京东押注物理 AI:当大模型走进真实的仓储与生活
分类:AI动态 标签:人工智能、大模型、具身智能、京东 在过去的一两年里,整个 AI 行业见证了模型榜单的急速狂飙、推理能力的跨越式提升以及多媒体生成的眼花缭乱。然而,当大模型逐渐褪去最初的神秘感,科技产业迎来了更加务实的审视:AI 究竟能为真实世界带来什么改变? 在今年的 JDD 大会上,京东给出了自己的解题思路。京东将大会主题定为「JoyAI -> 跃迁物理世界」,清晰地传达出一个信号:AI 的下一站不再局限于屏幕之内的“能说会道”,而是要深入仓库货架、家庭客厅、配送路线以及售后服务,去完成真正复杂的落地任务。 在这场向物理世界进军的浪潮中,站在舞台中央并冲锋陷阵的,是一群充满干劲的 95 后业务负责人与产品经理。他们没有停留在概念构想中,而是将 AI 真正嵌入到京东 App 的深度改造、物流具身智能机器人的研发以及家庭 AI 入口的开拓中。 95 后冲进 AI 最难落地的地方 纯对话式的「智能体电商」曾是行业竞逐的热点,但经过实际业务的试点,年轻的团队们很快发现了纯对话模式的边界。 在实际购物场景中,用户在经过一轮 AI 问答后,往往还是会追问价格和优惠,而这些诉求在传统的成熟货架电商体系中早已得到高效解决。同时,完全依赖文字交互的购物流程成本高昂,不仅消耗 Token,更在无形中透支了用户的耐心。 面对岔路口,京东的年轻团队没有盲目跟风做独立且脱离实际的 AI 助手,而是选择了一条更难的路:将 AI “长”进京东原有的购物流程中。 搜索加入意图增强 推荐融入时间 x 场景 x 用户多维度信息 购物车顶部增设场景提示词入口 这种改造就像是在超市里配备了一位贴心的导购,在不打扰用户原有习惯的前提下,在关键节点提供精准、无感的辅助。 与此同时,在物理世界的另一端——京东物流的仓储车间里,具身智能算法开发团队同样在直面最真实的挑战。 面对仓库内满地的杂物遮挡、人员走动以及高达十几万种 SKU 的复杂环境,实验室里光鲜亮丽的机器人 Demo 往往难以直接派上用场。为了突破这一瓶颈,研发团队将仓库直接搬进实验室,长期驻扎一线,并自研了一套世界意图模型(World Intent Model)。 这套架构的核心逻辑非常朴素: 用大模型快速生成「意图」(例如“抓取某个杯子”) 将意图交由「动作专家」以高频率执行 中间通过控制器实时监控,一旦出现意外则快速触发大模型生成新意图 通过这套兼顾长程任务与实时突变处理的架构,京东的“仓狼”机器人实现了 99.9% 的抓取准确率、超过 85% 的商品覆盖率以及每小时 80 件的拣货效率,真正迈过了商业化落地的经济账门槛。 京东的真正底牌:超级 AI 供应链 在这群年轻团队的背后,支撑他们将技术想法转化为现实的,是京东历时二十多年构建的庞大物理世界运营中心。 物理 AI 的落地无法脱离真实的场景。陈屿推动京东 App 的 AI 化,依托的是深厚的零售数据与履约服务能力;林澈研发仓储机器人,依赖的是高频、刚性的物流生产现场;而负责硬件生态 JoyInside 的团队,则借助京东的硬件渠道、品牌合作及服务供应链,成功跑通了 AI 硬件爆品的量产节奏。 ...