京东押注物理 AI:当 95 后年轻人冲向技术最难落地的战场
分类:AI动态 标签:人工智能、具身智能、大模型、京东 过去几年,整个 AI 行业的热闹始终围绕着模型榜单、推理参数与多模态生成打转。所有人都在追问:这个模型究竟有多强? 但随着技术走向深水区,行业的问题正在发生根本性转变:AI 到底能干什么?它如何才能真正创造价值? 在今年的 JDD 大会上,京东给出了自己的答案——「JoyAI 跃迁物理世界」。AI 的下一站不再只是停留在屏幕内“能说会道”,而是要深入仓库货架、家庭客厅、配送路线乃至售后服务,去真正完成复杂、真实的物理任务。而在这一场向物理世界进军的浪潮中,一批 95 后的年轻业务负责人与产品经理,正悄然成为冲在最前面的主力军。 95 后冲进 AI 最难落地的地方 在京东,年轻的团队没有选择去做那些看似酷炫却悬浮于空中的概念,而是直接扎进了 AI 落地最艰难、最复杂的真实场景中。 1. 屏幕内的战场:给成熟应用做“微创手术” 陈屿和团队曾试图打造纯对话式的原生购物 APP「京东 AI 购」。然而经过试点,他们发现纯对话模式存在天然的边界:虽然擅长复杂选品,但无法完全替代传统电商的高效与便捷。用户买东西时,依然会追问价格和优惠,而纯对话带来的高时间成本和认知消耗,反而容易消磨用户的耐心。 面对岔路口,陈屿团队没有随波逐流,而是选择回到用户体验本身,将 AI “长”进原有的购物流程中。 搜索增强:加入意图识别与理解; 智能推荐:融入时间、场景与用户的多维度信息; 场景提示词:在不打扰用户原有习惯的前提下,在购物车顶部或关键节点进行润物细无声的导购提示。 这就像在一栋住满人的大楼里做精细化装修:不能断水断电,还要让住户觉得越住越舒服。这条路远比做一个独立的 AI 助手要难得多,却更具实用价值。 2. 真实世界的仓库:用“世界意图模型”迎战混乱 如果说陈屿的战场在屏幕,那么京东物流仓储具身算法开发负责人林澈的战场,则是充满不确定性的实体仓库。 面对市场上各种打拳击、叠衣服的炫酷机器人 Demo,林澈更关心的是落地指标:每小时能拣多少件?准确率够不够?能不能和一线员工安全协同? 京东的仓库里拥有十几万种 SKU,杂物遮挡、人员走动、储位变动让实验室里的理想算法频频失效。为此,林澈团队将仓库变成实验室,长期驻扎一线,并自研了一套世界意图模型(World Intent Model): 核心逻辑:人类抓取物体时,不需要预测未来每一秒的画面,而是依赖“抓取”这一明确意图。 技术落地:大模型生成意图 -> 动作专家高频率执行 -> 控制器实时纠偏。 这套架构在京东的“仓狼”机器人上取得了突破性成果:抓取准确率高达 99.9%,商品覆盖率超过 85%,每小时拣货效率达到 80 件。这些扎实的数据证明,它不仅是一个 Demo,更是算得过经济账的工业级产品。 京东的真正底牌:超级 AI 供应链 在这场物理 AI 的变革中,年轻人能够披荆斩棘,不单单是因为足够聪明和拼搏,更关键的是他们背后站着一个足够真实、复杂的物理世界。 京东通过二十多年一点一滴搭建起来的基础设施,为 AI 落地提供了无可替代的土壤: 零售数据与履约服务支撑了 App 的 AI 化改造; 高频、刚性的物流生产现场让仓储机器人得以在实战中持续进化; 硬件渠道与品牌合作生态则助力 JoyInside(如 AI 点读笔、AI 机器狗)快速跑通智能硬件爆品节奏。 正如京东在大会上所概括的超级 AI 供应链:云提供算力 -> 数据推动进化 -> 模型提供大脑 -> 终端进入物理世界 -> 场景验证能力 -> 供应链完成规模化。京东看到的物理 AI 产业化,不是孤立地做一个爆款机器人,而是将整条技术与产业链路全部串联打通。 ...