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，AI 行业的聚光灯始终聚焦于模型榜单、推理能力与多模态生成，人们不断追问着同一个问题：这个模型究竟有多强？
然而，随着技术演进，行业的关注点正在发生根本性转变。AI 的下一站不再仅仅是“能说会道”的聪明大脑，而是要真正走入仓库、货架、家庭、配送路线与售后服务，去完成复杂的真实任务。在今年的 JDD 大会上，京东给出了自己的解题思路：JoyAI -> 跃迁物理世界。
在这场向真实物理世界的迁移中，站上舞台中央的不仅有企业高管，还有一批年轻的 95 后业务负责人与产品经理。他们没有停留在概念的未来里，而是将 AI 真正送入了京东 App 的改造、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
在纯对话式电商大火的时期，京东的 95 后产品负责人陈屿也曾推出独立 APP 去打磨原生购物体验。但经过试点，团队看到了纯对话模式的边界：用户聊完需求后，依然会追问价格和优惠，而这些需求在京东原生的首页里早已得到解决。更重要的是，纯对话式的来回交互不仅消耗 token，更在消磨用户的耐心。
面对行业狂热与用户真实体验的岔路口，陈屿团队最终选择回归用户，将 AI 「长进」京东原生的购物流程里。搜索里加入意图增强，推荐里融入时间、场景、多维度信息，购物车顶部悄悄嵌入「场景提示词」入口。这条路虽然比做一个独立的 AI 助手要难得多，要在成熟运转的超级 APP 里「润物细无声」，但它真正做到了不打扰用户原有习惯。
与此同时，京东物流仓储具身算法开发负责人林澈，则将战场搬到了真实世界的仓库中。
面对市面上各种炫酷但脱离实际的机器人 Demo，林澈更关心的是核心指标：每小时拣多少件、准确率是否足够、能否覆盖大量 SKU 以及能否与一线员工安全协同。为此，他的团队将仓库当成实验室，自研了一套世界意图模型（World Intent Model）。
这套架构的逻辑非常朴素：
- 用大模型生成高层的任务意图（例如「我要抓这个杯子」）。
- 把意图交给高速执行的「动作专家」去完成。
- 中间加入实时控制器，一旦出现意外便迅速触发大模型生成新意图。
这套架构让「仓狼」机器人实现了 99.9% 的抓取准确率与每小时 80 件的拣货效率，真正具备了算得过经济账的产业价值。
另一位 95 后产品负责人许欣，则在接手 JoyInside 硬件生态后，直面硬件工程、供应链、采销等多方角色的复杂场域。从 AI 点读笔到 AI 机器狗，再到 AI Home 样板间的全品类覆盖，许欣和团队正在把智能硬件从单点爆品推向批量复制的能力。
京东真正的底牌：超级 AI 供应链
这几位年轻人的成功，绝非仅仅依靠个人的聪明与拼劲。他们背后真正起支撑作用的，是京东历时二十多年一点一点搭建起来的真实物理世界。
物理 AI 必须进入仓库、供应链、门店与家庭。陈屿推动 App AI 化，依托的是厚实的零售数据与履约服务能力；林澈做仓储机器人，依赖的是京东物流高频、刚性的真实生产现场；许欣推进硬件生态，则离不开京东的硬件渠道与家庭消费场景。
在本次 JDD 大会上，京东将这套基础设施概括为超级 AI 供应链：
云提供算力 -> 数据推动 AI 进化 -> 模型提供大脑 -> 终端进入物理世界 -> 场景负责验证能力 -> 供应链完成规模化
特别是在机器人产业上，京东通过提出“六个全球第一”，构建了涵盖具身智能数据采集、产业基地、零部件供应、维修服务、物流应用及零售渠道的“物理 AI 加速计划”，实现了全链路、全周期的产业赋能。
当 AI 走出屏幕，人不能被留在原地
技术浪潮滚滚向前，但在京东的视野里，技术演进的最终落脚点依然是「人」。
从面向 12 到 18 岁青少年的“JDXplorers 未来青少年 AI 探索者计划”，让他们在步入职场前用真实问题校准对 AI 的理解；到面向校招生与顶尖技术天才的成长路径；再到内部推进、旨在将 70 万蓝领快递员通过技术培训转化为技术工种的“涅槃计划”。
京东试图建立的，从来不是一个只服务于精英工程师的漏斗，而是一套覆盖不同起点、不同场景的系统。
物理 AI 的未来，不仅写在仓库与货架上，也写在每一个真实劳动者的身影里。让这一切最终成立的，永远不只是冰冷的算法，而是那些在时代浪潮中不断成长与进化的真实面孔。