物理AI的關(guān)鍵難題，可能正在被京東破解

文｜唐辰 圖｜宿遷京東機(jī)器人數(shù)據(jù)采集中心·唐辰拍攝

京東要從物理世界破解具身智能“數(shù)據(jù)荒”。

“520”當(dāng)天，京東宣布，其全國首個(gè)具身智能數(shù)據(jù)采集社區(qū)落地宿遷，并已正式運(yùn)行。這是京東“具身智能超級供應(yīng)鏈”戰(zhàn)略的又一關(guān)鍵落子。

在此之前，它已經(jīng)邁出兩大步：今年3月，京東宣布建設(shè)全球最大具身數(shù)據(jù)采集中心。其將發(fā)動(dòng)最多60萬人，在兩年內(nèi)積累1000萬小時(shí)人類真實(shí)場景視頻數(shù)據(jù)。

緊接著4月，京東具身智能生態(tài)發(fā)布會(huì)上，包括全球首個(gè)具身數(shù)據(jù)全鏈路基礎(chǔ)設(shè)施、自研采集終端JoyEgoCam、具身大模型JoyAI-RA以及具身智能數(shù)據(jù)交易平臺等系列成果亮相。

這些動(dòng)作都成為其一個(gè)更宏大戰(zhàn)略的一部分。即，京東在今年618啟動(dòng)會(huì)上再次強(qiáng)調(diào)的目標(biāo)——打造全球最大物理世界運(yùn)營中心。

京東之所以敢這么果決，在于它看清了具身智能的命門：數(shù)據(jù)荒。

這也是具身智能目前的真實(shí)處境，其正遭遇數(shù)據(jù)供給與產(chǎn)業(yè)需求嚴(yán)重錯(cuò)配的核心瓶頸。數(shù)據(jù)顯示，通用具身大模型的訓(xùn)練，需要數(shù)千萬小時(shí)高質(zhì)量真實(shí)數(shù)據(jù)。但全球行業(yè)數(shù)據(jù)存量僅有數(shù)十萬小時(shí)，缺口超95%。

為何必須重造“第一視角數(shù)據(jù)”？

目前，具身智能數(shù)據(jù)采集大致可以分為三類：一類是機(jī)器人遙控操作和UMI（通用操作接口）數(shù)據(jù)；還有一類是互聯(lián)網(wǎng)視頻數(shù)據(jù)；第三類便是京東正在重造的人類第一視角數(shù)據(jù)。

有行業(yè)專家介紹，遙控?cái)?shù)據(jù)數(shù)量有限，即使很多頭部公司也僅有兩三萬的遙控?cái)?shù)據(jù)。其背后反映的是遙控?cái)?shù)據(jù)獲取成本高，采集速度慢的困境。

比如真機(jī)采集1小時(shí)成本動(dòng)輒花費(fèi)數(shù)百元，還得搭一套專業(yè)動(dòng)捕環(huán)境。在采集速度上，人盯著屏幕遙控機(jī)械臂，采集節(jié)奏很難跟上真實(shí)生產(chǎn)節(jié)拍。

甚至有觀點(diǎn)指出，機(jī)器人遙控操作數(shù)據(jù)這條路，可能走不下去。這種方式產(chǎn)生的數(shù)據(jù)，難以同時(shí)支撐大規(guī)模訓(xùn)練與產(chǎn)業(yè)落地。

互聯(lián)網(wǎng)視頻數(shù)據(jù)倒是不缺，但多是機(jī)器人無法使用的無效數(shù)據(jù)。這類數(shù)據(jù)提供的是“第三方視角”，能告訴AI發(fā)生了什么，但說不清楚“動(dòng)作為何這樣發(fā)生”。

比如一道時(shí)令的春筍炒肉教學(xué)視頻。鏡頭展示了食材、步驟和成品，但機(jī)器人學(xué)不到配菜下鍋時(shí)的油溫、火候變化、翻炒力度等細(xì)節(jié)。

這兩類數(shù)據(jù)訓(xùn)練的機(jī)器人，實(shí)際上都是“演員”。它們可以在可控的場景里復(fù)刻標(biāo)準(zhǔn)動(dòng)作，但面對無序、隨機(jī)、多變的真實(shí)物理世界，就顯得“小腦發(fā)達(dá)、大腦不足”，擅長跑跳等基礎(chǔ)動(dòng)作，卻無法完成家務(wù)、精細(xì)操作等實(shí)用任務(wù)。

究其根本，機(jī)器人被投喂的數(shù)據(jù)，脫離了真實(shí)的物理世界。

具身智能的核心，是動(dòng)手操作、感知物理、動(dòng)態(tài)決策，需要像人類一樣，通過“第一視角”與世界交互：用眼睛看、用手觸摸、感知力度、判斷環(huán)境、積累容錯(cuò)經(jīng)驗(yàn)，即第一視角數(shù)據(jù)（Ego-centric Data）。

這類數(shù)據(jù)完整復(fù)刻了人類面對物理世界的感知、判斷與操作邏輯，也保留了人類操作時(shí)的隱性信息：視線的移動(dòng)軌跡、手眼協(xié)同的微操、對空間關(guān)系的判斷等，稱得上是適配物理AI的“原生語言”。

相較互聯(lián)網(wǎng)數(shù)據(jù)和遙控?cái)?shù)據(jù)，第一視角數(shù)據(jù)可以告訴機(jī)器人“動(dòng)作為何發(fā)生”，以及“動(dòng)作如何被執(zhí)行”。要讓AI在物理世界發(fā)揮真正價(jià)值，第一視角數(shù)據(jù)必須被重新創(chuàng)造。

過去一年，英偉達(dá)、Tesla、Figure、1X等公司紛紛大規(guī)模采集人類操作視頻，用于訓(xùn)練機(jī)器人的模仿學(xué)習(xí)（Imitation Learning）。英偉達(dá)今年提出的EgoScale框架，明確將大規(guī)模第一視角數(shù)據(jù)視為機(jī)器人訓(xùn)練的核心基礎(chǔ)設(shè)施。

某種意義上，第一視角數(shù)據(jù)正在成為全球具身智能領(lǐng)域最稀缺的資源。

更重要的是，這個(gè)領(lǐng)域也在出現(xiàn)類似大模型的Scaling Law（縮放定律）：機(jī)器人看的視頻越多，就越聰明。

這意味著，模型能力上限，取決于真實(shí)世界行為數(shù)據(jù)的規(guī)模與質(zhì)量。具身智能最終競爭的，不只是模型能力，更是誰能持續(xù)獲得大規(guī)模真實(shí)場景中的第一視角人類數(shù)據(jù)。

京東布局具身智能數(shù)據(jù)采集，以及在618上再次提出“將打造全球最大物理世界運(yùn)營中心”的核心價(jià)值就在于此。它走進(jìn)真實(shí)的普通人生活、產(chǎn)業(yè)場景，以人類第一視角，采集實(shí)操數(shù)據(jù)，也在補(bǔ)齊遙控?cái)?shù)據(jù)、互聯(lián)網(wǎng)視頻數(shù)據(jù)的短板。

宿遷，是京東具身智能數(shù)據(jù)基建量產(chǎn)化、規(guī)?；⑸鷳B(tài)化核心承載地。京東已經(jīng)在此建立全球最大具身智能數(shù)據(jù)采集中心。

圖｜商超場景的數(shù)據(jù)采集·唐辰拍攝

我在宿遷看到，家庭、醫(yī)療、養(yǎng)老院護(hù)工、服裝廠工人、果農(nóng)作業(yè)等場景，市民采集員將日常生活、工作的對應(yīng)數(shù)據(jù)，采集上傳。

比如，寶媽邊做家務(wù)，將生活化的擦桌子、疊衣服、整理收納、地面清潔等勞動(dòng)中的上肢軌跡、力度分布、人與家居環(huán)境的交互關(guān)系等關(guān)鍵參數(shù)，通過自研采集終端獲取。

這些數(shù)據(jù)經(jīng)過上傳、質(zhì)檢、標(biāo)注等流程，成為優(yōu)質(zhì)的“數(shù)據(jù)燃料”，輸入具身智能模型，讓模型更加理解真實(shí)的物理世界。

目前，這場被視為“人類歷史上規(guī)模最大的數(shù)據(jù)采集行動(dòng)”，已經(jīng)覆蓋家庭、辦公室、工廠到物流、商店、環(huán)衛(wèi)等超百個(gè)細(xì)分場景。

京東也在數(shù)據(jù)采集項(xiàng)目落地中，將人類操作經(jīng)驗(yàn)從“物理動(dòng)作”向“數(shù)字資產(chǎn)”的升維，并成為機(jī)器人的“人類行為樣本”。

“3+1”底座，撐起“全球最大物理世界運(yùn)營中心”

換句話說，京東正在為具身智能煉制第一視角數(shù)據(jù)“金丹”。

這絕對是一個(gè)苦活、累活。巨頭都在爭搶第一視角數(shù)據(jù)時(shí)，京東是國內(nèi)AI大廠里最先入局的一家。

為什么是京東？它為什么能夠率先完成物理世界數(shù)據(jù)體系的重構(gòu)？在我看來，這得益于京東構(gòu)建了一套“3+1”核心壁壘。

首先AI基建。這是純算法廠商、硬件廠商、單一場景玩家無法復(fù)刻的場景優(yōu)勢。其由京東”硬商業(yè)實(shí)力+AI基礎(chǔ)設(shè)施“兩大根基支撐。

前者得益于京東深耕實(shí)體經(jīng)濟(jì)，搭建起覆蓋全國的線下基建網(wǎng)絡(luò)，比如3600多個(gè)遍布全國的倉庫、京東Mall等一萬多家線下門店、二十多萬家合作藥房、五萬余名專業(yè)家政服務(wù)人員等實(shí)體場景，都是天然的物理AI數(shù)據(jù)寶庫，使得它在數(shù)據(jù)采集過程中，無需像實(shí)驗(yàn)室”造景“，就能在日常經(jīng)營、運(yùn)營中獲得高質(zhì)量數(shù)據(jù)。

后者是京東愿意砸錢做技術(shù)研發(fā)，為AI與實(shí)體經(jīng)濟(jì)的融合趟出一條可復(fù)制的實(shí)踐路徑。京東2026年一季度財(cái)報(bào)顯示，該季度研發(fā)投入增速同比再超59%。

這是京東版“大力出奇跡”，京東AI已在“模型層-技術(shù)底層-產(chǎn)業(yè)生態(tài)”上多維度突破，為其聚焦“解決實(shí)際問題”提供了技術(shù)保障。

比如模型層，以京東自采核心數(shù)據(jù)訓(xùn)練的具身大模型JoyAI-RA，在真機(jī)操作實(shí)驗(yàn)中實(shí)現(xiàn)成功率全球領(lǐng)先；在技術(shù)底層，京東云已形成國產(chǎn)化算力適配的全棧技術(shù)閉環(huán)。產(chǎn)業(yè)生態(tài)上，京東從數(shù)字人到具身智能，通過技術(shù)普惠推動(dòng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，構(gòu)建萬億級生態(tài)。

值得一提的是，京東在打造“具身智能超級供應(yīng)鏈”的過程中，搭建起行業(yè)唯一覆蓋“采、存、標(biāo)、訓(xùn)、評、仿、測”的全鏈路具身智能數(shù)據(jù)基礎(chǔ)設(shè)施。依托京東云，實(shí)現(xiàn)數(shù)據(jù)一鍵上云、全流程可視化處理。目前京東數(shù)據(jù)有效率達(dá)95%，整體處理成本降低60%，日處理數(shù)據(jù)數(shù)十萬條，以規(guī)模化、低成本的基建能力，支撐千萬小時(shí)數(shù)據(jù)采集工程。

其次是產(chǎn)業(yè)厚度。這是京東AI區(qū)別于純實(shí)驗(yàn)室創(chuàng)新的核心差異。目前，京東超級供應(yīng)鏈已經(jīng)深度嵌入零售、物流、健康、工業(yè)等數(shù)千個(gè)細(xì)分場景，自身就有供應(yīng)鏈及業(yè)務(wù)場景優(yōu)勢。

比如在倉庫分揀、快遞配送、家居服務(wù)、工廠運(yùn)維等業(yè)務(wù)場景，快遞員分揀包裹的力度、倉庫工人搬運(yùn)貨物的角度、家政人員擦玻璃的動(dòng)作等數(shù)據(jù)，都是遙控、互聯(lián)網(wǎng)視頻數(shù)據(jù)給不到，但又是機(jī)器人訓(xùn)練所需的真實(shí)數(shù)據(jù)。

我看到一個(gè)更大的價(jià)值是，京東AI在供應(yīng)鏈嵌入產(chǎn)業(yè)中也在進(jìn)行能力遷移，進(jìn)一步挖深產(chǎn)業(yè)。比如，京東物流超腦大模型推動(dòng)狼族機(jī)器人持續(xù)迭代；京東工業(yè)大模型JoyIndustrial解決工業(yè)領(lǐng)域供需履三大環(huán)節(jié)長期痛點(diǎn)，服務(wù)超萬家世界500強(qiáng)與央國企客戶。

這是一個(gè)動(dòng)態(tài)、或者說在進(jìn)化的產(chǎn)業(yè)厚度，讓京東的數(shù)據(jù)采集天然帶著行業(yè)Know-how（解決方案），每條數(shù)據(jù)都貼合產(chǎn)業(yè)需求、貼合真實(shí)場景，精度和實(shí)用性遠(yuǎn)超實(shí)驗(yàn)室標(biāo)準(zhǔn)化數(shù)據(jù)，從根源上保證了模型訓(xùn)練后的落地能力。

第三是用戶體驗(yàn)。一個(gè)行業(yè)共識是，大模型已經(jīng)告別參數(shù)內(nèi)卷，其最終目的是要落地，創(chuàng)造價(jià)值。京東AI戰(zhàn)略的重要支柱便是用戶體驗(yàn)，堅(jiān)持“技術(shù)可用、體驗(yàn)可感”。這正推動(dòng)AI從“技術(shù)炫技”到“落地實(shí)用”的跨越。

比如，在具身智能領(lǐng)域，京東零售2026年將助推機(jī)器人品牌伙伴累計(jì)銷售破100億元；京東工業(yè)打造一站式工業(yè)供應(yīng)鏈技術(shù)與服務(wù)，將實(shí)現(xiàn)機(jī)器人制造物料100%覆蓋；京東JoyInside“附身智能”與近200個(gè)家電家居、機(jī)器人、玩具等品牌深度合作等，為智能家電、機(jī)器人等植入“高情商大腦”，讓消費(fèi)者體驗(yàn)AI，用上AI。

串聯(lián)起AI基建、產(chǎn)業(yè)厚度、用戶體驗(yàn)三大優(yōu)勢，構(gòu)成京東終極壁壘的，是獨(dú)一無二的超級供應(yīng)鏈思維。

這是京東區(qū)別于所有AI玩家的底牌。供應(yīng)鏈的本質(zhì)，是對物理空間、信息流、物流、人工操作等環(huán)節(jié)的高效把控和統(tǒng)籌。這與具身智能“感知物理世界、適配物理規(guī)則、完成實(shí)操任務(wù)”的核心需求高度契合。

也正是這套思維，讓京東在具身智能賽道上，找到了別人無法替代的生態(tài)位：具身智能時(shí)代的“基礎(chǔ)設(shè)施提供商”和“超級供應(yīng)鏈服務(wù)商”。其通過搭建全鏈路數(shù)據(jù)基建、開放具身智能數(shù)據(jù)交易平臺、共建具身數(shù)據(jù)“朋友圈”，把自身下沉為具身智能時(shí)代“水電煤”。

簡單來說，當(dāng)大模型還在數(shù)字世界里“紙上談兵”時(shí)，京東已經(jīng)率先殺入物理世界，并煉制出“第一視角數(shù)據(jù)”金丹，重新定義具身智能的落地邏輯。

這也是京東敢于官宣打造“全球最大物理世界運(yùn)營中心”的真正底氣。可以預(yù)見，未來所有的機(jī)器人企業(yè)、模型廠商、產(chǎn)業(yè)伙伴，都可以依托這套“水電煤”，快速完成模型迭代、產(chǎn)品落地、場景適配。

圖｜全國首個(gè)具身智能數(shù)據(jù)采集社區(qū)落地宿遷·唐辰拍攝

在京東煉制的數(shù)據(jù)燃料支持下，具身智能的價(jià)值也在外溢。

一方面，京東采集的第一視角數(shù)據(jù)，填補(bǔ)行業(yè)95%以上的實(shí)景數(shù)據(jù)缺口，將行業(yè)整體研發(fā)成本降低60%以上。這意味著具身智能將徹底告別“實(shí)驗(yàn)室秀技術(shù)”的階段，快速走向產(chǎn)業(yè)化、規(guī)?；涞?，加速迎來屬于物理AI的“ChatGPT時(shí)刻”。

另外一方面，京東通過挖礦“煉丹”，將物理操作轉(zhuǎn)化為可計(jì)算、可復(fù)用的數(shù)字資產(chǎn)。這讓機(jī)器人從“看懂世界”升級為“理解世界”，催生新質(zhì)生產(chǎn)力，為實(shí)體經(jīng)濟(jì)數(shù)字化、智能化轉(zhuǎn)型注入核心動(dòng)力。它還將推動(dòng)城市轉(zhuǎn)型。

比如宿遷正在從“電商名城”向數(shù)智新城升級，打造長三角具身智能產(chǎn)業(yè)新高地。同時(shí)，它也會(huì)助力國內(nèi)具身智能產(chǎn)業(yè)擺脫海外技術(shù)與數(shù)據(jù)依賴，搶占全球物理AI發(fā)展的制高點(diǎn)。

2026年，已經(jīng)被權(quán)威媒體與行業(yè)共識定義為具身智能數(shù)據(jù)元年。當(dāng)60萬“群眾采集”網(wǎng)絡(luò)鋪開，兩年內(nèi)建立起1000萬小時(shí)真實(shí)數(shù)據(jù)庫時(shí)，京東也就拿到具身智能“水電煤”的主導(dǎo)權(quán)。

或許，物理世界的“ChatGPT時(shí)刻”，也會(huì)從這1000萬小時(shí)數(shù)據(jù)燃料的煉制開始。