JD Cloud делает ставку на «физический ИИ»: роботы, данные и логистика как единая платформа

Рекламная кампания JD Cloud в аэропортах, магазин кофе без персонала 7FRESH и тема конференции JDD — «JoyAI: переход в физический мир» — не выглядят отдельными экспериментами. Это публичная витрина более крупного замысла: превратить операционную инфраструктуру JD.com — склады, маршруты доставки, магазины, сервисы цепочки поставок и подключённые устройства — в платформу, на которой ИИ может воспринимать обстановку, принимать решения и действовать в реальном мире. 383940

Суть стратегии: сначала контролировать сценарии, затем масштабировать интеллект

Под «физическим ИИ», или embodied AI, обычно понимают ИИ-системы, которые работают через машины с датчиками и исполнительными механизмами: роботов, автономный транспорт и дроны. 5 Логика JD состоит в том, что решающим окажется не один лишь уровень моделей. Конкурентоспособность будет определять связка вычислительных ресурсов, данных из реальной среды, машин, площадок для внедрения и операций в цепочке поставок.

На JDD 2026 JD описала эту систему как «супер-ИИ-цепочку поставок» из шести взаимосвязанных элементов: облака, данных, моделей, устройств, сценариев и цепочки поставок. Заявленная цель — создать то, что компания называет «крупнейшей в мире операционной платформой для физического мира». 222324

Именно поэтому кофейня важна для стратегии, даже если её коммерческий масштаб ограничен. Полностью безлюдный процесс — от заказа до выдачи напитка — наглядно показывает переход ИИ и автоматизации с экрана в операционную среду. Тот же принцип JD рассчитывает применять на складах, в доставке, рознице, промышленном обслуживании и дома. 3940

1. Создать спрос на роботов беспрецедентного масштаба

Наиболее конкретная часть плана — закупки техники. JD Logistics заявляет, что в течение пяти лет намерена приобрести 3 млн роботов, 1 млн автономных транспортных средств и 100 тыс. дронов для доставки — для складирования, сортировки, перевозки и доставки. Это целевые показатели, а не число уже развернутых машин. 454647

Стратегическое значение этих цифр не сводится к автоматизации собственной сети JD:

• JD становится крупным заказчиком для поставщиков робототехники. Масштабные заказы способны сформировать спрос на роботизированные платформы, компоненты, обслуживание и связанное ПО.
• JD получает регулярные внедрения в реальном мире. Каждая машина на складе, маршруте или в точке доставки даёт возможность проверять надёжность и совершенствовать рабочие процессы.
• Компания может выстроить вокруг отрасли каналы продаж и сервиса. План ускорения «физического ИИ» охватывает данные, базы, производство, продажи, логистику и обслуживание. 333437

Поэтому закупочные цели имеют значение: JD позиционирует себя не просто покупателем средств автоматизации, а потенциальным инфраструктурным и коммерческим слоем робототехнической отрасли.

2. Построить цикл «данные — операции — улучшение моделей»

Второй компонент — конвейер данных для embodied AI, основанный на повседневных операциях. Компания планирует за два года собрать более 10 млн часов видеоданных о действиях людей в реальных сценариях и заявляет о создании инфраструктуры, включающей сбор, хранение, разметку, обучение, оценку, симуляцию и тестирование. 171821

JD также объявила о планах по созданию отечественного вычислительного кластера на 100 тыс. карт и представила JoyAI-Echo WM — интерактивную аудиовизуальную мировую модель. Компания относит её к стеку ИИ, который включает мультимодальные, мировые и embodied-модели. 172123

Предполагаемый цикл выглядит так:

1. Фиксировать выполнение задач в логистике, рознице и сервисе.
2. Превращать операционные материалы в данные для обучения и оценки моделей.
3. Тестировать модели и машины в бизнес-среде JD.
4. Использовать результаты внедрения для улучшения следующей версии моделей, устройств и процессов.

Сеть RoboBase должна поддержать этот цикл. JD сообщала о намерении за пять лет создать в Китае более 80 площадок робототехнической индустрии RoboBase, которые будут работать с разными этапами жизненного цикла роботов и промышленной кооперацией. 243746

Часть операционной модели — переобучение сотрудников. В публикациях о логистическом плане говорится, что JD обещает готовить курьеров к техническим ролям по мере расширения автоматизации. Это принципиально: крупным паркам машин всё равно требуются обслуживание, выездной сервис, обработка исключений и контроль со стороны людей. 4548

3. Выйти за пределы собственных объектов — к устройствам и домам

Третий слой стратегии — распространение технологий за пределы объектов JD. Компания позиционирует JoyInside как подход к встраиванию ИИ в роботов и бытовые устройства. По имеющимся данным, к технологиям embodied intelligence JD подключились более 200 брендов бытовой техники, товаров для дома и игрушек. 56

Возможность для JD — сделать свои модели и сервисы полезными на множестве физических конечных точек: роботах, автономных машинах доставки, ИИ-игрушках и продуктах умного дома. Теоретически это открывает путь от корпоративной логистики к потребительским устройствам без необходимости производить каждое из них самостоятельно.

Однако охват партнёрской сети не следует принимать за доказательство одинаковых возможностей или реального использования всеми подключёнными продуктами. Публичные материалы не содержат подробной разбивки по активным устройствам, качеству выполнения задач, вовлечённости пользователей или степени, в которой продукты партнёров используют сопоставимые embodied-ИИ-системы. Экосистема стратегически значима, но её фактическую глубину по открытым данным оценить сложно.

Чем подход JD отличается от NVIDIA, Tesla и Anthropic

JD участвует в том же общем переходе к «физическому ИИ», что и другие игроки, но начинает с иной позиции.

• NVIDIA строит технологический стек для разных отраслей: вычисления, симуляцию, мировые модели и ПО для робототехники, рассчитанные на экосистему разработчиков и производителей роботов. В линейке Cosmos акцент сделан на генерации физически корректных синтетических данных и оценке политик управления в симуляции. 14
• Tesla представляет более вертикально интегрированный подход: данные автономного вождения, собственные ИИ-разработки и производство компания сочетает с проектом робота Optimus. 38
• Anthropic идёт через стандарты и интерфейсы: её предварительная исследовательская версия Model Hardware Standard предназначена для подключения таких моделей, как Claude, к научному и производственному оборудованию. 1
• JD развивает модель операторской платформы. Она может развернуть машины в собственных процессах, собирать данные из этих операций, обучать и проверять модели, а затем расширять их применение через партнёров в цепочке поставок и среди производителей устройств. 2223

Потенциальное преимущество JD не в том, что она уже решила задачу универсальной робототехники. Оно в наличии высокочастотных коммерческих сред, где автоматизацию можно внедрять, измерять и обслуживать. Это особенно ценно для структурированных задач — складских операций, сортировки и исполнения заказов в ритейле.

Что реклама в аэропортах и кофейня доказывают — и чего не доказывают

Слоган кампании — «продвинуть ИИ в физический мир» — соответствует стратегии, представленной на JDD, а формат кофейни делает идею понятной потребителю. 383940

Но они не доказывают, что JD создала универсальный embodied AI. Процесс приготовления и выдачи кофе, как и отдельная складская задача, происходит в более контролируемой среде, чем квартира, тротуар или смешанное общественное пространство. Успех в таких условиях не означает, что робот сможет безопасно выполнять неопределённые задачи рядом с людьми.

Главные вопросы без ответа

Окупится ли автоматизация при заявленном масштабе?

Планируемые объёмы закупок демонстрируют намерения, а не окупаемость. Роботизированные парки требуют капитальных затрат, перестройки объектов, зарядной инфраструктуры, сетей, техобслуживания, запасных частей, контроля и отработки сбоев. Публичные материалы не показывают загрузку парка, стоимость одной операции или то, будет ли автоматизация дешевле работы людей в целевом масштабе JD.

Достаточно ли видеоданных для устойчивого обучения роботов?

10 млн часов видео могут стать существенным активом, и JD заявляет о создании полного цикла работы с данными, а не только об их сборе. 1718 Но для обучения embodied AI обычно важен не только объём визуальных материалов. Нужны контекст задач, траектории действий, состояние робота, метки безопасности, данные о редких событиях и надёжная обратная связь из реальных внедрений. Объявления JD описывают важные элементы, но пока не дают публичного подтверждения полной системы обучения и валидации или результатов, по которым можно судить о способности моделей переносить навыки на новые ситуации.

Какую часть технологического стека контролирует сама JD?

Подход с опорой на партнёров может ускорить внедрение и сократить расходы на разработку всех компонентов внутри компании. Обратная сторона — зависимость от поставщиков и партнёров в оборудовании, компонентах и, возможно, ключевых программных слоях. Со временем это способно повлиять на отличимость решений, маржинальность и совместимость систем.

Вывод

Стратегию JD Cloud в «физическом ИИ» разумнее всего воспринимать как ставку на коммерциализацию через реальные операции. Компания намерена объединить масштабные закупки машин, сбор данных, вычислительные ресурсы, модели, сеть RoboBase и партнёрства в устройствах, чтобы ИИ перешёл от цифровых ответов к физическим задачам. 232445

Этот подход выглядит правдоподобным способом масштабировать автоматизацию в уже существующих логистических и розничных средах JD. Но решающая проверка ещё впереди: смогут ли эти внедрения дать достаточно надёжные и недорогие системы, которые в массовом масштабе окажутся эффективнее узкоспециализированной автоматизации или процессов с участием людей.