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。

当 AI 走出屏幕，人不能被留在原地

技术浪潮滚滚向前，但京东在人才布局上展现出了更深厚的人文关怀。

从面向 12 到 18 岁青少年的“JDXplorers 未来青少年 AI 探索者计划”，到校招生的“五年成长计划”，再到全球顶尖技术天才的招募，京东搭建了一条完整的年轻人才成长路径。

与此同时，京东并未将“人才”的定义局限于技术精英。面对未来可能受到机器人普及影响的基层员工，京东前瞻性地推进**“涅槃计划”**，将现有的快递员等蓝领工人送往学校进行技术培训，让他们在技术变革中完成转型，成为历史潮流的参与者而不是被淘汰者。

总结

物理 AI 的未来，不仅写在智慧仓库的货架上、家庭客厅的样板间里，也同样写在每一个普通劳动者的奋斗轨迹中。

技术的演进日新月异，岗位形态也在不断变迁，但真正让这一切创新最终成立并产生价值的，从来不仅仅是冷冰冰的算法，而是一个个在真实场景中不断奔跑、不畏挑战的鲜活个体。