Hoe JD.com een open ecosysteem voor fysieke AI bouwt

JD.com wil kunstmatige intelligentie niet uitsluitend aanbieden als een gesloten softwareproduct. Het Chinese retail- en technologiebedrijf bouwt aan een volledige infrastructuur voor zogeheten fysieke AI: systemen die de echte wereld kunnen waarnemen, begrijpen en beïnvloeden — bijvoorbeeld in magazijnen, fabrieken en bezorgnetwerken.

Oprichter en bestuursvoorzitter Richard Liu heeft technologische barrières omschreven als een vorm van uitbuiting. Volgens hem mogen AI-capaciteiten niet alleen één bedrijf of één land dienen. JD.com vertaalt die visie naar een ecosysteemstrategie: modellen, data, hardware, productie, implementatie en service moeten op elkaar aansluiten en gedeeltelijk beschikbaar komen voor externe partners. 12

Dat is iets anders dan alleen een chatbot of een reeks modelgewichten publiceren. JD.com probeert een herhaalbare route te bouwen van dataverzameling in de echte wereld naar modeltraining, robotproductie, operationele tests en commercieel gebruik. Dat kan de drempel voor fysieke AI verlagen, al zijn de langetermijneconomie en de werkelijke mate van openheid nog niet onafhankelijk vastgesteld.

Eerst fors investeren, daarna selectief openstellen

In de eerste helft van 2026 stegen de onderzoeks- en ontwikkelingsuitgaven van JD.com met 53,2 procent op jaarbasis. Het bedrijf zegt dat het geld vooral naar de JoyAI-modellenfamilie, embodied intelligence, infrastructuur voor fysieke AI en industriële toepassingen gaat. Ook heeft JD.com aangekondigd zijn volledig zelfontwikkelde AI-technologie wereldwijd voor partners open te stellen. 23

Die openstelling krijgt verschillende vormen. JD.com heeft geselecteerde modellen via Hugging Face en GitHub beschikbaar gemaakt, digitale livestream-presentatoren gratis aangeboden aan meer dan 80.000 handelaren en het EgoLive-dataset voor gebruik door de sector geopend. 238

Daarbij is een belangrijke nuance nodig: “open” betekent niet automatisch dat elk onderdeel onder dezelfde voorwaarden vrij beschikbaar is. Modelgewichten, trainingsrecepten, datasets, implementatiesoftware en commerciële diensten kunnen elk hun eigen licenties en toegangsregels hebben. Voor ontwikkelaars is daarom niet alleen de vraag relevant of een model open source heet, maar ook of de omliggende data en hulpmiddelen praktisch bruikbaar zijn.

De voorsprong moet uit echte bedrijfsactiviteiten komen

Fysieke AI heeft meer nodig dan grote hoeveelheden tekst van het internet. Een robot moet objecten, ruimtes, bewegingen, timing en veiligheidsrisico’s kunnen interpreteren — en bovendien begrijpen wat het gevolg van een handeling is.

JD.com stelt dat het dankzij meer dan twintig jaar ervaring in retail, magazijnbeheer en logistiek toegang heeft tot precies zulke werkomgevingen. Daar keren vergelijkbare taken steeds terug, waardoor systemen in de praktijk kunnen worden getraind en getest. 234

Het bedrijf wil in twee jaar tijd meer dan 10 miljoen uur aan video uit de echte wereld verzamelen, afkomstig uit eerste- en derdepersoonsperspectieven. De geplande dataverzameling moet onder meer retail, magazijnen, logistiek, industriële werkzaamheden, huishoudelijke situaties en andere scenario’s omvatten. JD.com bouwt daarnaast naar eigen zeggen het grootste centrum ter wereld voor het verzamelen van data over fysieke en belichaamde intelligentie. In Suqian is ook een gemeenschap voor dergelijke dataverzameling opgezet. 1562930

De eerste publieke laag van dit programma is EgoLive. JD.com beschrijft het als het grootste dataset met menselijke kijk- of handelingsperspectieven in de sector. Volgens berichtgeving over de eerste release omvatte die ongeveer 2.000 uur aan materiaal, verdeeld over meer dan 300 operationele taken. Ook zijn zeer nauwkeurige datasets gericht beschikbaar gesteld aan universiteiten, ontwikkelaars en bedrijven in het ecosysteem. Deze omvangscijfers komen van JD.com of uit berichtgeving over het bedrijf en zijn geen onafhankelijk gecontroleerde benchmarks. 45630

De beoogde gegevenscyclus is eenvoudig:

1. Werknemers en machines leveren video- en operationele data.
2. Die gegevens trainen modellen voor waarneming, planning en interactie.
3. Verbeterde modellen worden getest in magazijnen, bezorgnetwerken, fabrieken en dienstverlenende omgevingen.
4. Nieuwe implementaties leveren voorbeelden, uitzonderingen en prestatiegegevens op.
5. De daaruit voortkomende technologie kan opnieuw aan andere gebruikers en sectoren worden aangeboden.

Daarom zijn de fysieke activiteiten van JD.com zo belangrijk voor het plan. Een open model maakt experimenteren goedkoper, maar betrouwbare fysieke AI vereist ook toegang tot echte taken en tot infrastructuur waarmee prestaties, veiligheid en uitval kunnen worden gemeten.

JoyAI is een gereedschapskist, geen enkel supermodel

De open AI-strategie van JD.com bestaat uit meerdere modellen met verschillende functies. JoyAI-Echo richt zich op het genereren van langere audio- en videosequenties, JoyAI-VL-Interaction op realtime interactie tussen beeld en taal en JoyAI-Video-Edit op het bewerken van videostreams terwijl die worden afgespeeld. 571118

Voor fysieke omgevingen is vooral JoyAI-VL-Interaction relevant. Het model is ontworpen om doorlopende videobeelden te verwerken in plaats van alleen vragen over één stilstaand beeld te beantwoorden. De publicatie bevat volgens de documentatie het model, een trainingsmethode, tijdgesynchroniseerde interactiedata en een inzetbare realtime streamingstack. Het gaat om een vision-first-systeem met ongeveer 8 miljard parameters dat urenlange videostreams met een vertraging van minder dan een seconde kan verwerken. 171923

Die combinatie kan de technische inspanning voor ontwikkelaars verlagen wanneer zij toepassingen rond continue camerabeelden willen bouwen. Tegelijkertijd past het bij JD.com’s bredere aanpak: herbruikbare componenten beschikbaar maken, terwijl het bedrijf een voordeel probeert te behouden in de echte omgevingen waarin die componenten worden getraind, geëvalueerd en geïntegreerd.

RoboBase moet de stap naar robotproductie maken

Toegang tot modellen alleen is onvoldoende om een sector voor fysieke AI op te bouwen. Robots hebben componenten, assemblage, tests, integratie, onderhoud en lokale ondersteuning nodig. Het RoboBase-programma van JD.com moet die industriële laag leveren.

De bouw van de eerste RoboBase-faciliteit begon in 2026 in Guangzhou. JD.com positioneert het project als onderdeel van een volledige cyclus van onderzoek naar productie, toepassing en service. Het bedrijf zegt bovendien dat het in vijf jaar tijd meer dan 80 robotbases in China wil opzetten. 36810

Als dit plan wordt gerealiseerd, kan JD.com meer worden dan een leverancier van AI-toepassingen. Het bedrijf zou dan supplychaincapaciteit, modellen, praktijkdata, testlocaties, productie en aftersalesdiensten combineren voor robotica-ondernemingen en andere klanten. De plannen zijn ambitieus; de beschikbare berichtgeving beschrijft de positionering en voornemens van JD.com duidelijker dan onafhankelijk gecontroleerde bedrijfsresultaten.

Logistiek is de lakmoesproef

JD.com gebruikt zijn logistieke netwerk als belangrijkste demonstratieomgeving voor fysieke AI. Het bedrijf en vakmedia noemen onder meer deze voorbeelden:

• Het goederen-naar-mens-systeem Zhilang zou in meer dan 60 magazijnen zijn ingezet, ook op buitenlandse markten.
• De Yilang-robot met twee armen kan naar verluidt een product herkennen, oppakken en stapelen in ongeveer 10 seconden.
• Meer dan 1.000 autonome bezorgvoertuigen zouden actief zijn in meer dan 20 Chinese provincies.
• Een dronebezorgnetwerk in Sichuan bestrijkt 78 dorpen; sommige leveringen zouden in ongeveer zeven minuten zijn voltooid. 81124

De voorbeelden bestrijken magazijnbeheer, orderverzameling, verplaatsing, sortering en bezorging tot aan de voordeur. Hun strategische betekenis ligt niet alleen in de demonstratie van automatisering. JD.com wil laten zien dat een combinatie van modellen en robots in meerdere locaties terugkerende werkprocessen kan uitvoeren, in plaats van alleen in een laboratorium te functioneren. 24

De onderbouwing bestaat echter vooral uit bedrijfsinformatie en berichtgeving in vakmedia. De voorzichtigste conclusie is daarom dat JD.com een omvangrijke reeks geclaimde toepassingen heeft opgebouwd en die inzet om zijn industrialisatieverhaal te ondersteunen. Of de systemen op grote schaal ook aantoonbaar betere kosten, veiligheid, beschikbaarheid en arbeidsresultaten opleveren, moet nog blijken.

Van eigen magazijnen naar een breder ecosysteem

JD.com zegt dat zijn industriële AI-agenten meer dan 3.000 fabrikanten bedienen en werkzaamheden rond databeheer kunnen terugbrengen van maanden naar uren. De digitalehulpmiddelen van JoyAvatar zouden door meer dan 80.000 handelaren zijn gebruikt. Ook zouden livestreamaccounts in het tweede kwartaal op jaarbasis zijn verdrievoudigd. Volgens bedrijfs- en vakberichtgeving heeft het Aidol Creation Camp bovendien geholpen meer dan 50 AI-hardwareproducten op de markt te brengen. 28

Daarmee richt het bedrijf zich niet alleen op zijn eigen magazijnen. Handelaren kunnen digitale presentatoren inzetten, fabrikanten industriële AI-agenten gebruiken, universiteiten en ontwikkelaars met datasets werken en hardwarestart-ups ondersteuning krijgen bij toelevering en toepassingen.

In theorie levert iedere nieuwe deelnemer extra feedback uit de praktijk op en vergroot die tegelijk de markt voor de onderliggende technologie. Dat is het verschil tussen een intern automatiseringsprogramma en een industriële platformstrategie: JD.com probeert AI-capaciteiten naar buiten te brengen en tegelijk waarde te halen uit de diensten eromheen — van efficiëntere orderverwerking en lagere operationele kosten tot hardwareproductie, integratie en industriële productiviteit.

Wat nog moet worden bewezen

De blauwdruk van JD.com is intern logisch: investeer in de volledige technologiestack, stel geselecteerde onderdelen open, verzamel data uit echt werk, train modellen voor fysieke taken, bouw en test robots en zet die in via een bestaand operationeel netwerk. Dat sluit aan bij een bredere ontwikkeling binnen fysieke AI, waarbij de concurrentie steeds meer draait om een compleet systeem in plaats van om een model op zichzelf. 3431

Toch betekent openheid niet automatisch lage kosten, en betekent een operationele implementatie niet automatisch blijvende productiviteitswinst. Onafhankelijke evaluaties moeten onder meer antwoord geven op de volgende vragen:

• Hoe breed mogen partners de modellen, data en implementatiesoftware gebruiken?
• Zijn de datasets voldoende gedocumenteerd en voorzien van duidelijke toestemmings- en governancekaders?
• Hoe goed werken de systemen in andere magazijnen, landen, sectoren en hardwareplatforms?
• Verlagen robots de totale kosten wanneer integratie, onderhoud en toezicht worden meegerekend?
• Hoe wordt de waarde verdeeld tussen JD.com, externe ontwikkelaars, fabrikanten en andere partners?

Voorlopig is de kern van JD.com’s strategie duidelijk: AI wordt volgens het bedrijf nuttiger en mogelijk toegankelijker wanneer die rechtstreeks met fysiek werk wordt verbonden. De open JoyAI-modellen en EgoLive-data zijn de zichtbare laag. De diepere inzet is de volledige onderliggende kringloop van praktijkdata, geteste werkprocessen, productiecapaciteit, implementatieschaal en service-infrastructuur.