Mengapa JD Cloud mahu menjadikan operasi sebenar sebagai platform AI fizikal

Iklan lapangan terbang JD Cloud yang membawa mesej “tolak AI ke dunia fizikal”, kedai kopi 7FRESH tanpa kakitangan dan tema JDD 2026, “JoyAI: Melangkah ke Dunia Fizikal”, sebenarnya membawa mesej strategi yang sama: JD mahu menjadikan aset operasinya sendiri—gudang, laluan penghantaran, kedai runcit, perkhidmatan rantaian bekalan dan peranti bersambung—sebagai tempat AI belajar untuk melihat, membuat keputusan dan bertindak. 383940

Dalam konteks ini, AI fizikal atau embodied AI merujuk kepada sistem AI yang berfungsi melalui mesin bersensor dan berpenggerak, seperti robot, kenderaan autonomi serta dron. 5 Pertaruhan JD ialah persaingan tidak akan dimenangi oleh model AI semata-mata, tetapi oleh gabungan kuasa pengkomputeran, data dunia sebenar, mesin, lokasi pelaksanaan dan keupayaan rantaian bekalan.

Ringkasnya: miliki senario operasi, kemudian skalakan kecerdasan

Pada JDD 2026, JD menyifatkan rangka kerjanya sebagai “rantaian bekalan AI super” dengan enam unsur yang saling berkait: awan, data, model, peranti, senario dan rantaian bekalan. Matlamat yang dinyatakan syarikat ialah membina “platform operasi terbesar dunia untuk dunia fizikal”. 222324

Demonstrasi kedai kopi tanpa kakitangan itu penting bukan semata-mata kerana jualan kopi. Aliran kerja daripada pesanan hingga penyerahan minuman yang berlaku tanpa pekerja ialah contoh yang mudah dilihat oleh pengguna tentang bagaimana AI dan automasi boleh berpindah daripada skrin ke operasi fizikal. JD mahu menggunakan idea serupa dengan lebih luas dalam gudang, penghantaran, runcit, perkhidmatan industri dan rumah. 3940

1. Menjana permintaan robot pada skala luar biasa

Komponen paling jelas dalam pelan JD ialah kuasa belinya. JD Logistics menyasarkan pemerolehan, dalam tempoh lima tahun, 3 juta robot, 1 juta kenderaan autonomi dan 100,000 dron penghantaran untuk aktiviti pergudangan, pengasingan, pengangkutan dan penghantaran. Angka ini ialah sasaran pembelian, bukannya jumlah yang sudah digunakan. 454647

Nilai strategiknya melangkaui automasi rangkaian JD sendiri:

• JD boleh menjadi pelanggan utama pembekal robotik. Pesanan berskala besar berpotensi mewujudkan permintaan bagi badan robot, komponen, penyelenggaraan dan perisian berkaitan.
• JD mendapat ujian berulang dalam dunia sebenar. Setiap mesin yang beroperasi di gudang atau laluan penghantaran menghasilkan peluang untuk menilai kebolehpercayaan dan menambah baik aliran kerja.
• JD boleh membina saluran pengedaran dan servis untuk industri robotik. Pelan Pecutan AI Fizikalnya meliputi data, tapak industri, pembuatan, jualan, logistik dan perkhidmatan. 333437

Jadi, JD tidak sekadar mahu membeli alat automasi. Ia cuba menjadi lapisan infrastruktur dan pengkomersialan bagi sektor robotik.

2. Membina kitaran data dan operasi

Lapisan kedua ialah saluran data AI berjasad yang berasaskan kerja harian. JD merancang untuk mengumpul lebih 10 juta jam video situasi manusia dalam dunia sebenar dalam tempoh dua tahun, sambil membina infrastruktur yang meliputi pengumpulan, penyimpanan, pelabelan, latihan, penilaian, simulasi dan ujian. 171821

Syarikat itu juga mengumumkan rancangan kluster pengkomputeran domestik 100,000 kad, serta memperkenalkan JoyAI-Echo WM, model dunia audiovisual interaktif. JD menempatkan model ini dalam himpunan AI yang merangkumi model multimodal, model dunia dan model berjasad. 172123

Kitaran yang disasarkan adalah seperti berikut:

1. Merakam tugas dalam persekitaran sebenar seperti logistik, runcit dan perkhidmatan.
2. Menjadikan bahan operasi itu sebagai data untuk latihan serta penilaian model.
3. Menguji model dan mesin dalam persekitaran perniagaan JD.
4. Menggunakan hasil pelaksanaan untuk memperbaik model, peranti dan aliran kerja generasi seterusnya.

Rangkaian RoboBase dirancang untuk menyokong kitaran ini. JD menyatakan ia akan menubuhkan lebih 80 lokasi industri robot RoboBase di seluruh China dalam tempoh lima tahun, merangkumi sokongan industri dan kitar hayat robot yang lebih luas. 243746

Latihan semula pekerja juga merupakan sebahagian daripada model operasi. Laporan mengenai pelan logistik itu menyebut janji JD untuk melatih semula kurier ke jawatan teknikal apabila automasi berkembang. Ini penting kerana armada mesin yang besar tetap memerlukan penyelenggaraan, servis lapangan, pengendalian kes luar jangka dan penyeliaan manusia. 4548

3. Membawa AI ke peranti dan rumah

Lapisan ketiga ialah pengedaran di luar kemudahan milik JD. JD meletakkan JoyInside sebagai pendekatan AI terbina dalam untuk robot dan peranti rumah, dengan laporan menyatakan lebih 200 jenama dalam kategori peralatan rumah, kelengkapan rumah dan mainan telah disambungkan kepada teknologi kecerdasan berjasad JD. 56

Peluangnya adalah untuk menjadikan model dan perkhidmatan JD berguna pada banyak titik akhir fizikal—robot, mesin penghantaran autonomi, mainan AI dan produk rumah pintar—tanpa JD perlu mengeluarkan setiap peranti itu sendiri.

Namun, keluasan rangkaian rakan kongsi tidak semestinya membuktikan keupayaan atau penggunaan yang seragam. Maklumat awam yang tersedia tidak menghuraikan secara terperinci jumlah peranti aktif, prestasi tugasan, penglibatan pengguna atau sejauh mana produk rakan kongsi menjalankan sistem AI berjasad yang setara. Ekosistem itu penting dari sudut strategi, tetapi kedalaman operasinya masih sukar dinilai melalui pendedahan awam.

Berbeza daripada NVIDIA, Tesla dan Anthropic

JD menyertai perubahan industri yang sama, tetapi daripada titik permulaan yang berbeza.

• NVIDIA membina timbunan teknologi merentas industri: pengkomputeran, simulasi, model dunia dan perisian robotik untuk ekosistem pembangun serta pengeluar robot. Keluaran Cosmosnya menekankan penjanaan data sintetik berasaskan fizik dan penilaian dasar robot dalam simulasi. 14
• Tesla mengambil pendekatan lebih bersepadu secara menegak, menggabungkan data autonomi, AI dalaman dan pembuatan dengan usaha robot Optimus. 38
• Anthropic pula mengambil laluan berorientasikan piawaian dan antara muka melalui pratonton penyelidikan Model Hardware Standard, yang bertujuan menghubungkan model seperti Claude kepada peralatan saintifik dan pembuatan. 1
• JD mengejar model platform pengendali: menggunakan mesin dalam aliran kerja sendiri, mengumpul data operasi, melatih dan mengesahkan model, kemudian meluaskan keupayaan melalui rakan rantaian bekalan serta peranti. 2223

Kelebihan berpotensi JD bukanlah kerana ia telah menyelesaikan robotik serba guna. Sebaliknya, ia sudah mempunyai persekitaran komersial berfrekuensi tinggi yang membolehkan automasi digunakan, diukur dan diservis—terutamanya untuk kerja yang lebih tersusun seperti pergudangan, pengasingan dan pemenuhan pesanan runcit.

Apa yang dibuktikan—dan tidak dibuktikan—oleh iklan serta kedai kopi

Kempen “tolak AI ke dunia fizikal” selari dengan strategi JDD, manakala format kedai kopi menjadikan konsep itu lebih nyata untuk pengguna. 383940

Namun, kedua-duanya tidak membuktikan JD sudah mencapai kecerdasan berjasad serba guna. Aliran kerja kedai kopi tanpa kakitangan dan tugasan gudang berada dalam persekitaran yang lebih terkawal berbanding rumah, kaki lima atau ruang awam bercampur. Kejayaan dalam keadaan sedemikian tidak secara automatik bermaksud robot boleh mengendalikan tugasan terbuka di sekitar manusia dengan selamat.

Persoalan utama yang masih belum terjawab

Adakah ekonominya berdaya maju pada skala diumumkan?

Jumlah perolehan yang dirancang menunjukkan hasrat, bukan pulangan pelaburan. Armada robot memerlukan modal, pengubahsuaian tapak, pengecasan, rangkaian, penyelenggaraan, alat ganti, penyeliaan dan pemulihan apabila berlaku kegagalan. Bahan awam yang tersedia belum menunjukkan kadar penggunaan armada, kos setiap tugasan atau sama ada automasi lebih murah daripada operasi yang dikendalikan manusia pada skala sasaran JD.

Adakah data video mencukupi untuk pembelajaran robot yang kukuh?

Sepuluh juta jam video dunia sebenar boleh menjadi aset yang besar, dan JD menyatakan ia membina aliran kerja data lengkap, bukan sekadar mengumpul rakaman. 1718 Namun, latihan AI berjasad yang berguna biasanya memerlukan lebih daripada jumlah visual yang besar: konteks tugasan, rekod tindakan, keadaan robot, label keselamatan, liputan kejadian jarang berlaku dan maklum balas pelaksanaan yang boleh dipercayai. Pengumuman JD menunjukkan beberapa asas penting, tetapi belum mendemonstrasikan secara terbuka sistem latihan dan pengesahan lengkap atau keputusan prestasi yang cukup untuk menilai kebolehumuman.

Sejauh mana JD mengawal keseluruhan timbunan teknologi?

Pendekatan berasaskan rakan kongsi boleh mempercepatkan penggunaan dan mengurangkan kos membangunkan setiap komponen secara dalaman. Namun, pertukarannya ialah kebergantungan kepada pembekal dan rakan kongsi bagi perkakasan robot, komponen serta berkemungkinan lapisan perisian utama. Dari masa ke masa, hal ini boleh mempengaruhi perbezaan produk, margin dan keserasian antara sistem.

Kesimpulan

Strategi AI fizikal JD Cloud paling tepat dilihat sebagai strategi pengkomersialan yang dibina atas operasi sebenar. Ia mahu menggabungkan perolehan mesin berskala besar, pengumpulan data, pengkomputeran, model, sokongan RoboBase dan kerjasama peranti supaya AI dapat bergerak daripada hasil digital kepada tugasan fizikal. 232445

Strategi itu munasabah sebagai jalan untuk menskalakan automasi dalam persekitaran rantaian bekalan dan runcit JD yang sedia ada. Ujian penentunya masih di hadapan: sama ada pelaksanaan tersebut benar-benar dapat menghasilkan sistem yang cukup andal dan murah untuk mengatasi automasi yang lebih khusus atau aliran kerja yang dikendalikan manusia pada skala besar.