AI雲的戰事，以月的速度在升級。

文｜趙豔秋

編｜牛慧

AI雲的戰事一直激烈，上一個戰役還沒打完，新戰場已冒出來了。

過去幾年，雲廠商卷模型、卷算力、卷Token價格；今年初，「小龍蝦」OpenClaw一把火點燃Agent，雲廠商迅速推出各種Claw，競爭從誰有更強的大模型，轉向誰能讓Agent自主幹活。隨後，戰線繼續下沉到Agent基礎設施、Harness、上下文和多智能體。8月開始，幾家大廠又把戰火燒進辦公市場，爭奪Agent入口。

剛進入9月初，全國多地機場又出現了一組醒目的廣告，「把AI推向物理世界」，字少，意思直接，來自京東雲。

幾乎同時，京東雲又聯合七鮮咖啡推出了一杯「Token超大杯」。Token原本是大模型世界裏熱詞，如今被「裝」進咖啡杯。在智能無人咖啡主題店裏，從下單、製作到交付，全程無人，成了AI從數字世界走進現實世界的一個小樣本。兩個信號共同指向9月9日京東一年一度的科技大會JDD，今年主題是「JoyAI·躍遷物理世界」。

當整個AI行業還在激烈爭奪Agent入口，京東雲為何開始談論「物理世界」？京東AI的下一站，真的要從螢幕走向能夠感知、行動並真正幹活的Physical AI了嗎？

01

Physical AI，全行業的下一站

實際上，Physical AI正在成為AI行業的新主線。2024年，黃仁勳明確提出「下一波AI是Physical AI」，指的是能夠理解物理規律、感知真實世界，並在現實中執行任務的AI。

業界發現，英偉達已經先動手了。它試圖把數字世界裏跑通的CUDA模式複製到物理世界，從芯片、仿真平台，到世界模型、機器人基礎模型，一層層搭出新技術和生態底座。不過，黃仁勳也明確表示，Physical AI不等於只押注人形機器人。英偉達從自動駕駛切入，再向工業、倉儲和人形機器人擴散。

另一個行業風向標特斯拉，把汽車上跑通的「真實數據+端到端模型+自研芯片+大規模製造」體系，複製給了人形機器人Optimus。按照規劃，第三代Optimus將是其首個規模製造的機器人產品，2026年底前啓動生產，長期目標產能達到每年100萬台。

數字世界風頭正勁的Anthropic，則想把MCP複製到物理世界。8月27日，Anthropic發布Model Hardware Standard（MHS）研究預覽，可以簡單理解為，MCP連接Agent和軟件，MHS進一步連接Agent與真實硬件，讓Claude等可以統一發現、理解和調度機械臂、顯微鏡等設備。

Figure AI、1X等機器人獨角獸的動作，則暴露了這場競賽的瓶頸——真實世界數據。8月，Figure推出數據集項目，發動全球用戶拍攝做飯、打掃、理貨和工廠作業等真實任務；1X則以外界想象不到的速度把機器人送進家庭，在使用中持續採集數據、學習長尾任務，逐步提高自主率。

路徑不同，但這些玩家正在回答同一個問題：當模型已經能理解、生成和推理，AI下一步如何真正進入現實世界，獲得身體、數據和行動能力？

值得注意的是，在這場Physical AI的全球競爭中，所有玩家都認為中國是主戰場之一。

從產業座標來看，根據SAG的行業統計數據，2026上半年中國廠商貢獻全球97%以上人形機器人出貨；同時，中國連續多年是全球最大工業機器人市場。Physical AI還需要一條很長的產業鏈，中國幾乎每一環都有玩家和產能，具備機器人本體、大模型、零部件供應鏈、真實應用場景、規模製造能力，以及快速商業化速度。

而在這個座標系裏，京東給自己的定位是「全球最大的物理世界運營商」。

今年4月，京東雲發布具身數據基礎設施，提出 「1000萬小時真實場景數據計劃」 ；5月，劉強東明確提出，京東要做「全球最大的物理世界運營中心」；6月，京東內部提出「涅槃計劃」，通過職業培訓推動物流藍領向機器人維修、保養等新崗位轉型；8月，在世界機器人大會上重磅發布機器人戰略。這些正在串成一條京東Physical AI的主線。

從這些密集的動作看，JDD大會，很可能是京東第一次把這張Physical AI版圖系統打開的時刻。

02

路徑分岔，京東的三個身份

雖然全球各路企業都在進入Physical AI戰場，但京東的路徑，與英偉達、Anthropic乃至很多機器人創業公司並不相同。

很多科技公司的起點是芯片、模型或機器人本體，技術先做出來，再向外進一步尋找場景、數據和商業落地；京東恰恰不同，它一直就在物理世界裏，是在把AI一層層疊進去。

零售、物流、倉儲、供應鏈、健康、工業、家政、即時零售，都是京東每天真實運轉的產業。京東MALL裏的導覽理貨、倉庫裏的搬運分揀、末端無人配送、健康藥房智能打包，都是一單單真實生意。

可以說，相較於其他公司是從AI走向物理世界，京東則是從物理世界裏長出AI。這使得京東在Physical AI裏有三個特殊身份。

首先，它是最大的需求方之一。機器人、無人車、無人機和智能硬件，京東自己就有巨大采購需求，技術可以先在自己的場景裏驗證，再向外輸出。

其次，它也在成為最大的運營方。機器人規模進入真實場景後，維修、保養、換電、升級和回收，可能貫穿十餘年產品的生命周期。京東過去在家電、3C和汽車後市場已經跑通過賣商品之後，繼續做長期服務的模式，機器人可能只是這套能力面對的新物種。

第三，數據是業務運轉的副產品。數據是Physical AI的最大挑戰，與互聯網時代海量文本、圖像和視頻數據相比，機器人真正需要的高質量、可學習的真實世界行為數據仍然極度稀缺。具身行業需要專門花大價錢找場景、找人採集。

京東的倉庫每天都在發生搬運、揀選、打包等大量操作；家政阿姨每天整理房間，配送員每天取送。這些運營動作，現在都可能在過程中被記錄、重建、標註，變成機器人學習現實世界的真實數據。

所以，值得看的是，京東能不能把過去20多年積累的真實世界，轉變成Physical AI時代的新基礎設施。

03

密集動作背後，三塊拼圖？

JDD大會上，京東是否會公布完整的Physical AI戰略？從此前動作看，至少有三塊拼圖已經浮現。它們恰好對應Physical AI繞不過去的三個產業問題：如何進入真實場景並形成商業閉環，如何低成本獲得規模數據，以及如何進入家庭這一終極市場。

拼圖一：既是大買家，也是大平台。

今年具身智能已從做出機器人，進入讓機器人真正幹活的階段。但現實並不樂觀。據人形機器人場景應用聯盟梳理，過去一年，具身機器人實際落地前三的場景是數據採集、教育科研和演藝服務，真正進入工業物流的出貨佔比僅約4%。

生產環境的門檻要高得多。有企業曾提出「三個100和一個3」：連續100次任務成功率超過95%，100小時人工接管少於1次，100天故障少於1次，三年總成本低於一個工人。為了拿到真實場景練兵，廠商們各顯神通，進工廠、開無人商店、進入家庭，爭奪部署機會。

在這方面，京東恰好自己就是場景需求方。去年10月，京東物流宣佈未來五年採購300萬台機器人、100萬台無人車和10萬架無人機，覆蓋倉儲、分揀、運輸和配送。而在8月世界機器人大會上，京東掛出「買機器人上京東」的口號。

但規模化部署之後，行業還有一個缺口，後面的交付、維修、換電、零部件、升級和回收，都要有人承擔。因此，京東又向運營方延伸，計劃建設80個RoboBase，售後覆蓋100多個國家和地區；「涅槃計劃」則嘗試把部分物流藍領轉變為機器人維修和服務工程師。

某種程度上，京東要解決如果未來機器人真的成為生產資料，誰來讓它們大規模進入產業，並持續運轉。

拼圖二：京東雲正在搭建具身數據管線。

第二道難題是數據。上海創智學院副教授羅劍嵐觀察，未來12—18個月行業的關鍵checkpoint，是誰能率先跑通真實部署、數據迴流、模型迭代、再次部署的閉環。為了這個閉環，有企業組建數千人採集團隊，有美國企業在海外建廠採真實交互數據。

北京智源人工智能研究院理事長黃鐵軍判斷，建數採中心、讓人控制機器人採數據，「可能是一種成本不一定合理的方式」，業界在探尋更自然、更低成本的採集辦法。

這正是京東雲切入的邏輯。京東倉庫、商超、即時配送、家政服務本來就在持續發生真實勞動，如何把這些勞動，轉變為變成機器人能學習的數據？

今年4月，京東雲發布覆蓋「採、存、標、訓、評、仿、測」的具身智能數據基礎設施。JoyEgoCam二代從專業設備升級為可以衆包的大規模採集終端。家政人員戴着設備正常打掃、整理、做飯，第一視角、手部動作和操作過程就能被記錄，進入京東雲研發的數據管線，經過重建、標註等數據管線，轉化為訓練素材。

京東雲在尋找一種新的數據生產方式，讓人在正常工作時順便生產數據，再用雲端管線把真實勞動持續轉化為機器智能。

拼圖三：JoyInside把AI送進家庭。

第三道難題是家庭。家庭是Physical AI公認的終局市場，也是最複雜的場景。每個家庭環境都不一樣，機器人進家庭，技術和成本都還處於早期階段。

於是另一條路線開始出現，先讓AI進入已經存在的硬件。因為過去十年的智能家居，大多還是「聯網+語音遙控」，人發一個指令，設備執行一個動作，而不是理解上下文並主動提供服務。這一次，則是讓設備真正理解人和環境，並彼此協同。

去年，京東推出JoyInside具身智能品牌，它進入人形機器人、四足機器狗、學習機、智能小夜燈、床墊，這些本身就是現成的感知、交互和執行入口。

目前JoyInside已與近200家品牌合作，預計今年接入超過千萬台終端；今年WAIC又推出AI Home，嘗試讓設備理解家庭成員、承接長周期任務，並實現跨設備協同。

因此，現在回看機場那塊廣告牌，「把AI推向物理世界」，它會推向哪裏？從三塊拼圖來看，其實已有初步註解：機器人平台解決AI如何進入產業並長期運轉；具身數據管線解決如何形成低成本的數據閉環；JoyInside則解決AI如何先於萬能機器人，大規模進入家庭。

但還有一些懸而未決的題，會不會第一次有完整的Physical AI體系？具身模型會迭代到哪一步？有沒有機器人新品登場？數據基礎設施有怎樣的新進展？AI Home會不會迎來升級？還有多少品類，會被接進這張網裏？而這一切，9月9日，JDD大會上或見分曉。