当AI听懂一句“口渴”：在WAIC，京东为行业补上物理世界这一课

《财经》新媒体 撰稿人 王婧雅/文 舒志娟/编辑

让AI像一个真正的家庭成员，远比看上去难。客厅里电视在响，厨房里油烟机在工作，老人和孩子同时在说话，AI既要分辨出哪句话是对自己说的，又要听懂一句“有点口渴”背后的真实意图，还要调度不同设备接力把事办完。这不是把一个大模型接进音箱就能做到的事。

过去几年，大模型发展飞速，但始终无法实现对物理世界的感知、交互、操作和执行。如何让AI从数字世界走进物理世界，成为行业关注的焦点。7月17日至20日，2026世界人工智能大会在上海举行，前两年占据展台C位的参数比拼、单品秀明显降温，算力底座、模型矩阵、数据基础设施被摆到台前，企业开始比拼底层基座与完整生态链。

京东以“AI 进入物理世界”为主题参展，系统展示了在数字智能、附身智能、具身智能领域的技术路线与落地成果。这背后，是京东20余年积累的供应链能力、真实场景与产业数据。AI在物理世界中训练、验证、创造价值的闭环，由此形成。其未来布局指向“全球最大的物理世界运营中心”，为全行业提供一套可落地、可复制的物理AI方案。

从参数竞赛到物理世界 AI竞争进入新阶段

走进本届WAIC展馆，AI赛道竞争逻辑已彻底转变。算力厂商不再单一罗列芯片规格，而是推出液冷、超节点一体化集群方案；大模型企业展板重点替换为真实落地案例，弱化榜单排名；具身智能展区告别机器人跳舞、格斗等观赏性演示，转而完整展出数据采集、数字仿真、真机部署全流程闭环。

业内普遍认为，如今AI产业竞争已经从单一模型性能内卷，转向基础设施、数据、终端、场景协同的全链条综合实力比拼。

京东展台上吸睛的不是某个单品，而是一整套场景。样板间里，台灯在辅导作业，床垫在监测睡眠，茶吧机听到一句“有点口渴”便主动出水；隔壁的具身智能展区，观众戴上JoyEgoCam做理货动作，第一视角画面实时投上大屏，数据再经自动标注、仿真训练和模型评测，最终部署到一台正在零售小站里补货的理货机器人身上；再往外，是物流无人机、AI智采管家、AI医生，各自解决不同场景里的具体问题。

这些展示之所以备受关注，是因为它们看起来，AI似乎真的开始懂物理世界了。那些看似分散的台灯、床垫、茶吧机、头戴设备和机器人，拼在一起，一边连着数字世界，一边伸向物理世界。京东在WAIC上展示的，或许不只是展品，而是AI走进现实的一条路径。

打通物理AI落地堵点 三层智能搭建全链路技术底座

目前，大模型能力日趋同质化，单纯比聪明已经很难拉开差距；具身智能虽然火热，却迟迟无法在现实场景中大规模应用。行业开始意识到，AI要走进物理世界，需要学习的是另一类知识：人是怎么操作的，手和眼怎么配合，面对复杂环境怎么应对。

无论是家庭里的主动服务，还是机器人的理货作业，难的其实是同一件事。只依赖一个基础模型远远不够，AI走进物理世界，背后需要足够强的模型底座、在复杂真实环境里管用的交互能力，以及让机器理解物理世界的高质量数据。

在此背景下，京东提出了数字智能、附身智能、具身智能的技术路线。京东集团副总裁、探索研究院副院长段楠指出，这三层不是彼此孤立，而是递进关系。数字智能建立语言、视觉和多模态理解的基础能力，附身智能将这些能力投射到各类终端设备上实现实时交互，具身智能则将模型扩展到机器人等硬件上，完成对物理世界的感知、操作与执行。

具体来看，在数字智能方面，京东在WAIC上展示了面向物理世界的JoyAI模型矩阵，包括JoyAI-Image-Edit、JoyAI-Echo、JoyAI-VL-Interaction、JoyAI-Talker、JoyAI-Video-Edit等多个模型，覆盖图像编辑、长视频生成、实时视频交互、语音交互、视频编辑等不同方向。

有了这些模型能力，AI进家庭成了京东物理AI的首站。不过，让AI在真实家庭里站住脚，远比想象中困难。家庭成员多、设备多、场景多，不是简单把模型接进音箱就能解决；而且家庭场景容错率非常低，AI既然接管了事情，就要为结果负责。

京东附身智能负责人戴文军曾以烤红薯解释这种变化。最早，人们把红薯放进炉子里烤，操作并不复杂；后来，蒸烤箱等电器增加了温度、时间、模式等一系列按钮，功能变多了，操作成本也随之上升。用户如果没弄明白参数，即便最后烤糊了，往往也只会认为是自己设置不当。

AI带来的变化，是把复杂操作重新交还给机器。用户不必研究不同按钮和参数，只需告诉AI“我想吃外焦里糯的红薯”，设备就应该自主判断温度、时间和烹饪模式，并完成整个过程。但这也意味着责任发生了转移：过去做不好，用户可能归因于自己不会操作；现在既然由AI理解需求并作出决策，结果不理想，就说明AI还不够可靠。

无论是附身智能还是具身智能，推动AI从虚拟世界走向现实，都离不开算法、算力、数据这些基础能力。谈及行业为何卡在物理世界门前，京东集团副总裁龚义成认为，问题不在于没有数据，而是缺乏真正高价值、有用的高质量数据。机器人要学的不是互联网上的知识，而是人手如何操作物体、如何应对复杂环境的真实经验。这类高数据在行业里非常稀缺。

也正因如此，今年3月，京东正式提出战略规划，致力于建设全球超大具身智能数据采集中心，目标是两年内采集1000万小时高质量数据。

在龚义成看来，目前数据采集没有标准答案，京东的理解已经迭代了十多次。相比数据规模，对数据质量本身的理解可能更加重要。即使作为先行者，他也坦率承认，京东对于整个数据价值的理解“还远未达到终点”。每向前一步，都是在推动行业对数据质量的认知提升。

瞄准物理世界运营 共建开放型具身智能产业生态

从今年WAIC能看到，头部厂商都在转向底层能力的竞争。当所有大厂都开始比拼基座与生态，真正的问题是，谁能把地基打得更深？

业内普遍认为，京东的底气在于它的天然优势，数量庞大的真实业务场景，以及一张覆盖仓储、分拣、配送、门店、家庭的供应链网络。这些既是数据来源，也是机器人未来的用武之地。

据了解，京东目前已经是国内优秀的机器人销售平台，而未来京东会成为机器人前列的消费方，几十万员工中将有相当一部分转向机器人的维修、保养等后链条服务。

在场景之外，更难的是持续的重投入，短时间内做到千万小时级数据，从资金、人力到技术都需要极强的支撑。为此，京东用“数据-模型-场景”的闭环确保数据有效，用技术优化压低成本。龚义成表示，从去年到现在，京东的数据处理成本已降低10倍以上。

对落地节奏，京东瞄准的是解决场景中的问题。龚义成以物流为例，亚洲一号仓的自动化程度已经很高，传统工业机械臂面对定义好的任务又快又准，但遇到没见过的物体就束手无策。具身智能的价值在于补上泛化能力，而非推翻现有系统。更务实的方式，是把具身智能能力和现有工业能力结合起来，在一些场景中逐步探索。

更关键的是，京东并不打算把所有事情都攥在自己手里。京东方面数据显示，JoyInside覆盖超200家品牌，2026年预计接入超千万台终端；京东已经开源了人类第一视角数据集EgoLive，包含2000小时60fps高保真双目视频数据，覆盖346个不同任务。

在业内看来，面向物理AI时代，京东想做的或许是在这个窗口期把行业繁重、缓慢、艰难的那段路先修出来。而全球最大的物理世界运营中心的含义，不是把物理世界的生意都做了，而是当物理世界开始智能化转型时，京东在为整个行业铺一条进入物理世界的路。