京东要帮助AI减少进入物理世界的摩擦力。
作者 | 李威（北京）
在2026京东全球科技探索者大会上，京东一口气发布了AI购物助手东东、JoyAI系列模型、物流机器人、具身数据采集计划和国产算力集群规划。
虽然这看上去像一张在头脑风暴会上列出的「AI想法清单」，但如果用京东提出的「超级AI供应链」来串联，会发现这些动作背后，确实存在一个相对清晰的AI布局思路。
从现实情况来看，AI首先改变的是搜索、内容创作、办公等信息处理体验，同时，也在快速进入机器人、家电和各种终端设备，探索如何在仓库、工厂、门店和家庭等现实场景中完成具体任务。
这与互联网先改变虚拟世界，再由移动互联网深入物理世界的发展节奏不同，AI几乎同时在渗透进屏幕内外的两个世界。新的数据从哪里产生、AI设备如何交付、旧有的系统如何被改造成可持续运行的AI化系统，逐渐成为新的问题。
新问题的本质是谁来帮助AI减少进入物理世界的摩擦力。这是京东更擅长去抓的机会。正如京东集团技术委员会主席、京东云总裁曹鹏所说，京东的供应链可以成为AI走向物理世界最好的训练场和第一站。
京东一方面能从「智能飞轮」切入，由场景产生数据，数据训练模型，模型驱动终端，终端完成任务后继续产生反馈；另一方面，则想驱动「产业飞轮」，供应链连接研发、制造、销售、交付和维修，帮助AI从验证走向规模应用。
这两套飞轮落到京东的生意上，可以被简单归纳为：先用AI改造已有的零售、物流和工业业务，再把经过真实场景验证的能力向外输出，同时为走向规模化的AI和机器人产业提供新的供应链服务。
AI改变了怎么卖货，也创造新的货
传统电商卖货通常从关键词开始。用户先判断自己需要什么，再输入品牌、品类或规格的关键词，从平台返回的商品搜索页中逐个筛选。AI介入后，用户可以直接描述用途、预算和顾虑，平台则是理解意图、拆解需求，再匹配商品和服务。
京东用AI改造电商交互体验的思路是，原来的搜索、推荐和商品页面，继续承担商品展示与交易转化；AI则被嵌入在需求沟通、商品选择、购买决策和履约服务的完整流程中，随时准备为用户解答疑问，提供决策帮助。
新推出的AI购物助手「东东」，是这套融合交互中最容易被用户感知的部分。用户可以在首页向他询问消费趋势，在商品详情页向他追问参数、评价和使用问题，在购物车让他比较不同商品。此外，「AI放我家」和「AI穿搭」等功能，则能让用户在下单之前，预览家具摆放或服装上身效果。
这并非京东一家平台的尝试方向。阿里也已经将千问与淘宝商品体系打通，使用户可以通过自然语言完成商品发现、比较、下单、物流查询和售后。电商平台都需要回答，当消费者越来越习惯直接表达具体需求，过去以关键词和商品列表为中心的人货匹配方式，该如何发生变化。
与AI聊天本身对购物体验的提升有限，只有当AI能够调用商品、评价、价格、库存和履约服务等资源，理解用户的问题才可能更直接被转化为商品选择、送货、安装和售后服务。京东也想利用AI更早进入消费决策，缩短从模糊需求到完成交易的路径，为自己的电商业务创造新的增长空间。
同时，AI也在为京东带来新的商品品类，不只限于机器人、AI玩具等新品类，也来自家电、家居和健康设备的AI化改造。京东会通过JoyInside把自己的模型和智能体能力嵌入第三方硬件，目前已与超过200家品牌达成技术合作。
这意味着京东在一边利用零售渠道把这些产品推向消费者，一边帮助品牌为产品增加对话、理解和主动服务能力。这一过程中，京东既是AI硬件的销售渠道，也试图更进一步，成为AI硬件的联合定义者和AI硬件生态的连接者。
如果这些AI硬件还能连接京东健康、家电安装和保洁服务，那京东参与的就不再是一次硬件交易，而可能延伸到设备进入家庭后的持续服务。AI由此会给京东零售带来两层机会：一层是重新组织用户与商品的匹配方式，另一层是扩大服务产品的业务触角。
物流是京东最大的物理AI试验场
零售之外，京东应用AI的另一个重要方向，是改造自身的物流体系。
与购物决策主要发生在数字界面不同，仓储、搬运、分拣、运输和配送需要AI驱动设备，在复杂环境中持续完成真实任务。京东拥有大量物流设施、订单和作业数据，因此物流成为它验证物理AI能力最直接的场景。
京东物流的「超脑」3.0负责仓储、运输和配送中的决策与协同，「狼族」机器人承担抓取、搬运、分拣和配送等物理任务。按照京东的披露，「超脑」可以把亿级包裹路径规划的求解时间从分钟级缩短到秒级，具身模型在物流多任务场景中的执行成功率达到96.7%。
但物流自动化不能只看模型演示或机器人能否完成一次动作。真实包裹的大小、材质、形状和重量各不相同，仓库还要面对订单波峰、设备故障和连续作业压力。机器人是否能真正上岗，需要综合权衡其在实际工作中的稳定性、人工介入率和单位任务成本。
同时，物流也是一个能持续形成「行动-反馈」的循环系统。京东拥有自己的仓库、配送站和订单，可以在实际运营中反复训练模型、调整设备和检验成本。包裹是否准确分拣、设备在哪里停机、哪条路线发生拥堵，都会形成新的数据。数据的回流又会继续优化模型和机器人。
亚马逊也在做类似的事情——用自己的物流场景训练模型和机器人。亚马逊称，已经在全球运营网络中部署超过100万台机器人，并利用DeepFleet AI调度系统统筹物流网络。同时，亚马逊还会探索向其他工业及消费客户提供机器人解决方案。
京东同样有机会把改造自身物流形成的能力提供给外部企业。京东物流原本就是从解决内部履约问题开始，之后逐渐向外部企业开放仓储、运输和配送服务。AI可能也会沿着相似路径发展：先在自己的仓库和配送站验证机器人、调度系统与自动化方案，再把成熟能力组合成企业可以购买的解决方案。
类似的逻辑已经落地在工业采购场景中。京东工业与德力西合作，将2000多份产品手册和8万条物料数据整理为4万条标准化商品数据，并据此训练电气领域模型。双方披露，数据整理效率提升3至4倍，陌生工业品的选型决策时间缩短约70%。
对德力西而言，这项合作的价值在于，把企业长期积累的产品资料和专业知识，转化为模型能够理解和调用的数据，再将模型用于商品治理、产品选型和经营环节，使AI真正进入具体的业务流程。对京东而言，这项合作将京东工业大模型落地成了面向低压电气领域的解决方案。
AI也在拓展供应链边界
AI也为京东的供应链生意带来了一批新的潜在客户。
一家机器人企业要把产品送进仓库、工厂、门店或家庭，只有模型和机器人本体远远不够。它还需要算力和训练数据，需要采购零部件、组织生产、寻找销售渠道，也要完成运输、部署、维修和备件管理。
机器人一旦成为生产工具，长时间停机会给客户带来直接损失，交付和售后因此与模型能力同样重要。
这些需求已经与京东已有的能力发生交集。京东云与合作伙伴共同建设了国产万卡集群，为模型训练、推理和仿真提供算力；首批具身数据集EgoLive已经对外开放，并获得多个国家的高校和科研机构申请使用；机器人销售渠道、物流应用场景和国内机器人维修中心都在建设和完善过程中。
其中，真实物理世界数据是京东开发的一项新资源。具身智能需要的数据，包括人怎样搬运、分拣、巡检和完成其他现实任务。京东的仓库、配送站和门店因此既承担日常经营，也可能为外部企业提供模型训练和设备验证的环境。
这是模型企业与具身智能企业当下希望获得的研发资源。
同时，京东也发布了多模态模型、世界模型和具身模型，推出了零售、物流、工业和健康领域的垂直模型。京东期望以这些模型为基础，将服务范围从为客户提供物流、售卖支持，延伸到提供产品AI化支持。
在此基础上，京东还公布了十万卡集群、千万小时真实场景数据采集、80余个RoboBase产业基地和全球机器人售后网络等目标。
过去，品牌商找到京东，主要是为了销售商品、管理库存、配送和售后。未来，AI和机器人企业也可能需要京东提供的算力、数据、真实场景、销售渠道、设备交付和维修服务。
京东希望建立的「超级AI供应链」，就是把这些分散环节连接起来，为客户降低AI产品从研发、验证到规模应用的门槛。
AI时代的到来没有改变京东寻找机会的基本方法。它仍然从交易、履约和供应链服务出发，只是组织的对象增加了数据、模型、机器人，服务的范围增加了数据采集、算力供给、机器人交付和维修。
京东已经解释了这些业务为什么能够被放进同一套供应链逻辑。接下来要让这套逻辑真正成为外部客户愿意持续购买的新服务。走到这一步，京东抓住的就不只是AI带来的提效机会，而是一种真正的战略增量。
- END -