京東創辦人兼董事局主席劉強東曾表示，技術壁壘本質上係「技術剝削」，京東唔希望 AI 能力只服務單一企業或者國家。呢個理念目前最具體嘅落地方式，就係建立一套由模型、數據、硬件、部署到服務組成嘅全棧策略，並向全球合作夥伴開放部分能力。12

換句話講，京東唔係淨係推出一個聊天機械人，亦唔係單純公開幾組模型權重。佢想建立嘅係一條可以重複運作嘅流程：由真實世界收集數據、訓練模型，再製造同測試機械人，最後放入物流、零售、工業等場景使用。呢套方法有機會降低企業採用 Physical AI（實體人工智能）嘅成本同技術門檻，不過長遠經濟效益，以及生態系統究竟有幾「開放」，暫時仍未有充分獨立驗證。

由大手投資開始，但唔係所有東西一律完全開放

京東披露，2026 年上半年研發投入按年增加 53.2%，資源主要投向 JoyAI 模型矩陣、具身智能、Physical AI 基礎設施同產業應用。公司亦表示，旗下全棧自研 AI 技術將向全球合作夥伴開放。23

目前所謂「開放」有幾種形式：京東將部分模型上載到 Hugging Face 同 GitHub，向超過 8 萬個商戶免費開放數字人直播服務，亦將 EgoLive 人類視角數據集向業界開放。238

但呢件事較適合理解為一項生態策略，而唔係代表每一個組件都以完全相同條款開源。模型權重、訓練資料、數據集、部署系統同商業服務，本身可以有唔同嘅使用限制。對開發者嚟講，關鍵唔只係一個模型係咪被稱為「開源」，而係周邊工具同數據係咪足夠實用，令應用可以真正建立同運行。

真實業務，先係 Physical AI 最難買到嘅數據

Physical AI 所需要嘅，唔係單靠互聯網文字資料就足夠。機械人要理解物件、空間、動作、時間、安全限制，以及自己做完一個動作之後會帶來咩結果。京東認為，自己嘅優勢在於有超過 20 年倉儲、零售同物流經驗，可以反覆接觸呢類真實工作場景。234

公司計劃喺兩年內收集超過 1,000 萬小時第一身及第三身真實世界影片，涵蓋零售、倉儲、物流、工業作業、家庭等場景。京東亦正建設其所稱嘅全球最大具身數據採集中心，並喺宿遷設立具身數據採集社區。1562930

EgoLive 就係呢項計劃目前對外公開嘅一層。京東形容佢係業界最大人類視角數據集；有關首批發布嘅報道指，數據約有 2,000 小時，涵蓋超過 300 項實際操作任務。京東亦向大學、開發者同生態企業定向開放高精度數據集。不過，呢啲規模描述主要來自京東或者業界報道，應該視為公司說法，而唔係已經獨立核實嘅基準結果。45630

京東想建立嘅數據飛輪，大致係咁樣：

1. 真實工人同機械人產生影片及營運數據。
2. 數據用嚟訓練感知、規劃同互動模型。
3. 改良後嘅模型放返入倉庫、配送網絡、工廠同服務場景測試。
4. 實際部署再產生新例外、新任務同效能回饋。
5. 將驗證過嘅能力包裝成工具，提供畀更多用戶同產業。

所以，京東嘅 Physical AI 策略離唔開佢本身營運緊嘅實體業務。開放模型可以降低試驗門檻，但要令 AI 可靠咁「做事」，仲需要真實任務、測試環境，以及量度系統表現嘅基礎設施。

JoyAI 唔係一個巨型單一模型，而係一套組件

京東嘅開放式 AI 計劃涵蓋幾類模型：JoyAI-Echo 主打長篇音視頻生成，JoyAI-VL-Interaction 針對即時視覺語言互動，JoyAI-Video-Edit 就用於串流影片編輯。571118

當中，JoyAI-VL-Interaction 對實體場景尤其有關。佢唔係只回答一張靜態圖片嘅問題，而係處理持續輸入嘅影片。項目同時公開模型、訓練方法、時間對齊互動數據，以及可以部署嘅即時串流系統。技術文件形容，呢套系統係一個 80 億參數、以視覺為先嘅模型，可以處理連續影片，延遲低於一秒。171923

對想圍繞連續鏡頭輸入建立應用嘅開發者嚟講，呢種「連模型加埋整套系統」嘅發布方式，可以減少工程整合工作。呢亦反映京東嘅整體做法：將可重用嘅組件釋出畀外界，同時保留自己喺真實場景訓練、評估同整合方面嘅優勢。

RoboBase：由軟件開放，延伸到機械人製造

單靠模型開放，唔會自動變出一個 Physical AI 產業。機械人仲需要零部件、組裝、測試、系統整合、維修同本地支援。京東嘅 RoboBase 計劃，正正係想補上呢一層產業基礎設施。

首個 RoboBase 設施於 2026 年喺廣州動工。京東表示，項目會支援由研發到製造、應用再到服務嘅完整循環，並計劃喺未來五年於中國布局超過 80 個機械人基地。36810

如果計劃順利，京東嘅角色就唔止係 AI 應用供應商，而可能變成機械人企業嘅基礎設施及服務夥伴，將供應鏈、模型、數據收集、測試場景、生產能力同售後支援放埋一齊。不過，現有報道主要講述公司計劃同定位，對實際營運成果就未有同等程度嘅獨立審核。

物流部署，係測試 AI 能否重複複製嘅關鍵

京東目前主要用自己嘅物流網絡示範 Physical AI。公司及業界報道列出以下例子：

• 「智狼」貨到人方案已部署於超過 60 個倉庫，當中包括海外市場。
• 「異狼」雙臂機械人據報可以喺大約 10 秒內完成辨識、抓取同碼放一件貨物。
• 超過 1,000 部無人配送車於中國超過 20 個省份運行。
• 四川無人機配送網絡覆蓋 78 個村，有部分配送約 7 分鐘完成。81124

呢啲例子涉及倉儲、揀貨、搬運、分揀同最後一公里配送。佢哋嘅戰略意義，唔只係展示自動化，而係想證明「模型加機械人」可以融入一套可重複嘅工作流程，並於多個地點運行，而唔係永遠停留喺實驗室原型階段。24

但要留意，相關證據主要來自公司披露或者業界報道。因此較穩妥嘅結論係：京東已經提出一批具規模嘅部署案例，並以此支持其產業化敘事。至於系統喺成本、安全、運行時間、人工配置等方面，能否長期保持一致表現，仍然要等更多獨立驗證。

生態圈唔止服務京東自己嘅倉庫

京東表示，其產業 AI 智能體服務超過 3,000 家製造商，並可以將數據治理工作由幾個月縮短至幾個鐘。公司亦稱，JoyAvatar 數字人工具已被超過 8 萬個商戶使用，而第二季直播帳號數量按年增加 3 倍。根據公司及業界報道，Aidol Creation Camp 就協助超過 50 款 AI 硬件產品推向市場。28

呢啲項目將目標客戶由物流延伸出去：商戶可以使用數字人主播，製造商可以應用產業智能體，大學同開發者可以使用數據集，硬件初創企業就可以接觸供應鏈及應用支援。理論上，每一個新參與者都會帶來更多部署回饋，亦令底層工具有更大市場。

呢點正正係內部自動化計劃同產業平台策略嘅分別。京東試圖將 AI 能力向外分發，同時透過周邊服務取得價值，包括更有效率嘅履約、更低營運成本、硬件製造、系統整合、商戶增長同產業生產力。

京東仲要證明啲乜？

京東嘅藍圖邏輯相當完整：大手投資整個技術棧，開放部分能力，從真實工作收集數據，訓練 Physical AI 模型，再製造同測試機械人，最後經由已有嘅營運網絡部署。呢個方向亦配合 Physical AI 嘅一個大趨勢：競爭單位開始由單一模型，轉向一套完整系統。3431

但「開放」唔等於一定低成本，而有部署亦唔等於一定帶來持久生產力提升。市場仍然需要獨立評估以下問題：

• 合作夥伴實際上可以幾廣泛使用模型、數據同部署軟件？
• 數據集有冇足夠文件、使用授權及治理保障？
• 系統能否跨越唔同倉庫、國家、產業及硬件平台而穩定運作？
• 計入整合、維護同監督成本後，機械人部署係咪真係降低總營運成本？
• 第三方開發者同製造商可以點樣分享生態系統創造嘅價值？

現階段，京東最清晰嘅押注係：AI 要同真實工作連接，先至會變得更加有用，亦有機會更容易被更多企業採用。開放模型同數據集只係表面一層；真正想建立嘅護城河，係底下嗰個完整循環——營運數據、已驗證工作流程、製造能力、部署規模同服務基礎設施。

京東創辦人兼董事局主席劉強東曾表示，技術壁壘本質上係「技術剝削」，京東唔希望 AI 能力只服務單一企業或者國家。呢個理念目前最具體嘅落地方式，就係建立一套由模型、數據、硬件、部署到服務組成嘅全棧策略，並向全球合作夥伴開放部分能力。12

換句話講，京東唔係淨係推出一個聊天機械人，亦唔係單純公開幾組模型權重。佢想建立嘅係一條可以重複運作嘅流程：由真實世界收集數據、訓練模型，再製造同測試機械人，最後放入物流、零售、工業等場景使用。呢套方法有機會降低企業採用 Physical AI（實體人工智能）嘅成本同技術門檻，不過長遠經濟效益，以及生態系統究竟有幾「開放」，暫時仍未有充分獨立驗證。

由大手投資開始，但唔係所有東西一律完全開放

京東披露，2026 年上半年研發投入按年增加 53.2%，資源主要投向 JoyAI 模型矩陣、具身智能、Physical AI 基礎設施同產業應用。公司亦表示，旗下全棧自研 AI 技術將向全球合作夥伴開放。23

目前所謂「開放」有幾種形式：京東將部分模型上載到 Hugging Face 同 GitHub，向超過 8 萬個商戶免費開放數字人直播服務，亦將 EgoLive 人類視角數據集向業界開放。238

但呢件事較適合理解為一項生態策略，而唔係代表每一個組件都以完全相同條款開源。模型權重、訓練資料、數據集、部署系統同商業服務，本身可以有唔同嘅使用限制。對開發者嚟講，關鍵唔只係一個模型係咪被稱為「開源」，而係周邊工具同數據係咪足夠實用，令應用可以真正建立同運行。

真實業務，先係 Physical AI 最難買到嘅數據

Physical AI 所需要嘅，唔係單靠互聯網文字資料就足夠。機械人要理解物件、空間、動作、時間、安全限制，以及自己做完一個動作之後會帶來咩結果。京東認為，自己嘅優勢在於有超過 20 年倉儲、零售同物流經驗，可以反覆接觸呢類真實工作場景。234

公司計劃喺兩年內收集超過 1,000 萬小時第一身及第三身真實世界影片，涵蓋零售、倉儲、物流、工業作業、家庭等場景。京東亦正建設其所稱嘅全球最大具身數據採集中心，並喺宿遷設立具身數據採集社區。1562930

EgoLive 就係呢項計劃目前對外公開嘅一層。京東形容佢係業界最大人類視角數據集；有關首批發布嘅報道指，數據約有 2,000 小時，涵蓋超過 300 項實際操作任務。京東亦向大學、開發者同生態企業定向開放高精度數據集。不過，呢啲規模描述主要來自京東或者業界報道，應該視為公司說法，而唔係已經獨立核實嘅基準結果。45630

京東想建立嘅數據飛輪，大致係咁樣：

1. 真實工人同機械人產生影片及營運數據。
2. 數據用嚟訓練感知、規劃同互動模型。
3. 改良後嘅模型放返入倉庫、配送網絡、工廠同服務場景測試。
4. 實際部署再產生新例外、新任務同效能回饋。
5. 將驗證過嘅能力包裝成工具，提供畀更多用戶同產業。

所以，京東嘅 Physical AI 策略離唔開佢本身營運緊嘅實體業務。開放模型可以降低試驗門檻，但要令 AI 可靠咁「做事」，仲需要真實任務、測試環境，以及量度系統表現嘅基礎設施。

JoyAI 唔係一個巨型單一模型，而係一套組件

京東嘅開放式 AI 計劃涵蓋幾類模型：JoyAI-Echo 主打長篇音視頻生成，JoyAI-VL-Interaction 針對即時視覺語言互動，JoyAI-Video-Edit 就用於串流影片編輯。571118

當中，JoyAI-VL-Interaction 對實體場景尤其有關。佢唔係只回答一張靜態圖片嘅問題，而係處理持續輸入嘅影片。項目同時公開模型、訓練方法、時間對齊互動數據，以及可以部署嘅即時串流系統。技術文件形容，呢套系統係一個 80 億參數、以視覺為先嘅模型，可以處理連續影片，延遲低於一秒。171923

對想圍繞連續鏡頭輸入建立應用嘅開發者嚟講，呢種「連模型加埋整套系統」嘅發布方式，可以減少工程整合工作。呢亦反映京東嘅整體做法：將可重用嘅組件釋出畀外界，同時保留自己喺真實場景訓練、評估同整合方面嘅優勢。

RoboBase：由軟件開放，延伸到機械人製造

單靠模型開放，唔會自動變出一個 Physical AI 產業。機械人仲需要零部件、組裝、測試、系統整合、維修同本地支援。京東嘅 RoboBase 計劃，正正係想補上呢一層產業基礎設施。

首個 RoboBase 設施於 2026 年喺廣州動工。京東表示，項目會支援由研發到製造、應用再到服務嘅完整循環，並計劃喺未來五年於中國布局超過 80 個機械人基地。36810

如果計劃順利，京東嘅角色就唔止係 AI 應用供應商，而可能變成機械人企業嘅基礎設施及服務夥伴，將供應鏈、模型、數據收集、測試場景、生產能力同售後支援放埋一齊。不過，現有報道主要講述公司計劃同定位，對實際營運成果就未有同等程度嘅獨立審核。

物流部署，係測試 AI 能否重複複製嘅關鍵

京東目前主要用自己嘅物流網絡示範 Physical AI。公司及業界報道列出以下例子：

• 「智狼」貨到人方案已部署於超過 60 個倉庫，當中包括海外市場。
• 「異狼」雙臂機械人據報可以喺大約 10 秒內完成辨識、抓取同碼放一件貨物。
• 超過 1,000 部無人配送車於中國超過 20 個省份運行。
• 四川無人機配送網絡覆蓋 78 個村，有部分配送約 7 分鐘完成。81124

呢啲例子涉及倉儲、揀貨、搬運、分揀同最後一公里配送。佢哋嘅戰略意義，唔只係展示自動化，而係想證明「模型加機械人」可以融入一套可重複嘅工作流程，並於多個地點運行，而唔係永遠停留喺實驗室原型階段。24

但要留意，相關證據主要來自公司披露或者業界報道。因此較穩妥嘅結論係：京東已經提出一批具規模嘅部署案例，並以此支持其產業化敘事。至於系統喺成本、安全、運行時間、人工配置等方面，能否長期保持一致表現，仍然要等更多獨立驗證。

生態圈唔止服務京東自己嘅倉庫

京東表示，其產業 AI 智能體服務超過 3,000 家製造商，並可以將數據治理工作由幾個月縮短至幾個鐘。公司亦稱，JoyAvatar 數字人工具已被超過 8 萬個商戶使用，而第二季直播帳號數量按年增加 3 倍。根據公司及業界報道，Aidol Creation Camp 就協助超過 50 款 AI 硬件產品推向市場。28

呢啲項目將目標客戶由物流延伸出去：商戶可以使用數字人主播，製造商可以應用產業智能體，大學同開發者可以使用數據集，硬件初創企業就可以接觸供應鏈及應用支援。理論上，每一個新參與者都會帶來更多部署回饋，亦令底層工具有更大市場。

呢點正正係內部自動化計劃同產業平台策略嘅分別。京東試圖將 AI 能力向外分發，同時透過周邊服務取得價值，包括更有效率嘅履約、更低營運成本、硬件製造、系統整合、商戶增長同產業生產力。

京東仲要證明啲乜？

京東嘅藍圖邏輯相當完整：大手投資整個技術棧，開放部分能力，從真實工作收集數據，訓練 Physical AI 模型，再製造同測試機械人，最後經由已有嘅營運網絡部署。呢個方向亦配合 Physical AI 嘅一個大趨勢：競爭單位開始由單一模型，轉向一套完整系統。3431

但「開放」唔等於一定低成本，而有部署亦唔等於一定帶來持久生產力提升。市場仍然需要獨立評估以下問題：

• 合作夥伴實際上可以幾廣泛使用模型、數據同部署軟件？
• 數據集有冇足夠文件、使用授權及治理保障？
• 系統能否跨越唔同倉庫、國家、產業及硬件平台而穩定運作？
• 計入整合、維護同監督成本後，機械人部署係咪真係降低總營運成本？
• 第三方開發者同製造商可以點樣分享生態系統創造嘅價值？

現階段，京東最清晰嘅押注係：AI 要同真實工作連接，先至會變得更加有用，亦有機會更容易被更多企業採用。開放模型同數據集只係表面一層；真正想建立嘅護城河，係底下嗰個完整循環——營運數據、已驗證工作流程、製造能力、部署規模同服務基礎設施。