JD클라우드의 ‘피지컬 AI(Physical AI)’ 전략은 JD닷컴이 이미 보유한 창고, 배송 경로, 매장, 공급망 서비스, 연결 기기를 하나의 운영 기반으로 묶는 데 초점이 맞춰져 있다. AI가 화면 속 답변을 생성하는 데 그치지 않고, 현실을 인식하고 판단하며 기계를 통해 실제 작업을 수행하게 하겠다는 구상이다.

중국 각지 공항에 등장한 ‘AI를 물리 세계로 밀어 넣는다’는 광고, 무인으로 주문부터 제조·전달까지 이어지는 7FRESH 커피 매장, 그리고 9월 9일 열린 JDD 2026의 주제 ‘JoyAI: 물리 세계로의 도약’은 이 전략을 대중에게 보여 준 신호였다. 383940

한 문장으로 정리하면: 현장을 확보하고, 그 위에서 지능을 확장한다

피지컬 AI는 로봇, 자율주행 차량, 드론처럼 센서와 구동 장치를 갖춘 기계를 통해 현실 세계에서 작동하는 AI를 뜻한다. ‘체화 AI(Embodied AI)’와 대체로 같은 맥락에서 쓰인다. 5

JD의 판단은 모델 성능만으로 승부가 나지 않는다는 데 있다. 연산 자원, 현실 데이터, 기계, 배치 현장, 공급망 운영이 결합돼야 한다는 것이다. JD는 JDD 2026에서 이를 클라우드·데이터·모델·단말·현장·공급망의 6개 축으로 이뤄진 **‘슈퍼 AI 공급망’**으로 설명했고, 궁극적으로는 ‘세계 최대 물리 세계 운영 플랫폼’을 만들겠다는 목표를 제시했다. 222324

무인 커피 매장이 전략적으로 중요한 이유도 여기에 있다. 사업 규모 자체가 크지 않더라도 주문부터 전달까지 사람 없이 이어지는 흐름은 AI와 자동화가 디지털 화면을 넘어 실제 운영 현장으로 진입하는 모습을 직관적으로 보여 준다. JD가 이를 창고, 배송, 소매, 산업 서비스, 가정으로 넓히려 한다는 점에서 하나의 축소판에 가깝다. 3940

1. 로봇 수요를 대규모로 만들겠다는 계획

가장 구체적인 계획은 JD물류의 조달 목표다. JD물류는 향후 5년 동안 창고 운영, 분류, 운송, 배송을 위해 로봇 300만 대, 무인차량 100만 대, 배송 드론 10만 대를 구매하겠다고 밝혔다. 이는 이미 배치가 끝난 수치가 아니라 목표치다. 454647

이 숫자가 의미하는 것은 단순한 내부 자동화를 넘어선다.

• JD는 로봇 제조사와 부품 기업의 대형 고객이 될 수 있다. 대규모 발주는 로봇 본체뿐 아니라 부품, 유지보수, 관련 소프트웨어 시장도 키울 수 있다.
• 창고와 배송 현장에서 기계를 반복적으로 운용하면서 안정성과 업무 흐름을 검증할 수 있다.
• 데이터, 거점, 제조, 판매, 물류, 서비스에 걸친 ‘피지컬 AI 가속 계획’을 통해 로봇 산업의 유통·운영·서비스 기반까지 확보하려 한다. 333437

즉 JD는 자동화 장비의 구매자에만 머물기보다, 로봇 산업의 인프라와 상용화 계층이 되려는 모습이다.

2. 현실 데이터와 운영이 맞물리는 선순환

두 번째 축은 일상 운영에서 나오는 체화 AI 데이터다. JD는 2년 안에 실제 인간 작업 장면이 담긴 영상 데이터를 1,000만 시간 이상 수집하겠다고 밝혔고, 수집·저장·라벨링·학습·평가·시뮬레이션·테스트 전 과정을 포괄하는 인프라를 구축 중이라고 설명했다. 171821

또한 중국산 기반의 10만 장급 연산 클러스터 구축 계획과 함께, 상호작용형 오디오·비주얼 월드 모델인 JoyAI-Echo WM을 공개했다. JD는 이를 멀티모달 모델, 월드 모델, 체화 모델을 아우르는 AI 스택의 일부로 제시한다. 172123

JD가 의도하는 순환 구조는 비교적 명확하다.

1. 물류·유통·서비스 같은 실제 환경에서 이뤄지는 작업을 기록한다.
2. 운영 과정에서 나온 자료를 모델 학습과 평가 데이터로 전환한다.
3. JD의 사업 현장에서 모델과 기계를 시험한다.
4. 현장 배치 결과를 다음 모델·기기·업무 설계 개선에 반영한다.

향후 5년간 중국 전역에 80곳 이상을 구축하겠다고 밝힌 RoboBase 네트워크도 이 순환을 뒷받침하는 장치다. JD는 이 거점들이 산업 지원을 비롯해 로봇의 전 생애주기를 포괄하는 역할을 맡게 될 것이라고 설명했다. 243746

인력 재교육 역시 운영 전략의 일부다. 물류 자동화가 확대되는 가운데 JD는 배송 인력을 기술 직무로 재교육하겠다는 계획을 밝혔다. 대규모 로봇 운영에는 정비, 현장 서비스, 예외 상황 처리, 인간 감독이 계속 필요하다는 점에서 중요하다. 4548

3. JD 내부를 넘어 가정용 기기와 로봇으로 확장

세 번째 층위는 JD가 직접 운영하는 시설 바깥으로 AI를 퍼뜨리는 일이다. JD는 JoyInside를 로봇과 가정용 기기에 탑재하는 형태의 AI 접근법으로 내세우고 있다. 보도에 따르면 가전·홈·완구 분야를 포함해 200곳이 넘는 브랜드가 JD의 체화지능 기술과 연결됐다. 56

이 구상대로라면 JD는 로봇, 자율 배송 장비, AI 완구, 스마트홈 제품 등 다양한 물리적 접점에서 자체 모델과 서비스를 활용할 길을 얻는다. 모든 기기를 직접 제조하지 않고도 기업용 물류에서 소비자 기기까지 확장할 수 있다는 의미다.

다만 파트너 수가 곧바로 동일한 수준의 기술력이나 실제 사용량을 뜻하지는 않는다. 공개된 자료만으로는 가동 중인 기기 수, 작업 성능, 사용자 이용도, 파트너 제품 간 체화 AI 기능의 차이를 세부적으로 판단하기 어렵다. 생태계의 전략적 의미는 크지만 실제 운영의 깊이는 아직 불투명하다.

엔비디아·테슬라·앤트로픽과 무엇이 다른가

JD는 다른 피지컬 AI 기업들과 같은 큰 흐름에 올라타고 있지만, 출발점은 다르다.

• 엔비디아는 컴퓨팅, 시뮬레이션, 월드 모델, 로보틱스 소프트웨어를 여러 개발사와 로봇 제조사에 제공하는 범산업 기술 스택을 구축하고 있다. Cosmos 제품군은 물리 법칙을 반영한 합성 데이터 생성과 시뮬레이션 기반 로봇 정책 평가에 초점을 둔다. 14
• 테슬라는 자율주행 데이터, 자체 AI, 제조 역량을 결합하는 수직 통합형 접근에 가깝고, Optimus 로봇 프로젝트를 추진하고 있다. 38
• 앤트로픽은 모델과 물리 장비를 연결하는 인터페이스·표준 쪽에서 첫발을 뗐다. 연구 프리뷰로 공개한 Model Hardware Standard는 Claude 같은 모델을 과학·제조 장비와 연결하려는 프레임워크다. 1
• JD는 운영자 플랫폼 모델을 지향한다. 자체 업무 흐름에 기계를 배치하고, 여기서 데이터를 수집해 모델을 학습·검증한 뒤, 공급망과 기기 파트너를 통해 기능을 확장하는 방식이다. 2223

JD의 잠재적 우위는 범용 로보틱스를 이미 해결했다는 데 있지 않다. 자동화를 배치하고 측정하며 유지보수할 수 있는 고빈도 상업 현장을 이미 갖고 있다는 점이다. 특히 창고, 분류, 유통 풀필먼트처럼 비교적 구조화된 업무에서 이는 강점이 될 수 있다.

공항 광고와 무인 커피 매장이 보여 주는 것, 보여 주지 못하는 것

‘AI를 물리 세계로 밀어 넣는다’는 광고 문구와 무인 커피 매장은 JDD에서 제시된 전략과 맞닿아 있다. 소비자에게는 추상적인 피지컬 AI를 이해하기 쉬운 장면으로 전달한다. 383940

그러나 이것만으로 JD가 범용 체화지능을 달성했다고 볼 수는 없다. 무인 커피 제조나 창고 업무는 가정, 보도, 사람이 뒤섞인 공공장소보다 훨씬 통제된 환경이다. 이런 환경에서의 성공이 사람 주변에서 안전하게 다양한 비정형 작업을 수행하는 로봇으로 자동 전이되지는 않는다.

아직 답이 나오지 않은 핵심 질문

발표된 규모에서 경제성이 성립할까

조달 물량은 의지를 보여 주지만 투자수익률을 증명하지는 않는다. 로봇 군집에는 초기 투자뿐 아니라 현장 개조, 충전, 네트워크, 정비, 예비 부품, 감독, 고장 복구가 필요하다. 공개 자료에는 JD가 목표로 한 규모에서 장비 가동률, 작업당 비용, 자동화가 사람 중심 운영보다 저렴한지를 보여 주는 근거가 충분히 제시되지 않았다.

영상 1,000만 시간만으로 강인한 로봇 학습이 가능한가

현실 영상 1,000만 시간은 상당한 자산이 될 수 있으며, JD는 단순 수집을 넘어 전체 데이터 파이프라인을 구축하고 있다고 말한다. 1718 다만 체화 AI 학습에는 영상량 외에도 작업 맥락, 행동 기록, 로봇 상태, 안전 라벨, 드문 사고 상황의 데이터, 현장 배치에서 얻는 신뢰도 높은 피드백이 필요하다. JD의 발표는 중요한 구성 요소를 제시했지만, 일반화 성능을 판단할 수 있는 완전한 학습·검증 체계와 성능 결과를 공개적으로 입증한 단계는 아니다.

JD는 기술 스택을 어디까지 통제할 수 있나

파트너 중심 접근은 도입 속도를 높이고 모든 부품을 내부 개발하는 비용을 줄일 수 있다. 반면 로봇 하드웨어, 부품, 핵심 소프트웨어 계층에서 공급업체와 파트너에 의존하게 된다. 장기적으로는 차별화, 수익성, 상호운용성에 영향을 줄 수 있는 대목이다.

결론

JD클라우드의 피지컬 AI 전략은 현실 운영을 중심에 둔 상용화 전략으로 보는 것이 가장 정확하다. 대규모 기계 조달, 데이터 수집, 연산 자원, 모델, RoboBase 지원망, 기기 파트너십을 결합해 AI가 디지털 결과물에서 실제 업무 수행으로 넘어가게 하겠다는 계획이다. 232445

JD가 가진 물류·유통 현장은 자동화를 빠르게 확장할 수 있는 설득력 있는 기반이다. 다만 최종 시험대는 앞으로다. 이 현장들이 기존의 제한적 자동화나 인간 주도 업무보다 더 신뢰할 수 있고 더 저렴한 시스템을 대규모로 만들어 낼 수 있는지가 전략의 성패를 가를 것이다.

JD클라우드의 ‘피지컬 AI(Physical AI)’ 전략은 JD닷컴이 이미 보유한 창고, 배송 경로, 매장, 공급망 서비스, 연결 기기를 하나의 운영 기반으로 묶는 데 초점이 맞춰져 있다. AI가 화면 속 답변을 생성하는 데 그치지 않고, 현실을 인식하고 판단하며 기계를 통해 실제 작업을 수행하게 하겠다는 구상이다.

중국 각지 공항에 등장한 ‘AI를 물리 세계로 밀어 넣는다’는 광고, 무인으로 주문부터 제조·전달까지 이어지는 7FRESH 커피 매장, 그리고 9월 9일 열린 JDD 2026의 주제 ‘JoyAI: 물리 세계로의 도약’은 이 전략을 대중에게 보여 준 신호였다. 383940

한 문장으로 정리하면: 현장을 확보하고, 그 위에서 지능을 확장한다

피지컬 AI는 로봇, 자율주행 차량, 드론처럼 센서와 구동 장치를 갖춘 기계를 통해 현실 세계에서 작동하는 AI를 뜻한다. ‘체화 AI(Embodied AI)’와 대체로 같은 맥락에서 쓰인다. 5

JD의 판단은 모델 성능만으로 승부가 나지 않는다는 데 있다. 연산 자원, 현실 데이터, 기계, 배치 현장, 공급망 운영이 결합돼야 한다는 것이다. JD는 JDD 2026에서 이를 클라우드·데이터·모델·단말·현장·공급망의 6개 축으로 이뤄진 **‘슈퍼 AI 공급망’**으로 설명했고, 궁극적으로는 ‘세계 최대 물리 세계 운영 플랫폼’을 만들겠다는 목표를 제시했다. 222324

무인 커피 매장이 전략적으로 중요한 이유도 여기에 있다. 사업 규모 자체가 크지 않더라도 주문부터 전달까지 사람 없이 이어지는 흐름은 AI와 자동화가 디지털 화면을 넘어 실제 운영 현장으로 진입하는 모습을 직관적으로 보여 준다. JD가 이를 창고, 배송, 소매, 산업 서비스, 가정으로 넓히려 한다는 점에서 하나의 축소판에 가깝다. 3940

1. 로봇 수요를 대규모로 만들겠다는 계획

가장 구체적인 계획은 JD물류의 조달 목표다. JD물류는 향후 5년 동안 창고 운영, 분류, 운송, 배송을 위해 로봇 300만 대, 무인차량 100만 대, 배송 드론 10만 대를 구매하겠다고 밝혔다. 이는 이미 배치가 끝난 수치가 아니라 목표치다. 454647

이 숫자가 의미하는 것은 단순한 내부 자동화를 넘어선다.

• JD는 로봇 제조사와 부품 기업의 대형 고객이 될 수 있다. 대규모 발주는 로봇 본체뿐 아니라 부품, 유지보수, 관련 소프트웨어 시장도 키울 수 있다.
• 창고와 배송 현장에서 기계를 반복적으로 운용하면서 안정성과 업무 흐름을 검증할 수 있다.
• 데이터, 거점, 제조, 판매, 물류, 서비스에 걸친 ‘피지컬 AI 가속 계획’을 통해 로봇 산업의 유통·운영·서비스 기반까지 확보하려 한다. 333437

즉 JD는 자동화 장비의 구매자에만 머물기보다, 로봇 산업의 인프라와 상용화 계층이 되려는 모습이다.

2. 현실 데이터와 운영이 맞물리는 선순환

두 번째 축은 일상 운영에서 나오는 체화 AI 데이터다. JD는 2년 안에 실제 인간 작업 장면이 담긴 영상 데이터를 1,000만 시간 이상 수집하겠다고 밝혔고, 수집·저장·라벨링·학습·평가·시뮬레이션·테스트 전 과정을 포괄하는 인프라를 구축 중이라고 설명했다. 171821

또한 중국산 기반의 10만 장급 연산 클러스터 구축 계획과 함께, 상호작용형 오디오·비주얼 월드 모델인 JoyAI-Echo WM을 공개했다. JD는 이를 멀티모달 모델, 월드 모델, 체화 모델을 아우르는 AI 스택의 일부로 제시한다. 172123

JD가 의도하는 순환 구조는 비교적 명확하다.

1. 물류·유통·서비스 같은 실제 환경에서 이뤄지는 작업을 기록한다.
2. 운영 과정에서 나온 자료를 모델 학습과 평가 데이터로 전환한다.
3. JD의 사업 현장에서 모델과 기계를 시험한다.
4. 현장 배치 결과를 다음 모델·기기·업무 설계 개선에 반영한다.

향후 5년간 중국 전역에 80곳 이상을 구축하겠다고 밝힌 RoboBase 네트워크도 이 순환을 뒷받침하는 장치다. JD는 이 거점들이 산업 지원을 비롯해 로봇의 전 생애주기를 포괄하는 역할을 맡게 될 것이라고 설명했다. 243746

인력 재교육 역시 운영 전략의 일부다. 물류 자동화가 확대되는 가운데 JD는 배송 인력을 기술 직무로 재교육하겠다는 계획을 밝혔다. 대규모 로봇 운영에는 정비, 현장 서비스, 예외 상황 처리, 인간 감독이 계속 필요하다는 점에서 중요하다. 4548

3. JD 내부를 넘어 가정용 기기와 로봇으로 확장

세 번째 층위는 JD가 직접 운영하는 시설 바깥으로 AI를 퍼뜨리는 일이다. JD는 JoyInside를 로봇과 가정용 기기에 탑재하는 형태의 AI 접근법으로 내세우고 있다. 보도에 따르면 가전·홈·완구 분야를 포함해 200곳이 넘는 브랜드가 JD의 체화지능 기술과 연결됐다. 56

이 구상대로라면 JD는 로봇, 자율 배송 장비, AI 완구, 스마트홈 제품 등 다양한 물리적 접점에서 자체 모델과 서비스를 활용할 길을 얻는다. 모든 기기를 직접 제조하지 않고도 기업용 물류에서 소비자 기기까지 확장할 수 있다는 의미다.

다만 파트너 수가 곧바로 동일한 수준의 기술력이나 실제 사용량을 뜻하지는 않는다. 공개된 자료만으로는 가동 중인 기기 수, 작업 성능, 사용자 이용도, 파트너 제품 간 체화 AI 기능의 차이를 세부적으로 판단하기 어렵다. 생태계의 전략적 의미는 크지만 실제 운영의 깊이는 아직 불투명하다.

엔비디아·테슬라·앤트로픽과 무엇이 다른가

JD는 다른 피지컬 AI 기업들과 같은 큰 흐름에 올라타고 있지만, 출발점은 다르다.

• 엔비디아는 컴퓨팅, 시뮬레이션, 월드 모델, 로보틱스 소프트웨어를 여러 개발사와 로봇 제조사에 제공하는 범산업 기술 스택을 구축하고 있다. Cosmos 제품군은 물리 법칙을 반영한 합성 데이터 생성과 시뮬레이션 기반 로봇 정책 평가에 초점을 둔다. 14
• 테슬라는 자율주행 데이터, 자체 AI, 제조 역량을 결합하는 수직 통합형 접근에 가깝고, Optimus 로봇 프로젝트를 추진하고 있다. 38
• 앤트로픽은 모델과 물리 장비를 연결하는 인터페이스·표준 쪽에서 첫발을 뗐다. 연구 프리뷰로 공개한 Model Hardware Standard는 Claude 같은 모델을 과학·제조 장비와 연결하려는 프레임워크다. 1
• JD는 운영자 플랫폼 모델을 지향한다. 자체 업무 흐름에 기계를 배치하고, 여기서 데이터를 수집해 모델을 학습·검증한 뒤, 공급망과 기기 파트너를 통해 기능을 확장하는 방식이다. 2223

JD의 잠재적 우위는 범용 로보틱스를 이미 해결했다는 데 있지 않다. 자동화를 배치하고 측정하며 유지보수할 수 있는 고빈도 상업 현장을 이미 갖고 있다는 점이다. 특히 창고, 분류, 유통 풀필먼트처럼 비교적 구조화된 업무에서 이는 강점이 될 수 있다.

공항 광고와 무인 커피 매장이 보여 주는 것, 보여 주지 못하는 것

‘AI를 물리 세계로 밀어 넣는다’는 광고 문구와 무인 커피 매장은 JDD에서 제시된 전략과 맞닿아 있다. 소비자에게는 추상적인 피지컬 AI를 이해하기 쉬운 장면으로 전달한다. 383940

그러나 이것만으로 JD가 범용 체화지능을 달성했다고 볼 수는 없다. 무인 커피 제조나 창고 업무는 가정, 보도, 사람이 뒤섞인 공공장소보다 훨씬 통제된 환경이다. 이런 환경에서의 성공이 사람 주변에서 안전하게 다양한 비정형 작업을 수행하는 로봇으로 자동 전이되지는 않는다.

아직 답이 나오지 않은 핵심 질문

발표된 규모에서 경제성이 성립할까

조달 물량은 의지를 보여 주지만 투자수익률을 증명하지는 않는다. 로봇 군집에는 초기 투자뿐 아니라 현장 개조, 충전, 네트워크, 정비, 예비 부품, 감독, 고장 복구가 필요하다. 공개 자료에는 JD가 목표로 한 규모에서 장비 가동률, 작업당 비용, 자동화가 사람 중심 운영보다 저렴한지를 보여 주는 근거가 충분히 제시되지 않았다.

영상 1,000만 시간만으로 강인한 로봇 학습이 가능한가

현실 영상 1,000만 시간은 상당한 자산이 될 수 있으며, JD는 단순 수집을 넘어 전체 데이터 파이프라인을 구축하고 있다고 말한다. 1718 다만 체화 AI 학습에는 영상량 외에도 작업 맥락, 행동 기록, 로봇 상태, 안전 라벨, 드문 사고 상황의 데이터, 현장 배치에서 얻는 신뢰도 높은 피드백이 필요하다. JD의 발표는 중요한 구성 요소를 제시했지만, 일반화 성능을 판단할 수 있는 완전한 학습·검증 체계와 성능 결과를 공개적으로 입증한 단계는 아니다.

JD는 기술 스택을 어디까지 통제할 수 있나

파트너 중심 접근은 도입 속도를 높이고 모든 부품을 내부 개발하는 비용을 줄일 수 있다. 반면 로봇 하드웨어, 부품, 핵심 소프트웨어 계층에서 공급업체와 파트너에 의존하게 된다. 장기적으로는 차별화, 수익성, 상호운용성에 영향을 줄 수 있는 대목이다.

결론

JD클라우드의 피지컬 AI 전략은 현실 운영을 중심에 둔 상용화 전략으로 보는 것이 가장 정확하다. 대규모 기계 조달, 데이터 수집, 연산 자원, 모델, RoboBase 지원망, 기기 파트너십을 결합해 AI가 디지털 결과물에서 실제 업무 수행으로 넘어가게 하겠다는 계획이다. 232445

JD가 가진 물류·유통 현장은 자동화를 빠르게 확장할 수 있는 설득력 있는 기반이다. 다만 최종 시험대는 앞으로다. 이 현장들이 기존의 제한적 자동화나 인간 주도 업무보다 더 신뢰할 수 있고 더 저렴한 시스템을 대규모로 만들어 낼 수 있는지가 전략의 성패를 가를 것이다.