京東雲所說的「物理 AI」，核心不是單純推出一台更聰明的機器人，而是想把京東既有的倉儲、配送路線、零售門市、供應鏈服務與連網設備，變成一套讓 AI 能夠感知、判斷並在現實中執行的營運平台。

各地機場出現的「把 AI 推向物理世界」廣告、7FRESH 七鮮咖啡的全無人流程展示，以及 2026 年 9 月 9 日以「JoyAI・躍遷物理世界」為題的 JDD 大會，都是這項策略對外釋放的訊號。383940

一句話看懂：先掌握真實場景，再規模化智能

物理 AI 常與「具身 AI」交替使用，意指透過具備感測器與致動器的機器，在現實世界中運作的 AI，例如機器人、自動駕駛車輛與無人機。5

京東的判斷是，競爭不會只由模型能力決定，而是取決於算力、真實資料、機器設備、部署場域與供應鏈營運能否整合起來。

在 JDD 2026，京東將此架構稱為「超級 AI 供應鏈」，由六個彼此相連的部分組成：雲、數、模、端、場、鏈，分別對應雲端算力、資料、模型、實體設備、應用場景與供應鏈服務。其宣示目標是打造「全球最大物理世界運營中心」。222324

因此，無人咖啡店即使規模有限，仍具有策略意義：從下單、製作到交付全程無人的流程，讓消費者能直觀看到 AI 與自動化如何從螢幕走進實體營運。這也是京東希望延伸至倉儲、配送、零售、工業服務與家庭裝置的模式。3940

1．用超大採購量，創造機器人的部署需求

京東計畫中最具體的一環，是以採購規模帶動部署。京東物流表示，未來五年目標採購 300 萬台機器人、100 萬輛無人車與 10 萬架配送無人機，用於倉儲、分揀、運輸與配送。必須注意，這些是規劃目標，並非已完成的部署數量。454647

這些數字的意義不只是替京東內部節省人力：

• 成為機器人供應商的大型客戶：大額採購可帶動機器人本體、零組件、維修保養及相關軟體的市場需求。
• 取得大量反覆驗證的機會：機器在倉庫、配送路線與交付點實際運作，就能測試可靠度、找出例外狀況並改善工作流程。
• 建立產業的銷售與服務能力：物理 AI 加速計畫涵蓋資料、基地、製造、銷售、物流與服務等環節。333437

換句話說，京東不只想當自動化設備買家，也試圖成為機器人產業的基礎設施與商業化通路。

2．用日常營運建立「資料—部署—改善」飛輪

第二個支柱，是立足於日常作業的具身 AI 資料管線。京東計畫在兩年內採集超過 1,000 萬小時 的真實人類場景影片，並表示正建構涵蓋採集、儲存、標註、訓練、評測、模擬與測試的資料基礎設施。171821

在算力與模型層面，京東也規劃建置國產 10 萬卡算力集群，並推出可互動的視聽世界模型 JoyAI-Echo WM。京東將其定位為涵蓋多模態模型、世界模型與具身模型的 AI 技術堆疊之一。172123

這個預期中的循環大致如下：

1. 在物流、零售與服務等實際環境，蒐集人類執行任務的資料。
2. 將作業資料轉化為模型訓練與評測材料。
3. 在京東自身的營運場景中測試模型與機器設備。
4. 根據實際部署結果，持續改進模型、設備與工作流程。

京東規劃的 RoboBase 網絡，正是為支撐此循環而設。公司表示，未來五年將在中國各地建立 80 多個 RoboBase 機器人產業基地，支援產業服務及更完整的機器人生命週期。243746

人員轉型也是這套營運模式的一部分。關於物流計畫的報導指出，京東承諾隨著自動化擴大，將培訓配送人員轉任技術職務。這點相當重要：即使車隊與機器人大量上線，維護、現場服務、例外處理與人工監督仍不可或缺。4548

3．從京東自有場域，延伸到機器人與家庭設備

第三層是將能力擴展到京東設施以外。京東將 JoyInside 定位為嵌入式 AI 方案，面向機器人與家用裝置；報導稱，已有超過 200 個家電、家居與玩具品牌接入京東具身智能技術。56

若此模式能順利推進，京東的模型與服務可觸及更多實體終端，包括機器人、無人配送設備、AI 玩具與智慧家庭產品。理論上，京東可以從企業物流延伸至消費者設備，而不必自行生產每一種硬體。

不過，合作品牌數量不等於能力或使用程度一致。現有公開資訊未提供活躍設備數量、各類任務表現、使用者互動情況，或合作產品是否採用相近具身 AI 系統的細節。這個生態系具有策略價值，但其實際運作深度仍難從公開資料完整判斷。

與 NVIDIA、Tesla、Anthropic 的路線有何不同？

京東與其他物理 AI 參與者，都押注 AI 將從產生數位內容，走向在現實環境中感知與行動；但各自的起點不同。

• NVIDIA：建立跨產業技術堆疊，提供算力、模擬、世界模型與機器人軟體給開發者及機器人製造商。其 Cosmos 系列強調透過模擬進行符合物理規律的合成資料生成，以及機器人策略評測。14
• Tesla：走較高度垂直整合的路線，結合自駕資料、自研 AI 與製造能力，推進包括 Optimus 在內的機器人計畫。38
• Anthropic：較偏向標準與介面層。其研究預覽版 Model Hardware Standard，目標是將 Claude 等模型連接至科學與製造設備。1
• 京東：採取「營運商平台」模式：在自己的流程中部署機器、從作業中取得資料、訓練與驗證模型，再透過供應鏈與裝置夥伴擴大能力覆蓋。2223

京東潛在的優勢，不在於已解決通用型機器人問題，而在於它擁有高頻、具商業價值且可量測的營運環境。對倉儲、分揀、零售履約等相對結構化的工作而言，這類場景尤其有利於導入與迭代自動化。

機場廣告與無人咖啡店，證明了什麼？

「把 AI 推向物理世界」的廣告訊息，與 JDD 的策略主軸一致；無人咖啡店則讓抽象概念變得可見、可體驗。383940

但它們不能證明京東已實現通用型具身智能。無人咖啡流程與倉儲任務，仍屬相對可控的環境，和一般住宅、人行道或人流混雜的公共場域相比，複雜度低得多。在這些場景成功，並不代表機器人就能安全可靠地處理人類身邊各種開放式任務。

幾個尚未回答的關鍵問題

大規模部署的經濟性是否成立？

龐大採購目標展現的是企圖心，而非投資報酬的證明。機器人車隊還需要場地改造、充電、網路、維修、備品、人工監督與故障復原機制。現有公開資料未能說明設備利用率、每項任務成本，或在京東設定的規模下，自動化是否確實比人工作業更便宜。

大量影片資料是否足以訓練可靠的機器人？

1,000 萬小時真實影片可能成為重要資產，且京東宣示建立的是完整資料流程，而不只是蒐集影像。1718 不過，具身 AI 的有效訓練通常不只需要視覺資料量，還需要任務情境、動作紀錄、機器人狀態、安全標註、罕見事件覆蓋，以及來自部署現場的可靠回饋。

京東已公布若干重要建設，但尚未以公開成果完整證明其端到端訓練、驗證系統與跨情境泛化能力。

京東實際掌握了多少技術堆疊？

以夥伴為主的模式，可加速導入，也避免所有硬體與軟體都得自行研發；相對地，京東也可能依賴供應商與合作夥伴提供機器人本體、零組件及部分關鍵軟體。長期而言，這可能影響差異化能力、利潤空間與系統互通性。

結論

京東雲的物理 AI 策略，本質上是一場以真實營運為核心的商業化布局：透過大規模設備採購、資料蒐集、算力、模型、RoboBase 支援與裝置夥伴關係，讓 AI 從數位輸出進入實體任務。232445

這條路徑對於擴大京東既有供應鏈與零售場景中的自動化而言具備合理性；但真正的分水嶺仍在後面——這些部署是否能產出足夠可靠、足夠低成本的系統，在規模化之後勝過更窄域的自動化工具或人工作業。

京東雲所說的「物理 AI」，核心不是單純推出一台更聰明的機器人，而是想把京東既有的倉儲、配送路線、零售門市、供應鏈服務與連網設備，變成一套讓 AI 能夠感知、判斷並在現實中執行的營運平台。

各地機場出現的「把 AI 推向物理世界」廣告、7FRESH 七鮮咖啡的全無人流程展示，以及 2026 年 9 月 9 日以「JoyAI・躍遷物理世界」為題的 JDD 大會，都是這項策略對外釋放的訊號。383940

一句話看懂：先掌握真實場景，再規模化智能

物理 AI 常與「具身 AI」交替使用，意指透過具備感測器與致動器的機器，在現實世界中運作的 AI，例如機器人、自動駕駛車輛與無人機。5

京東的判斷是，競爭不會只由模型能力決定，而是取決於算力、真實資料、機器設備、部署場域與供應鏈營運能否整合起來。

在 JDD 2026，京東將此架構稱為「超級 AI 供應鏈」，由六個彼此相連的部分組成：雲、數、模、端、場、鏈，分別對應雲端算力、資料、模型、實體設備、應用場景與供應鏈服務。其宣示目標是打造「全球最大物理世界運營中心」。222324

因此，無人咖啡店即使規模有限，仍具有策略意義：從下單、製作到交付全程無人的流程，讓消費者能直觀看到 AI 與自動化如何從螢幕走進實體營運。這也是京東希望延伸至倉儲、配送、零售、工業服務與家庭裝置的模式。3940

1．用超大採購量，創造機器人的部署需求

京東計畫中最具體的一環，是以採購規模帶動部署。京東物流表示，未來五年目標採購 300 萬台機器人、100 萬輛無人車與 10 萬架配送無人機，用於倉儲、分揀、運輸與配送。必須注意，這些是規劃目標，並非已完成的部署數量。454647

這些數字的意義不只是替京東內部節省人力：

• 成為機器人供應商的大型客戶：大額採購可帶動機器人本體、零組件、維修保養及相關軟體的市場需求。
• 取得大量反覆驗證的機會：機器在倉庫、配送路線與交付點實際運作，就能測試可靠度、找出例外狀況並改善工作流程。
• 建立產業的銷售與服務能力：物理 AI 加速計畫涵蓋資料、基地、製造、銷售、物流與服務等環節。333437

換句話說，京東不只想當自動化設備買家，也試圖成為機器人產業的基礎設施與商業化通路。

2．用日常營運建立「資料—部署—改善」飛輪

第二個支柱，是立足於日常作業的具身 AI 資料管線。京東計畫在兩年內採集超過 1,000 萬小時 的真實人類場景影片，並表示正建構涵蓋採集、儲存、標註、訓練、評測、模擬與測試的資料基礎設施。171821

在算力與模型層面，京東也規劃建置國產 10 萬卡算力集群，並推出可互動的視聽世界模型 JoyAI-Echo WM。京東將其定位為涵蓋多模態模型、世界模型與具身模型的 AI 技術堆疊之一。172123

這個預期中的循環大致如下：

1. 在物流、零售與服務等實際環境，蒐集人類執行任務的資料。
2. 將作業資料轉化為模型訓練與評測材料。
3. 在京東自身的營運場景中測試模型與機器設備。
4. 根據實際部署結果，持續改進模型、設備與工作流程。

京東規劃的 RoboBase 網絡，正是為支撐此循環而設。公司表示，未來五年將在中國各地建立 80 多個 RoboBase 機器人產業基地，支援產業服務及更完整的機器人生命週期。243746

人員轉型也是這套營運模式的一部分。關於物流計畫的報導指出，京東承諾隨著自動化擴大，將培訓配送人員轉任技術職務。這點相當重要：即使車隊與機器人大量上線，維護、現場服務、例外處理與人工監督仍不可或缺。4548

3．從京東自有場域，延伸到機器人與家庭設備

第三層是將能力擴展到京東設施以外。京東將 JoyInside 定位為嵌入式 AI 方案，面向機器人與家用裝置；報導稱，已有超過 200 個家電、家居與玩具品牌接入京東具身智能技術。56

若此模式能順利推進，京東的模型與服務可觸及更多實體終端，包括機器人、無人配送設備、AI 玩具與智慧家庭產品。理論上，京東可以從企業物流延伸至消費者設備，而不必自行生產每一種硬體。

不過，合作品牌數量不等於能力或使用程度一致。現有公開資訊未提供活躍設備數量、各類任務表現、使用者互動情況，或合作產品是否採用相近具身 AI 系統的細節。這個生態系具有策略價值，但其實際運作深度仍難從公開資料完整判斷。

與 NVIDIA、Tesla、Anthropic 的路線有何不同？

京東與其他物理 AI 參與者，都押注 AI 將從產生數位內容，走向在現實環境中感知與行動；但各自的起點不同。

• NVIDIA：建立跨產業技術堆疊，提供算力、模擬、世界模型與機器人軟體給開發者及機器人製造商。其 Cosmos 系列強調透過模擬進行符合物理規律的合成資料生成，以及機器人策略評測。14
• Tesla：走較高度垂直整合的路線，結合自駕資料、自研 AI 與製造能力，推進包括 Optimus 在內的機器人計畫。38
• Anthropic：較偏向標準與介面層。其研究預覽版 Model Hardware Standard，目標是將 Claude 等模型連接至科學與製造設備。1
• 京東：採取「營運商平台」模式：在自己的流程中部署機器、從作業中取得資料、訓練與驗證模型，再透過供應鏈與裝置夥伴擴大能力覆蓋。2223

京東潛在的優勢，不在於已解決通用型機器人問題，而在於它擁有高頻、具商業價值且可量測的營運環境。對倉儲、分揀、零售履約等相對結構化的工作而言，這類場景尤其有利於導入與迭代自動化。

機場廣告與無人咖啡店，證明了什麼？

「把 AI 推向物理世界」的廣告訊息，與 JDD 的策略主軸一致；無人咖啡店則讓抽象概念變得可見、可體驗。383940

但它們不能證明京東已實現通用型具身智能。無人咖啡流程與倉儲任務，仍屬相對可控的環境，和一般住宅、人行道或人流混雜的公共場域相比，複雜度低得多。在這些場景成功，並不代表機器人就能安全可靠地處理人類身邊各種開放式任務。

幾個尚未回答的關鍵問題

大規模部署的經濟性是否成立？

龐大採購目標展現的是企圖心，而非投資報酬的證明。機器人車隊還需要場地改造、充電、網路、維修、備品、人工監督與故障復原機制。現有公開資料未能說明設備利用率、每項任務成本，或在京東設定的規模下，自動化是否確實比人工作業更便宜。

大量影片資料是否足以訓練可靠的機器人？

1,000 萬小時真實影片可能成為重要資產，且京東宣示建立的是完整資料流程，而不只是蒐集影像。1718 不過，具身 AI 的有效訓練通常不只需要視覺資料量，還需要任務情境、動作紀錄、機器人狀態、安全標註、罕見事件覆蓋，以及來自部署現場的可靠回饋。

京東已公布若干重要建設，但尚未以公開成果完整證明其端到端訓練、驗證系統與跨情境泛化能力。

京東實際掌握了多少技術堆疊？

以夥伴為主的模式，可加速導入，也避免所有硬體與軟體都得自行研發；相對地，京東也可能依賴供應商與合作夥伴提供機器人本體、零組件及部分關鍵軟體。長期而言，這可能影響差異化能力、利潤空間與系統互通性。

結論

京東雲的物理 AI 策略，本質上是一場以真實營運為核心的商業化布局：透過大規模設備採購、資料蒐集、算力、模型、RoboBase 支援與裝置夥伴關係，讓 AI 從數位輸出進入實體任務。232445

這條路徑對於擴大京東既有供應鏈與零售場景中的自動化而言具備合理性；但真正的分水嶺仍在後面——這些部署是否能產出足夠可靠、足夠低成本的系統，在規模化之後勝過更窄域的自動化工具或人工作業。