京東雲在 2026 年 9 月 JDD 大會前的宣傳，將物理 AI描述為能離開螢幕、進入現實世界感知、決策與行動的 AI。它押注的並非單一人形機器人，而是一套涵蓋硬體通路、訓練資料、模型、模擬、部署環境與維修服務的營運堆疊。這是一項規模可觀的產業策略；不過，就目前公開資訊來看，京東展示的仍是一系列彼此相連的布局，尚非已被證實的通用物理 AI 系統。3754

先看全貌：京東想建立什麼循環？

京東的優勢在於，它本來就掌握物理 AI 可訓練、可落地的場域：物流網絡、零售據點、消費電商與家庭裝置。其預想中的循環大致如下：

1. 蒐集真實工作與家庭活動資料。
2. 清理、標註資料，並用於模擬與模型訓練。
3. 在零售、物流與家用設備環境測試系統。
4. 透過廣泛服務網絡銷售、部署、維修與更新機器人。
5. 將實際運作經驗回饋到下一輪資料與模型迭代。

京東已公開描述一套涵蓋蒐集、儲存、標註、訓練、評測、模擬及真機測試的具身資料基礎設施，並搭配 JoyAI-RA 具身模型與 JoyEgoCam 採集裝置。54

從抽象口號，走到看得見的展示

最面向大眾的一層是品牌行銷。JDD 前夕，京東雲「讓 AI 進入物理世界」的宣傳語出現在全國機場廣告中，傳達其希望 AI 從數位介面走向實體工作與服務的方向。37

更具體的展示，是北京銀河 SOHO 的 7FRESH Coffee 24 小時無人機器人店。該店於 2026 年 8 月 16 日開幕，從磨豆、萃取濃縮咖啡、調製到出杯，皆由機器人完成；京東稱，該店曾在 1 小時內服務 202 杯飲品。1432

這對於高度受控的零售場景確實具意義：點餐、可重複的實體流程與自動履約被整合在一起。但它不應被直接視為廣泛機器人自主能力的證明。咖啡產線遠比處理倉儲突發狀況、陌生住家環境或公共道路來得結構化。

機器人通路與大規模需求：京東不只想做開發商

京東也把自己定位成機器人的商業通路，而不只是開發者或使用者。在 2026 世界機器人大会上，京東表示，計畫在 2028 年前向機器人領域投入人民幣 100 億元資源、與超過 200 個機器人品牌合作，並協助 100 個品牌各自達成超過人民幣 10 億元銷售額。10

物流端則提供潛在的大規模部署需求。京東物流先前宣布，計畫在 2030 年前採購300 萬台機器人、100 萬台自動駕駛車輛與 10 萬架無人機。2324

兩者合在一起，即使許多機器人仍採用合作夥伴自己的控制系統，京東仍可能取得重要影響力：它可以成為將機器帶給客戶、提供實際營運場域，並透過售後服務降低持有門檻的一層。

RoboBase 與轉職培訓，瞄準部署後最不顯眼的難題

機器人被賣出去，不等於已形成產業平台。它們還需要安裝、零件、維修、保養、測試與在地支援。京東表示，將設立 80 個 RoboBase 基地、建立覆蓋超過 100 個國家的售後服務能力，並在 5 年內提供超過 10 萬個機器人售後服務工程師職位。規劃中的基地服務涵蓋展示、交付、維保、研發、中試組裝、資料採集與製造升級。1022

此外，京東據報已與中國約 120 所學校簽約，為快遞員等人員提供機器人維修與保養等技能的再培訓。2124

這點具有戰略意義：大型機器人機隊需要現場營運能力，並不亞於需要 AI 模型。不過，這些目前仍多屬規劃與承諾；公開資料尚不足以判斷完成進度、職位品質、轉職安置成效，或新服務職缺能否對應自動化所改變的工作規模。

資料引擎：讓機器人從真實工作中學習

資料管線是京東物理 AI 敘事的核心。JoyEgoCam 是一套頭戴式採集系統，用來記錄第一人稱的任務執行過程。京東描述，資料會經過校正、文字描述、姿態估計、深度重建、手部切割與自動標註等處理程序。47

京東已釋出首批 EgoLive 資料集，約含2,000 小時第一人稱資料、65,866 段任務片段與346 項真實世界任務。公司也表示，目標是在兩年內蒐集超過1,000 萬小時高品質機器人訓練資料，涵蓋零售、物流、醫療與服務等真實場景。478

其實務邏輯相當清楚：人類工作者在真實場所示範任務；模型從產生的資料中學習；模擬系統擴增並評估學習成果；實體機器再做驗證；新的營運資料回流管線。京東將這個較完整的流程描述為從人類操作資料，走向模擬，再走向真機操作的路徑。4854

不過，資料量本身不是機器人能力的成績單。第一人稱影片有助於理解任務脈絡、物件關係與工作流程，但不會自動提供機器人可靠行動所需的全部資訊，例如本體關節狀態、接觸力、精確控制軌跡，或動作失敗後的復原策略。關鍵證據應是可獨立理解的任務成功率、安全性、泛化能力與成本成果。

模型、模擬與真實部署場域

京東將這套軟體能力放在 JoyAI 品牌之下。在 WAIC 2026，京東展示 JoyAI 模型矩陣與 EgoLive 資料集，並提出一條路徑：資料提供真實世界經驗，模型負責理解與決策，裝置及場景承接實際行動與服務。9

公司也將 JoyAI-RA 定位為具身視覺—語言—動作模型，並將其與 EgoLive、RoboBase 專案連結到物理世界應用。2 RoboBase、零售據點與物流設施，可能讓京東取得不少 AI 實驗室欠缺的條件：長期、重複地進入可測試、可維修、可觀察的真實場域。

這個潛在飛輪正是策略核心。然而公開說明尚未顯示，每個組件是否已共用同一執行環境、資料標準、安全政策、權限模型或更新機制。在這種整合能力明確可見以前，「全棧」更適合被理解為目標與基礎建設路線圖，而非一個已統一的平台。

JoyInside：把策略延伸到家庭

面向消費者的一端，JoyInside 是京東連接 AI 模型與日常裝置的橋樑。京東展示過 JoyInside AI Home，並預期到 2026 年底，將有超過1,000 萬台裝置與機器人接入該生態系。18

這很重要，因為家庭既可能成為 AI 服務的重要終端，也可提供人與裝置真實互動的回饋。但家庭的營運環境也比受控零售場域更困難：設備可能來自不同製造商、採用不同軟體，且往往涉及高度私密的個人情境。

JDD 仍需要回答的五個問題

京東的物理 AI 策略不只是大會口號，因為它確實投入了可見的資產：部署場域、機器人通路、服務網絡、資料採集與消費裝置整合。真正尚待回答的是，這些資產能否成為一套協同運作的系統。

1. 互通性

經由京東銷售、由 RoboBase 支援、使用京東資料系統訓練、再接入 JoyInside 的機器人，能否真正共用身分識別、權限、更新與安全層？目前公告證明了各個元件存在，尚未證明它們已作為同一平台運作。

2. 在受控流程以外的可靠行動

創紀錄的咖啡店顯示了設計過環境中的產能，卻不能證明機器人能在陌生住家、倉庫、商店，以及不同機器人本體上，可靠地完成操作、導航與故障復原。京東若要讓論點更有說服力，應公開任務完成率、人為介入率、事故率與稼動率等指標。

3. 京東 AI 與合作夥伴整合的界線

與超過 200 個機器人品牌合作，有機會造就強大的市集與服務平台。10 但這也帶來基本的架構問題：感知、規劃、操作、機隊管理與自主性等能力中，哪些是 JoyAI 原生功能，哪些仍由各合作夥伴的技術堆疊負責？

4. 經濟效益與勞動轉型

物理 AI 必須在把硬體採購、維修、停機、保險、法規與長尾例外處理成本都納入後，仍能成立。京東的再培訓承諾值得注意，但尚無公開證據顯示，新增維保職位是否能彌補被改變的工作，或能否帶來可持續的職涯轉換。

5. 資料權利與隱私

以工作者與家庭的真實活動訓練系統，代表同意、報酬、保存期限、再利用與存取控管不應只是附帶議題，而是核心問題。現有公告描述了廣泛的蒐集與處理計畫，但尚未說明大型商業生態系中將如何治理資料權利。54

結論

京東雲正在建立物理 AI 的許多先決條件：市場需求、機器人通路、機隊採購、真實世界資料、模擬、部署據點、智慧裝置終端與維保能力。其最鮮明的差異化，或許在於能將這些層面連接既有的電商與物流營運。

但現階段的證據支持的是一項物理 AI 基礎建設布局，而不是一套已獲證實、可通用於機器人與裝置的作業系統。JDD 及其後最值得觀察的訊號，將是可量測的閉環成果：機器能否在多樣環境中安全、可靠且符合經濟效益地運作，以及京東能否清楚說明資料、模型、硬體與服務層如何互通。

京東雲在 2026 年 9 月 JDD 大會前的宣傳，將物理 AI描述為能離開螢幕、進入現實世界感知、決策與行動的 AI。它押注的並非單一人形機器人，而是一套涵蓋硬體通路、訓練資料、模型、模擬、部署環境與維修服務的營運堆疊。這是一項規模可觀的產業策略；不過，就目前公開資訊來看，京東展示的仍是一系列彼此相連的布局，尚非已被證實的通用物理 AI 系統。3754

先看全貌：京東想建立什麼循環？

京東的優勢在於，它本來就掌握物理 AI 可訓練、可落地的場域：物流網絡、零售據點、消費電商與家庭裝置。其預想中的循環大致如下：

1. 蒐集真實工作與家庭活動資料。
2. 清理、標註資料，並用於模擬與模型訓練。
3. 在零售、物流與家用設備環境測試系統。
4. 透過廣泛服務網絡銷售、部署、維修與更新機器人。
5. 將實際運作經驗回饋到下一輪資料與模型迭代。

京東已公開描述一套涵蓋蒐集、儲存、標註、訓練、評測、模擬及真機測試的具身資料基礎設施，並搭配 JoyAI-RA 具身模型與 JoyEgoCam 採集裝置。54

從抽象口號，走到看得見的展示

最面向大眾的一層是品牌行銷。JDD 前夕，京東雲「讓 AI 進入物理世界」的宣傳語出現在全國機場廣告中，傳達其希望 AI 從數位介面走向實體工作與服務的方向。37

更具體的展示，是北京銀河 SOHO 的 7FRESH Coffee 24 小時無人機器人店。該店於 2026 年 8 月 16 日開幕，從磨豆、萃取濃縮咖啡、調製到出杯，皆由機器人完成；京東稱，該店曾在 1 小時內服務 202 杯飲品。1432

這對於高度受控的零售場景確實具意義：點餐、可重複的實體流程與自動履約被整合在一起。但它不應被直接視為廣泛機器人自主能力的證明。咖啡產線遠比處理倉儲突發狀況、陌生住家環境或公共道路來得結構化。

機器人通路與大規模需求：京東不只想做開發商

京東也把自己定位成機器人的商業通路，而不只是開發者或使用者。在 2026 世界機器人大会上，京東表示，計畫在 2028 年前向機器人領域投入人民幣 100 億元資源、與超過 200 個機器人品牌合作，並協助 100 個品牌各自達成超過人民幣 10 億元銷售額。10

物流端則提供潛在的大規模部署需求。京東物流先前宣布，計畫在 2030 年前採購300 萬台機器人、100 萬台自動駕駛車輛與 10 萬架無人機。2324

兩者合在一起，即使許多機器人仍採用合作夥伴自己的控制系統，京東仍可能取得重要影響力：它可以成為將機器帶給客戶、提供實際營運場域，並透過售後服務降低持有門檻的一層。

RoboBase 與轉職培訓，瞄準部署後最不顯眼的難題

機器人被賣出去，不等於已形成產業平台。它們還需要安裝、零件、維修、保養、測試與在地支援。京東表示，將設立 80 個 RoboBase 基地、建立覆蓋超過 100 個國家的售後服務能力，並在 5 年內提供超過 10 萬個機器人售後服務工程師職位。規劃中的基地服務涵蓋展示、交付、維保、研發、中試組裝、資料採集與製造升級。1022

此外，京東據報已與中國約 120 所學校簽約，為快遞員等人員提供機器人維修與保養等技能的再培訓。2124

這點具有戰略意義：大型機器人機隊需要現場營運能力，並不亞於需要 AI 模型。不過，這些目前仍多屬規劃與承諾；公開資料尚不足以判斷完成進度、職位品質、轉職安置成效，或新服務職缺能否對應自動化所改變的工作規模。

資料引擎：讓機器人從真實工作中學習

資料管線是京東物理 AI 敘事的核心。JoyEgoCam 是一套頭戴式採集系統，用來記錄第一人稱的任務執行過程。京東描述，資料會經過校正、文字描述、姿態估計、深度重建、手部切割與自動標註等處理程序。47

京東已釋出首批 EgoLive 資料集，約含2,000 小時第一人稱資料、65,866 段任務片段與346 項真實世界任務。公司也表示，目標是在兩年內蒐集超過1,000 萬小時高品質機器人訓練資料，涵蓋零售、物流、醫療與服務等真實場景。478

其實務邏輯相當清楚：人類工作者在真實場所示範任務；模型從產生的資料中學習；模擬系統擴增並評估學習成果；實體機器再做驗證；新的營運資料回流管線。京東將這個較完整的流程描述為從人類操作資料，走向模擬，再走向真機操作的路徑。4854

不過，資料量本身不是機器人能力的成績單。第一人稱影片有助於理解任務脈絡、物件關係與工作流程，但不會自動提供機器人可靠行動所需的全部資訊，例如本體關節狀態、接觸力、精確控制軌跡，或動作失敗後的復原策略。關鍵證據應是可獨立理解的任務成功率、安全性、泛化能力與成本成果。

模型、模擬與真實部署場域

京東將這套軟體能力放在 JoyAI 品牌之下。在 WAIC 2026，京東展示 JoyAI 模型矩陣與 EgoLive 資料集，並提出一條路徑：資料提供真實世界經驗，模型負責理解與決策，裝置及場景承接實際行動與服務。9

公司也將 JoyAI-RA 定位為具身視覺—語言—動作模型，並將其與 EgoLive、RoboBase 專案連結到物理世界應用。2 RoboBase、零售據點與物流設施，可能讓京東取得不少 AI 實驗室欠缺的條件：長期、重複地進入可測試、可維修、可觀察的真實場域。

這個潛在飛輪正是策略核心。然而公開說明尚未顯示，每個組件是否已共用同一執行環境、資料標準、安全政策、權限模型或更新機制。在這種整合能力明確可見以前，「全棧」更適合被理解為目標與基礎建設路線圖，而非一個已統一的平台。

JoyInside：把策略延伸到家庭

面向消費者的一端，JoyInside 是京東連接 AI 模型與日常裝置的橋樑。京東展示過 JoyInside AI Home，並預期到 2026 年底，將有超過1,000 萬台裝置與機器人接入該生態系。18

這很重要，因為家庭既可能成為 AI 服務的重要終端，也可提供人與裝置真實互動的回饋。但家庭的營運環境也比受控零售場域更困難：設備可能來自不同製造商、採用不同軟體，且往往涉及高度私密的個人情境。

JDD 仍需要回答的五個問題

京東的物理 AI 策略不只是大會口號，因為它確實投入了可見的資產：部署場域、機器人通路、服務網絡、資料採集與消費裝置整合。真正尚待回答的是，這些資產能否成為一套協同運作的系統。

1. 互通性

經由京東銷售、由 RoboBase 支援、使用京東資料系統訓練、再接入 JoyInside 的機器人，能否真正共用身分識別、權限、更新與安全層？目前公告證明了各個元件存在，尚未證明它們已作為同一平台運作。

2. 在受控流程以外的可靠行動

創紀錄的咖啡店顯示了設計過環境中的產能，卻不能證明機器人能在陌生住家、倉庫、商店，以及不同機器人本體上，可靠地完成操作、導航與故障復原。京東若要讓論點更有說服力，應公開任務完成率、人為介入率、事故率與稼動率等指標。

3. 京東 AI 與合作夥伴整合的界線

與超過 200 個機器人品牌合作，有機會造就強大的市集與服務平台。10 但這也帶來基本的架構問題：感知、規劃、操作、機隊管理與自主性等能力中，哪些是 JoyAI 原生功能，哪些仍由各合作夥伴的技術堆疊負責？

4. 經濟效益與勞動轉型

物理 AI 必須在把硬體採購、維修、停機、保險、法規與長尾例外處理成本都納入後，仍能成立。京東的再培訓承諾值得注意，但尚無公開證據顯示，新增維保職位是否能彌補被改變的工作，或能否帶來可持續的職涯轉換。

5. 資料權利與隱私

以工作者與家庭的真實活動訓練系統，代表同意、報酬、保存期限、再利用與存取控管不應只是附帶議題，而是核心問題。現有公告描述了廣泛的蒐集與處理計畫，但尚未說明大型商業生態系中將如何治理資料權利。54

結論

京東雲正在建立物理 AI 的許多先決條件：市場需求、機器人通路、機隊採購、真實世界資料、模擬、部署據點、智慧裝置終端與維保能力。其最鮮明的差異化，或許在於能將這些層面連接既有的電商與物流營運。

但現階段的證據支持的是一項物理 AI 基礎建設布局，而不是一套已獲證實、可通用於機器人與裝置的作業系統。JDD 及其後最值得觀察的訊號，將是可量測的閉環成果：機器能否在多樣環境中安全、可靠且符合經濟效益地運作，以及京東能否清楚說明資料、模型、硬體與服務層如何互通。