京東雲押注「物理 AI」：由物流自動化到實體世界營運平台

京東雲近期喺多地機場打出「把 AI 推向物理世界」廣告，又同七鮮咖啡展示由落單、製作到交收都毋須店員嘅流程；配合 9 月 9 日以「JoyAI・躍遷物理世界」為主題嘅 JDD 大會，訊息相當清楚：京東唔想 AI 只係喺螢幕上答問題或生成內容，而係要佢喺倉庫、配送路線、零售店同家居裝置中「睇到、判斷到、做到」。383940

所謂「物理 AI」（亦常稱為具身 AI），即係透過有感測器同執行部件嘅機器，例如機械人、自動駕駛車同無人機，喺真實環境中運作嘅 AI 系統。5

一句講晒策略：先掌握場景，再規模化智能

京東喺 JDD 2026 提出打造「全球最大物理世界營運平台」，核心係「超級 AI 供應鏈」：雲、數、模、端、場、鏈六個環節互相扣連。換句話講，京東嘅賭注唔只係訓練一個更強模型，而係把算力、真實數據、機械設備、落地場景同供應鏈服務砌成閉環。222324

所以，無人咖啡店就算規模有限，戰略上仍有作用：佢用一個消費者易理解嘅場景，示範 AI 同自動化由數碼介面走到實體流程。之後同一套思路可延伸到倉儲、分揀、配送、零售、工業服務甚至智能家居。3940

1. 先用超大採購量，製造機械人需求

最實在嘅一環，係京東物流提出未來 5 年計劃採購 300 萬部機械人、100 萬輛無人車及 10 萬架配送無人機，用於倉儲、分揀、運輸及派送。要留意，呢啲係目標，不代表已經部署完成。454647

呢個數字唔單止關乎京東自己慳人手：

• 京東可以成為機械人本體、零件、維修及軟件供應商嘅大型客戶；
• 大量真實部署，提供反覆測試可靠性、改善作業流程嘅機會；
• 京東可圍繞機械人行業建立銷售、物流同售後服務能力。

「物理 AI 加速計劃」涵蓋數據、基地、製造、銷售、物流同服務六個方向，反映京東定位自己唔止係自動化設備買家，而係想做機械人產業嘅基建同商業化渠道。333437

2. 用日常營運，形成數據—部署飛輪

第二層係具身 AI 數據管線。京東計劃兩年內收集超過 1,000 萬小時真人真實場景影片，並表示已建設覆蓋「採、存、標、訓、評、仿、測」嘅數據基建，即收集、儲存、標註、訓練、評估、模擬同測試。171821

另外，京東計劃建設國產 10 萬卡算力集群，並推出可互動視聽世界模型 JoyAI-Echo WM；公司將其放入涵蓋多模態、世界模型及具身模型嘅 AI 技術棧之中。172123

預期中嘅循環係：

1. 從物流、零售、配送及服務等現場記錄任務；
2. 把營運素材轉成訓練及評估模型嘅數據；
3. 喺京東實際業務環境測試模型同機器；
4. 再利用部署結果，改進下一輪模型、設備同工作流程。

RoboBase 網絡就係為呢個循環提供支撐。京東表示未來 5 年會喺中國建立超過 80 個 RoboBase 機械人產業基地，涵蓋產業支援同機械人全生命週期服務。243746

人手轉型亦係計劃一部分。有報道指，京東承諾隨住自動化擴張，會培訓快遞員轉做技術職位。始終即使機械人數量再多，維修、現場服務、異常處理同人員監督都仍然需要人手。4548

3. 由京東場內，伸延到機械人同家庭裝置

第三層係將能力推向京東自家設施以外。JoyInside 被定位為植入式 AI 方案，服務機械人及家居裝置；報道指已有超過 200 個家電、家居及玩具品牌接入京東具身智能技術。56

理想情況下，京東毋須親自生產每一部終端，都可以令模型同服務覆蓋機械人、無人配送設備、AI 玩具及智能家居產品，從企業物流一路延展到消費級裝置。

不過，合作品牌數量唔等於所有產品都具備同等能力，亦唔等於有同樣活躍度。現有公開資料未有詳細交代實際啟用裝置數目、任務表現、用戶使用情況，或者各合作產品採用具身 AI 嘅深度；生態規模有戰略價值，但實際營運成效仍難以從公開披露完整判斷。

同 NVIDIA、Tesla、Anthropic 有咩分別？

大家都押注 AI 由數碼世界走進實體世界，但起步點唔同：

• NVIDIA 主攻跨行業技術棧：算力、模擬、世界模型同機械人軟件，服務開發者及機械人廠商。其 Cosmos 新版本強調以符合物理規律嘅合成數據，支援模擬中的機械人策略評估。14
• Tesla 走得較垂直整合，嘗試結合自動駕駛數據、內部 AI、製造能力同 Optimus 機械人項目。38
• Anthropic 則由介面及標準切入，推出仍屬研究預覽嘅 Model Hardware Standard，希望將 Claude 等模型接駁到科學及製造設備。1
• 京東 更似「營運商平台」：喺自己嘅工作流程中部署機器、從營運中取得數據、訓練及驗證模型，再透過供應鏈同裝置夥伴把能力推出市場。2223

京東潛在優勢唔在於已經解決通用機械人難題，而在於佢本身已有高頻而具商業價值嘅營運環境，方便部署、量度同維修自動化系統。對倉儲、分揀、零售履約等相對結構化嘅工作，呢種條件尤其有利。

機場廣告同無人咖啡店，證明到乜、證明唔到乜？

「把 AI 推向物理世界」同 JDD 策略一致，而無人咖啡店就將抽象概念變成市民睇得明嘅體驗。383940

但佢哋唔代表京東已經做到通用具身智能。咖啡製作流程同倉庫作業，環境比住宅、行人路或人流複雜嘅公共場所受控得多；喺受控環境成功，唔會自然等於機械人可安全處理人類身邊各種開放式任務。

真正要過嘅三關

1. 大規模之下，條數計唔計得掂？

龐大採購目標顯示決心，唔等於已證明投資回報。機械人車隊涉及採購成本、場地改造、充電、網絡、零件、維護、監管同故障復原。現有公開資料未有交代車隊使用率、每項任務成本，或者自動化喺目標規模下係咪真係比人手便宜。

2. 大量影片，夠唔夠訓練可靠機械人？

1,000 萬小時真實影片可以係重要資產，而京東亦表明會建立完整數據流程，而唔係只收集片段。1718 但要訓練實用具身 AI，通常仲要有任務背景、動作軌跡、機械人狀態、安全標籤、罕見事故資料，以及由實際部署回流嘅可信反饋。京東公布咗重要基建組件，但尚未公開完整訓練—驗證系統或足以判斷泛化能力嘅表現數據。

3. 京東實際掌握幾多技術棧？

靠夥伴可以加快推廣，亦毋須由零開始研發每個零件；代價係對機械硬件、核心零組件甚至某些軟件層面會依賴供應商。長遠而言，呢點可能影響差異化、毛利同不同設備之間嘅相容性。

總結

京東雲嘅物理 AI 策略，本質上係一場以真實營運做核心嘅商業化部署：以大規模採購機器、收集實體數據、投入算力同模型、建立 RoboBase 支援網絡，再接駁消費裝置夥伴，令 AI 真正參與實體任務。232445

呢條路對京東既有嘅供應鏈、物流同零售場景相當合理。但最後勝負，仍取決於呢些部署可唔可以做出夠可靠、夠便宜嘅系統，喺大規模下勝過較專門嘅自動化工具，甚至勝過傳統人手流程。