京东云“物理AI”拼图渐成形：从机器人咖啡到全链路部署，但系统仍待验证

JDD 2026召开前，京东云正把“物理AI”推向台前：这不是停留在屏幕中的对话式AI，而是能够在现实世界中感知、决策并执行动作的智能系统。京东押注的并非某一款人形机器人，而是一套围绕硬件渠道、训练数据、模型、仿真、部署场景和维护服务展开的运营栈。

这是一项颇具产业纵深的布局，但现有公开信息更能证明京东已启动一批彼此关联的项目，尚不足以证明其已经拥有一个通用、统一的物理AI操作系统。3754

京东想形成怎样的闭环？

京东的独特之处，在于它本就拥有机器人可以训练和落地的场所：物流网络、零售门店、电商消费场景以及家庭。其设想中的循环大致如下：

1. 采集真实工作和家庭活动中的人类操作数据；
2. 清洗、标注数据，并用于仿真和模型训练；
3. 在零售、物流及家庭设备场景中测试系统；
4. 借助广泛的销售和服务网络完成机器人交付、维修与升级；
5. 将运行中的新经验回流，进入下一轮训练与部署。

京东已公开描述了一套覆盖“采、存、标、训、评、仿、测”的具身数据基础设施，并推出JoyAI-RA具身模型及JoyEgoCam采集设备。54

先让“物理AI”被看见：机场广告与机器人咖啡店

这一轮传播中，最显眼的是品牌表达。JDD前夕，京东云以全国机场广告宣传“AI进入物理世界”，将重点从数字界面延伸至现实中的工作和服务。37

更具象的展示，是北京银河SOHO的七鲜咖啡24小时智能无人店。该门店于2026年8月16日开业，机器人负责咖啡饮品制作的全流程，包括研磨、萃取、调制和出杯。京东称，该店一小时服务了202杯饮品。1432

这对于受控零售场景而言是有意义的部署验证：订单、标准化操作流程和自动交付被结合在一起。不过，它不能直接等同于通用机器人自主能力的证明。咖啡制作产线的环境高度结构化，与处理仓库异常、适应陌生家庭或应对公共街道相比，难度并不在同一量级。

机器人不只自研，还要卖出去、用起来

京东也在将自身定位为机器人商业化渠道，而不只是开发者或运营方。在2026世界机器人大会上，京东表示，计划到2028年在机器人领域投入100亿元资源，与超过200个机器人品牌合作，并帮助100个品牌实现各自销售额突破10亿元。10

物流业务则提供潜在的部署规模。京东物流此前宣布，计划在2030年前采购300万台机器人、100万台无人车和10万架无人机。2324

两条线结合后，即使大量机器人仍运行合作伙伴自己的控制系统，京东也可能获得重要位置：成为连接机器与用户的一层，为机器提供实际运营环境，并通过服务体系降低用户的持有和使用门槛。

RoboBase与转岗培训：补上“落地后”的难题

机器人卖出去，并不意味着一个产业平台已经形成。安装、备件、维修、保养、调试和本地化支持，往往才是大规模部署中最不显眼、也最难绕开的环节。

京东计划建设80个RoboBase机器人基地，并在超过100个国家建立售后服务能力，未来5年创造超过10万个机器人售后服务工程师岗位。按其规划，RoboBase可覆盖展示、交付、维修保养、研发设计、中试组装、数据采集和生产制造升级等服务。1022

此外，据报道，京东已与约120所国内学校签约，为快递员等群体提供机器人维修、保养等方向的技能培训。2124

这项安排具有战略意义：大规模机器人运营不仅需要模型，也需要线下运维能力。但这仍是计划和承诺。公开资料尚不能说明基地建设完成情况、培训后的就业质量和安置效果，以及新增服务岗位能否与自动化影响的岗位规模相匹配。

数据引擎：让机器人从真实工作中学习

具身数据是京东“物理AI”叙事的核心。其头戴式设备JoyEgoCam用于记录第一人称操作过程；京东称，数据会经过校准、文本描述、姿态估计、深度重建、手部分割和自动标注等处理，转化为可供机器人学习的训练材料。47

京东已开源首批EgoLive数据集，包含约2000小时第一人称数据、65,866段任务片段和346项真实世界任务。同时，京东表示计划在两年内采集超过1000万小时高质量机器人训练数据，覆盖零售、物流、医疗和服务等现实场景。478

其实际逻辑并不复杂：人类员工先在真实场景中示范任务，模型从数据中学习；仿真扩展并评估学习结果；真机验证；运行中产生的新数据再回流。京东将这一流程描述为从人类操作数据，到仿真操作数据，再到真机操作数据的路径。4854

但数据规模本身不是机器人能力的成绩单。第一人称视频有助于理解任务语境、物体关系和工作流，却不能自动提供机器人稳定行动所需的全部信息，例如自身关节状态、接触力、精确控制轨迹，以及动作失败后的恢复策略。决定性证据仍应是外界能够理解和核验的任务成功率、安全性、泛化能力与成本表现。

JoyAI、仿真与真实部署场景

在软件层，京东将相关能力归入JoyAI体系。在2026世界人工智能大会（WAIC）上，京东展示了JoyAI模型矩阵与EgoLive数据集，并提出一条路径：数据提供真实世界经验，模型负责理解和决策，终端与场景承接行动和服务。9

京东也将JoyAI-RA定义为具身视觉—语言—动作模型，并把它与EgoLive和RoboBase项目关联到物理世界应用中。2 RoboBase、零售门店和物流园区的价值在于，它们可能给予京东许多AI实验室不具备的能力：长期、反复地接触可测试、可维护、可观察的真实环境。

这正是其潜在飞轮的核心。不过，现有公开描述尚未显示所有环节都采用共同的运行时、数据标准、安全策略、权限体系或更新机制。因此，“全栈”目前更适合被理解为一项愿景和基础设施路线图，而非一个已经验证的统一平台。

JoyInside把触角伸向家庭

面向消费者的一端，JoyInside试图成为AI模型与日常设备之间的连接层。京东已展示JoyInside“AI Home”，并预计到2026年底，生态内连接的设备和机器人将超过1000万台。18

家庭既可能是AI服务的重要终端，也可能产生大量关于人机互动的反馈。但家庭环境也比零售门店更复杂：设备来自不同厂商、运行不同软件，并且会触及高度私密的生活场景。

JDD之后仍需回答的五个问题

京东的物理AI战略并非只是会议口号：它确实在投入部署场景、机器人渠道、服务网络、数据采集和消费设备连接。真正悬而未决的是，这些资产能否被整合为一个连贯的系统。

1. 互联互通是否成立？

一台通过京东销售、由RoboBase支持、使用京东数据系统训练、并连接JoyInside的机器人，能否共享统一的身份认证、权限管理、软件更新和安全机制？公开公告证明了各组件存在，但没有证明它们已作为一个平台协同工作。

2. 能否在非受控环境中可靠行动？

高吞吐量的无人咖啡店证明了设计好的环境中可以稳定执行固定流程，却不能证明机器人能在陌生家庭、仓库、门店以及不同机器人本体上可靠完成操作、导航和故障恢复。京东若要进一步证明能力，需要披露清晰的任务完成率、人工介入率、事故率和在线运行时间等指标。

3. 京东原生AI与伙伴集成的边界在哪里？

与200多个机器人品牌合作，可能形成强大的市场和服务平台。10 但也带来一个基础架构问题：感知、规划、操作、机队管理和自主控制中，哪些是JoyAI的原生能力，哪些仍由各合作伙伴自己的技术栈承担？

4. 经济账与就业转型能否算清？

物理AI的经济性，不能只看硬件采购成本，还要计算维护、停机、保险、合规、责任划分和长尾异常处理。转岗培训值得关注，但目前尚无公开证据说明新增维护岗位是否能抵消受影响的工作岗位，或是否能形成可持续的职业转换。

5. 数据权利与隐私如何治理？

当训练数据来自员工和家庭的真实活动时，知情同意、报酬、保存期限、二次使用和访问控制就不能只是附属议题。现有公告描述了大规模采集与处理计划，但尚未充分说明，在庞大的商业生态中如何治理这些数据权利。54

结论

京东云正在建设物理AI的许多必要条件：市场触达、机器人分销、规模采购、真实世界数据、仿真、部署场地、智能设备入口和维护能力。它最突出的潜在优势，或许正是能把这些层次连接到既有的电商与物流运营之中。

但就目前而言，证据更支持“物理AI基础设施建设正在加速”，而非“通用机器人与设备操作系统已经得到验证”。JDD及其后的关键观察点，应当是可量化的闭环表现：机器能否在多样化环境中安全、可靠且经济地工作，以及京东能否清楚说明数据、模型、硬件与服务层之间究竟如何协同。