京東的開放式物理 AI 藍圖：讓 AI 從模型走進真實世界

京東正在把 AI 從「封閉的軟體產品」重新定位為可供產業共享的基礎設施。創辦人兼董事會主席劉強東曾表示，技術壁壘本質上是技術剝削；京東不希望 AI 能力只服務單一企業或國家。這項主張的實際落點，是一套串起模型、資料、硬體、部署與服務的全棧策略。12

這與單純發布聊天機器人或模型權重並不相同。京東試圖建立一條可重複的路徑：從真實世界蒐集資料、訓練模型，再進行機器人製造、現場測試與商業部署。若能成立，這套模式有機會降低企業採用物理 AI 的成本與工程門檻；不過，生態系的長期經濟效益與實際開放程度，仍有待獨立驗證。

從高額投入到「選擇性開放」

京東表示，2026 年上半年研發投入年增 53.2%，資源主要投向 JoyAI 模型家族、具身智能、物理 AI 基礎設施與產業應用。公司也宣布，將把自主研發的全棧 AI 能力開放給全球合作夥伴。23

目前所謂的開放，涵蓋多個層面：京東已透過 Hugging Face 與 GitHub 發布部分模型，向超過 8 萬家商家免費提供數位人直播服務，並開放 EgoLive 人類視角資料集供產業使用。238

但這更適合被理解為一種生態系策略，而不是所有元件都以相同條件、完全開放的方式提供。模型權重、訓練資料、資料集、部署工具與商業服務，可能各自有不同的使用規範。對開發者而言，關鍵不只是模型是否被稱為「開源」，還包括周邊工具與資料是否足以支撐實際建置和營運。

真實產業場景，成為物理 AI 的資料優勢

物理 AI 需要的並不只是網路規模的文字資料。機器人必須理解物件、空間、動作、時序、安全限制，以及自身行動帶來的結果。京東認為，自己擁有超過 20 年的倉儲、零售與物流經驗，能在這些問題反覆出現的真實環境中累積資料。234

公司計畫在兩年內蒐集超過 1,000 萬小時的第一視角與第三視角真實世界影片，場景涵蓋零售、倉儲、物流、工業作業、家庭等領域。同時，京東正在建設其所稱的全球最大具身資料採集中心，並在宿遷設立具身資料採集社區。1562930

EgoLive 是這項計畫對外開放的初始層。京東稱其為業界最大的人類視角資料集；首批發布內容據報約 2,000 小時，涵蓋超過 300 項實際作業任務。京東也針對高校、開發者與生態企業，定向開放高精度產業資料集。需要注意的是，這些規模描述主要來自京東或產業報導，尚不能視為經獨立驗證的基準結果。45630

其理想中的資料飛輪如下：

1. 真實工作者與機器產生影片及作業資料。
2. 這些資料用於訓練感知、規劃與互動模型。
3. 改良後的模型在倉庫、配送網路、工廠與服務場景中測試。
4. 實際部署產生新的案例、例外情況與效能回饋。
5. 相關能力再被封裝，提供給更多使用者與產業。

因此，京東的策略高度依賴自身經營的實體業務。開放模型可以降低試驗門檻，但可靠的物理 AI 仍需要真實任務，以及能夠衡量系統是否真正有效的基礎設施。

JoyAI 是模型工具箱，而非單一巨型模型

京東的開放式 AI 布局涵蓋多種模型：JoyAI-Echo 聚焦長篇音視頻生成，JoyAI-VL-Interaction 用於即時視覺—語言互動，JoyAI-Video-Edit 則支援串流影片編輯。571118

其中，JoyAI-VL-Interaction 與物理環境的關聯尤其直接。它不是只回答靜態圖片問題，而是處理持續流入的影片。其發布內容包括模型、訓練方法、時間對齊的互動資料，以及可部署的即時串流系統。技術文件描述，這是一套 80 億參數、以視覺為先的系統，能以低於一秒的延遲處理連續影片。171923

這種完整打包方式，可降低開發者圍繞連續攝影機輸入建置應用的工程負擔，也反映京東的整體思路：釋出可重複使用的元件，同時保留在真實場景中訓練、評估與整合這些元件的優勢。

RoboBase：從軟體延伸到機器人製造

只有模型存取權，還不足以形成物理 AI 產業。機器人還需要零組件、組裝、測試、系統整合、維護與在地支援。京東推出 RoboBase，正是要補上這一層產業基礎設施。

首座 RoboBase 基地於 2026 年在廣州動工。京東表示，該計畫將支援「研發—製造—應用—服務」循環，並規劃在未來五年於中國布局超過 80 座機器人基地。36810

若計畫順利推進，京東的角色就不只是 AI 應用提供者，而可能成為機器人企業的基礎設施與服務夥伴，整合供應鏈、模型能力、資料採集、測試環境、生產能力與售後支援。不過，現有報導更清楚呈現的是公司規劃與定位，尚非經獨立審計的營運成果。

物流部署，是檢驗能否複製的關鍵

京東把物流網路當作物理 AI 的主要示範場域。公司與產業報導提到的案例包括：

• 「智狼」貨到人系統已部署於超過 60 座倉庫，並進入海外市場。
• 「異狼」雙臂機器人據稱可在約 10 秒內完成辨識、抓取與碼放一件商品。
• 超過 1,000 台無人配送車已在中國 20 多個省份運行。
• 四川的無人機配送網路覆蓋 78 個村落，部分配送最快約 7 分鐘完成。81124

這些案例橫跨倉儲、揀選、搬運、分揀與最後一哩配送。它們的戰略意義不只是展示自動化，而是試圖證明模型與機器人系統能在多個地點融入可重複的工作流程，而不只是停留在實驗室原型階段。24

但目前證據主要仍來自公司說法或產業報導，因此較穩妥的結論是：京東已建立一組規模可觀的「宣稱部署案例」，並以此支撐其產業化敘事。這些系統能否在大規模運行下持續帶來穩定的成本、安全、稼動率與人力成果，仍需要進一步驗證。

生態系不只服務京東自有倉庫

京東表示，其產業 AI 智能體已服務超過 3,000 家製造商，並可把資料治理工作從數月縮短至數小時。公司也稱，JoyAvatar 數位人工具已被超過 8 萬家商家使用，第二季直播帳號數量年增至約三倍；根據公司與產業報導，Aidol Creation Camp 已協助超過 50 款 AI 硬體產品上市。28

這些計畫擴大了目標客群：商家可以使用數位主播，製造商可以導入產業智能體，高校與開發者可以利用資料集，硬體新創則可能取得供應鏈與應用支援。理論上，每增加一名參與者，就會帶來更多部署回饋，也會擴大底層工具的市場。

這正是內部自動化計畫與產業平台策略的差異。京東試圖把 AI 能力向外分發，同時從周邊服務中創造價值，包括更高效的履約、更低的營運成本、硬體製造與整合、商家成長，以及產業生產力提升。

京東仍須證明的幾件事

京東的藍圖邏輯清晰：加大整體技術投入，開放部分能力，從真實工作蒐集資料，訓練物理任務模型，製造並測試機器人，再透過既有營運網路部署。這也符合物理 AI 的一項重要趨勢：競爭單位正從單一模型，轉向完整系統。3431

但「開放」不等於低成本，「已部署」也不等於能持續創造生產力。未來仍需要獨立評估以下問題：

• 合作夥伴能在多大範圍內使用模型、資料與部署軟體？
• 資料集是否具備充分的文件、授權與治理安全措施？
• 系統能否跨倉庫、國家、產業與硬體平台穩定遷移？
• 納入整合、維護與人員監督後，機器人部署是否真的降低總營運成本？
• 第三方開發者與製造商如何分享生態系創造的價值？

目前，京東最明確的戰略押注是：當 AI 與真實工作連結，它才可能變得更有用，也更容易被更多產業採用。開放模型與資料集只是可見的一層；更深層的護城河，則是其所提出的完整循環——營運資料、經驗驗證的工作流程、製造能力、部署規模與服務網路。