JD.com превращает физический ИИ в промышленную инфраструктуру

JD.com пытается вывести искусственный интеллект за пределы экранов — туда, где нужно распознавать товары, перемещать грузы, управлять складом и доставлять заказы. Компания строит не просто набор чат-ботов или коллекцию весов моделей, а полноценную промышленную систему: от сбора данных и обучения до выпуска роботов, эксплуатации и сервисного обслуживания.

Основатель и председатель совета директоров JD.com Ричард Лю заявлял, что технологические барьеры по сути являются формой эксплуатации, а AI не должен работать исключительно на одну компанию или одну страну. Практическое выражение этой позиции — стратегия, в которой собственные модели и данные частично открываются партнёрам, а конкурентное преимущество компания сохраняет за счёт реальных розничных, складских и логистических операций. 12

Сначала — большие инвестиции и выборочная открытость

В первой половине 2026 года расходы JD.com на исследования и разработки выросли на 53,2% год к году. По данным компании и отраслевых публикаций, средства направляются на семейство моделей JoyAI, воплощённый интеллект, инфраструктуру физического ИИ и промышленные применения. JD.com также заявила, что её самостоятельно разработанные AI-технологии полного цикла будут открыты глобальным партнёрам. 23

Открытость проявляется в нескольких направлениях:

• отдельные модели опубликованы через Hugging Face и GitHub;
• инструменты цифровых ведущих для прямых трансляций бесплатно доступны более чем 80 000 продавцов;
• датасет EgoLive с видео от первого лица открыт для представителей отрасли. 238

При этом «открытая» экосистема не обязательно означает, что все её компоненты доступны на одинаковых условиях. Весы моделей, обучающие материалы, датасеты, программное обеспечение для развёртывания и коммерческие сервисы могут иметь разные лицензии и ограничения. Для разработчика важен не только ярлык «open source», но и наличие данных, инструментов и инфраструктуры, позволяющих реально запустить и поддерживать продукт.

Почему собственные операции дают JD.com преимущество в данных

Физическому ИИ недостаточно огромного массива текстов из интернета. Робот должен понимать предметы и помещения, учитывать движение, время, ограничения безопасности и последствия собственных действий. По версии JD.com, её сильная сторона — более двух десятилетий работы с розницей, складской инфраструктурой и логистикой, где подобные задачи возникают постоянно. 234

Компания планирует за два года собрать более 10 млн часов видео от первого и третьего лица из реальных сценариев. В сборе данных должны участвовать розничные магазины, склады, логистические объекты, промышленные предприятия и бытовые площадки. JD.com также создаёт, как она утверждает, крупнейший в мире центр сбора данных для воплощённого интеллекта и уже запустила в Сюйчжоу сообщество по сбору таких данных. 1562930

Первым публичным уровнем этой инициативы стал EgoLive. JD.com называет его крупнейшим в отрасли датасетом видео от первого лица; описание первой версии указывает примерно на 2 000 часов материалов, охватывающих более 300 операционных задач. Высокоточные отраслевые наборы данных компания также открывает на целевой основе университетам, разработчикам и партнёрам экосистемы. Эти показатели исходят от JD.com или отраслевых СМИ и пока не являются независимо подтверждёнными бенчмарками. 45630

Предполагаемый цикл развития выглядит так:

1. Сотрудники и машины создают видео и операционные данные.
2. Эти материалы используются для обучения моделей восприятию, планированию и взаимодействию.
3. Улучшенные модели тестируются на складах, в логистике, промышленности и сервисных сценариях.
4. Реальные внедрения создают новые примеры, исключения и данные о производительности.
5. Полученные решения можно адаптировать для других пользователей и отраслей.

Именно поэтому физический ИИ JD.com опирается на собственный бизнес. Открытая модель снижает порог для экспериментов, но надёжная работа робота требует доступа к реальным задачам и инфраструктуры, которая позволяет измерять результат.

JoyAI — это набор строительных блоков, а не одна универсальная модель

Линейка JoyAI включает несколько типов систем. JoyAI-Echo предназначена для генерации длинных аудиовизуальных материалов, JoyAI-VL-Interaction — для взаимодействия с видео в реальном времени, а JoyAI-Video-Edit — для потокового редактирования видео. 571118

Особый интерес для физических сценариев представляет JoyAI-VL-Interaction. В отличие от модели, которая отвечает на вопросы по одному статичному изображению, она рассчитана на обработку непрерывного видеопотока. В релиз входят сама модель, рецепт обучения, синхронизированные данные взаимодействия и готовый потоковый стек реального времени. В технической документации система описывается как модель с приоритетом визуального восприятия и масштабом 8 млрд параметров, способная обрабатывать непрерывное видео с задержкой менее секунды. 171923

Такая комплектация уменьшает объём инженерной работы для разработчиков, которые хотят строить приложения на основе постоянного видеопотока с камер. Одновременно она отражает общий подход JD.com: открывать переиспользуемые компоненты, сохраняя преимущество в средах, где эти компоненты обучаются, проверяются и интегрируются в рабочие процессы.

RoboBase: переход от программного обеспечения к производству роботов

Одних моделей недостаточно, чтобы создать индустрию физического ИИ. Роботам нужны компоненты, сборка, испытания, интеграция, ремонт и локальная техническая поддержка. Инициатива RoboBase должна закрыть именно этот инфраструктурный пробел.

Первый объект RoboBase начали строить в Гуанчжоу в 2026 году. JD.com позиционирует его как часть цикла «исследования — производство — применение — сервис» и планирует создать более 80 робототехнических баз по всему Китаю в течение пяти лет. 36810

Если план будет реализован, JD.com сможет выступать не только поставщиком AI-приложений, но и инфраструктурным партнёром робототехнических компаний. В такой модели объединяются доступ к цепочкам поставок, модели, сбор данных, реальные площадки для испытаний, производственные мощности и послепродажное обслуживание.

Однако это пока амбициозный план. Доступные публикации подробно описывают намерения и позиционирование компании, но дают значительно меньше независимо проверенных данных о фактической эффективности и экономике объектов.

Логистика — главный тест на повторяемость

JD.com использует собственную логистическую сеть как основную площадку для демонстрации физического ИИ. Компания и отраслевые источники приводят следующие примеры:

• система «Чжилан» для доставки товаров к оператору работает более чем на 60 складах, включая зарубежные объекты;
• двухрукий робот «Илан» способен, по заявленным данным, распознать, захватить и уложить товар примерно за 10 секунд;
• более 1 000 автономных машин доставки работают более чем в 20 провинциях Китая;
• сеть доставки дронами в провинции Сычуань охватывает 78 деревень, а некоторые заказы доставляются примерно за семь минут. 81124

Эти примеры охватывают складское хранение, подбор товаров, перемещение, сортировку и доставку «последней мили». Их значение не только в демонстрации автоматизации. JD.com стремится показать, что связка моделей и роботов может работать в повторяемых процессах на разных площадках, а не оставаться лабораторным прототипом. 24

При этом доказательная база в основном состоит из данных самой компании и публикаций отраслевых СМИ. Поэтому наиболее осторожный вывод таков: JD.com располагает значительным набором заявленных внедрений и использует их для подтверждения своей стратегии индустриализации. Насколько стабильно эти системы обеспечивают экономию, безопасность, доступность оборудования и нужные показатели труда в массовом масштабе, ещё предстоит проверить.

Экосистема выходит за пределы складов JD.com

JD.com заявляет, что её промышленные AI-агенты обслуживают более 3 000 производителей и могут сократить работу по управлению данными с месяцев до часов. Компания также сообщает, что инструменты цифровых аватаров JoyAvatar использовали более 80 000 продавцов, а во втором квартале число аккаунтов для прямых трансляций выросло втрое год к году. По данным компании и отраслевых публикаций, программа Aidol Creation Camp помогла вывести на рынок более 50 продуктов на базе AI-оборудования. 28

Так расширяется круг потенциальных пользователей:

• продавцы получают цифровых ведущих;
• производители — промышленных AI-агентов;
• университеты и разработчики — доступ к датасетам;
• стартапы в сфере оборудования — поддержку цепочек поставок и прикладного внедрения.

В теории каждый новый участник добавляет обратную связь от реальных внедрений и расширяет рынок базовых инструментов. В этом и заключается отличие внутренней программы автоматизации от промышленной платформы: JD.com пытается отдавать AI-возможности внешним пользователям, зарабатывая на связанных сервисах, повышении эффективности исполнения заказов, выпуске оборудования и росте производительности.

Что стратегии JD.com ещё предстоит доказать

Общая схема выглядит последовательно: активно инвестировать в технологический стек, открыть часть возможностей, собирать данные из реальной работы, обучать модели физическим задачам, производить и тестировать роботов, а затем внедрять их через уже существующую операционную сеть. Это соответствует более широкому сдвигу в физическом ИИ, где конкурентной единицей становится не отдельная модель, а целостная система. 3431

Но открытость не гарантирует низкую стоимость, а факт внедрения сам по себе не доказывает устойчивого роста производительности. Независимая оценка потребуется по нескольким направлениям:

• насколько широко партнёры могут использовать модели, данные и программное обеспечение для развёртывания;
• достаточно ли хорошо задокументированы датасеты и соблюдены требования к разрешениям и управлению данными;
• переносятся ли решения между складами, странами, отраслями и аппаратными платформами;
• снижают ли роботы совокупные расходы с учётом интеграции, обслуживания и контроля;
• как разработчики и производители оборудования участвуют в созданной экосистемой экономической ценности.

Пока самая ясная ставка JD.com заключается в том, что AI становится полезнее и потенциально доступнее, когда подключён к реальной физической работе. Открытые модели и датасеты — лишь видимая часть проекта. Более глубокое преимущество компания пытается построить в замкнутом контуре из операционных данных, проверенных рабочих процессов, производственных мощностей, масштаба внедрения и сервисной инфраструктуры.