可能性がある。

結論

JDクラウドのフィジカルAI戦略は、現実の業務を中心に据えた商用化戦略として捉えるのが最も分かりやすい。大規模な機械調達、データ収集、計算資源、モデル、RoboBase、デバイス連携を組み合わせ、AIをデジタル上の出力から物理的な作業へ移そうとしている。232445

既存の物流・小売環境で自動化を広げる道筋としては説得力がある。最終的な試金石はこれからだ。導入した機械とデータの循環が、限定的な自動化や人手による業務を、規模の面でも上回れるほど信頼性が高く、低コストなシステムを生み出せるかにかかっている。