京东押注物理AI：走出模型榜单，用超级供应链落地具身智能

当行业对 AI 的关注逐渐脱离纯粹的模型跑分与多模态生成竞赛，整个产业都在追问同一个现实问题：AI 到底能在物理世界创造多少实际价值？

在今年的 JDD 大会上，京东给出了自己的战略切口——「JoyAI · 跃迁物理世界」。AI 的演进路线不能只停留在屏幕内的对话互动，更要下沉至仓库储位、自动化货架、家庭硬件以及末端履约路线，承担高复杂度的实体任务。

支撑这一布局落地的，是一群走到台前的 95 后技术骨干与业务负责人。他们正在推动京东电商主站的 AI 重塑、仓储具身算法研发以及家庭硬件生态的重构。

放弃独立入口，让 AI 嵌进交易链路

此前电商行业掀起过一轮打造独立「智能体电商」的热潮，主打“一句话购物”的原生对话交互。京东也曾探索过类似方向，但团队在试点过程中迅速摸清了这类模式的边界。

纯对话式导购虽然适合长决策链路的咨询，却违背了大部分日常消费的即时习惯。反复追问不仅消耗计算 Token，也在消耗用户的耐心与购物欲望。即便完成需求沟通，用户最关心的依旧是价格优惠、促销机制与发货时效。

京东最终放弃做独立对话式 App 的路径，转而将 AI 全面沉淀到现有电商底座：在搜索框增强意图识别，在推荐流融入时间与场景特征，在购物车根据加购商品自动补齐配件提示。这种“润物细无声”的改造逻辑，是将 AI 变成了商超里的轻量导购，既保留了原有成熟界面的操作效率，又降低了决策门槛。

从实验室走向复杂仓库：自研世界意图模型

如果说软件界面解决的是信息交互，物流仓储则是具身智能必须啃下的硬骨头。现实仓储环境包含数十万级 SKU，货物遮挡关系动态变化，人员穿行与堆叠不规范是常态，传统实验室演示的机械臂动作极难直接迁移。

为了兼顾长任务规划与实时动态调整，京东物流算法团队自研了「世界意图模型」（World Intent Model）。与传统每次推理都需生成未来视频帧的缓慢架构不同，该模型借鉴人类直觉控制策略：大模型只负责宏观生成动作意图，执行端交由动作专家以高频算力执行，中继控制器实时监控执行状态，若抓取受挫则立即重算意图。

这套架构已在京东「仓狼」机器人实现落地，抓取准确率达 99.9%，覆盖超 85% 商品种类，每小时拣货效率达 80 件，真正具备了进驻真实产线并平衡经济账的能力。

硬件落地的基石：超级 AI 供应链

在家庭智能硬件领域，京东推出了 JoyInside 平台，打通底层算力、采销渠道与硬件供应链，相继跑通 AI 点读笔、智能机器狗等品类，并在 JDD 现场搭建了全品类覆盖的 AI Home 实体空间。

无论是算法演进还是硬件孵化，其背后支撑的并非单一算法创新，而是京东过去二十年构筑的物理实体底座。物理 AI 的训练高度依赖极端复杂的业务现场，脱离了工业级的场景试炼，模型永远无法走出 Demo 阶段。

京东将这套赋能体系归纳为「超级 AI 供应链」：算力支撑平台协同，实体数据驱动模型迭代，供应链能力负责硬件规模化量产。在此基础上，京东进一步提出建设具身智能数据中心、产业基地、核心零部件网络、维修服务体系、物流机器人应用兵团以及零售渠道的“六个全球第一”，构建全生命周期的物理 AI 加速生态。

转型期的劳动力重塑

AI 走出屏幕进入物理世界，伴随而来的必然是劳动结构的演进。面对自动化配送和分拣带来的替代冲击，技术落地的同时必须妥善安置一线从业者。

京东推进的「涅槃计划」正尝试给出解决方案。通过与全国 120 所职业院校合作，定向为一线快递员与仓储工人提供技术培训。未来无人设备出现损耗与异常时，熟悉一线业务的蓝领员工将就地转化为检修与运营技术人员，使其在智能化转型中完成职业技能的升级协同。

物理 AI 的竞争维度已由单一的算力与多模态模型竞赛，转向产业链深度集成的系统工程。谁能在物理世界拥有更庞大的验证场与履约网络，谁才能最终构筑起具身智能时代的技术护城河。