京东工业，正在重新定义工业供应链的AI入口和价值

在硅谷投资圈里，一直非常流行一句话：

“我们想要一辆会飞的汽车，得到的却是140个字符。”

这句话想表达的意思很简单：过去几十年，大量资本和人才都涌向了比特世界，软件、互联网和信息分发快速进步，但真正改变物理世界的创新，相对慢了很多。

到了AI时代，这种分化依然存在。

过去两年，大模型最先改变的，几乎都是数字世界。从写代码、做PPT，到生成图片、处理文档，AI已经迅速进入大量办公室工作。

但一旦走进工厂，难度陡然上升。

原因很直接，一是工业世界的数据远没有互联网世界那么标准，同一种物料在不同工厂可能有不同名称和编码；二是公开互联网上本身就缺少高质量工业数据；三是大量专业数据又被封闭在单个企业内部，彼此难以连接。这也是大模型进入工业，首先要解决的基础问题。

更重要的是，工业场景对错误的容忍度很低，任何微小的错误都会直接带来经济成本的上升，甚至涉及生产安全大大问题。

所以，大模型从办公室走进工厂，中间其实横着一道很深的鸿沟。

这也决定了，此前工业AI的大量应用，仍然只停留在简单的“问答”上。现在，京东工业试图把这件事往前推一步。

9月9日，在北京举行的2026京东全球科技探索者大会智能工业论坛上，京东工业正式发布JoyIndustrial 2.0系列工业模型，还一口气公布了AI CAD、工业AI眼镜等五大AI产品。

京东工业对这次升级给出了一个很明确的定义：从认知工业供应链，走向链接物理世界。

这句话，也可以作为理解工业AI 2.0最好的切口。

从AI问答到工业生产力，京东工业跨出关键一步

大模型进入工业，第一道门槛是先把工业世界看懂。

与消费品相比，工业品要复杂得多。一个轴承可能有几十种规格，同一种物料在不同工厂里又可能有不同的名称和编码。模型如果连具体对象都无法准确识别，后面的选型、采购和运维也就无从谈起。

京东工业的AI体系，首先建立在标准和数据上。

一方面，京东工业通过自建墨卡托标准商品库，为千万级工业SKU建立统一的“身份证”，把品牌、型号、参数、规格等信息标准化，相当于先给工业世界建立一套机器能够理解的“通用语言”。

另一方面，京东工业发起“百川计划”连接产业链上游数据。目前已经联合超过130家上游伙伴，把品牌商掌握的产品知识、参数和行业经验沉淀进模型，覆盖电气、紧固件、安全防护等六大行业。

有了标准和数据，模型才有可能真正理解工业。

在此基础上，京东工业进一步构建了JoyIndustrial 2.0系列工业模型。相比通用大模型，它更强调工业场景真正需要的三种能力：看得懂、懂行、能设计。

第一层是“看得懂”。工业里的大量信息藏在设备、零部件、铭牌和图纸中。工业多模态理解模型要做的，就是让AI能够识别这些真实工业对象。目前该模型今年累计调用量已超过10亿次，并获得工联院国际第一梯队认证。

第二层是“懂行”。目前，京东工业系列行业模型的产品识别准确率已经达到98%以上；在实际选品场景中，搜索转化率提升221%，AI推荐Top3商品的转化率提升69%。

这意味着，行业模型已经开始从“理解专业知识”，进一步进入真实的选型和采购决策，直接改善客户的选品体验和效率。

第三层是“能设计”。京东工业自研工业设计模型，可以理解工程师的设计意图并生成CAD模型和图纸，再生成零件清单连接工品汇采购，让AI进一步打通研发设计和生产环节。

把这三层能力放在一起看，JoyIndustrial 2.0的价值就比较清楚了。

它让AI从识别工业对象，继续走向专业判断和设计决策，具备了进入更多真实工业流程的基础能力。

但模型能力只是第一步。工业AI真正创造价值，还要把这些能力嵌入到企业真实的业务流程里。

京东工业这次推出的一系列AI产品，很多就是从这些真实业务痛点里长出来的。

其中最有代表性的，是AI CAD。它本质上是一套从设计一路连接到采购的AI产品。

一个机械零部件从设计到最终下单，通常要经历建模、图纸解析、BOM拆解、选型、询价等多个环节，每一步都涉及不同工具和人员，流程繁琐且周期漫长；可能在设计时没有考虑到零部件是否标准，是否可以批量采购，到量产时就会遇到巨大的问题。

AI CAD把这些环节直接串了起来。用户打开浏览器，通过自然语言就可以生成3D模型，再自动拆解成BOM，继续连接京东工品汇的商品库完成选型、报价，甚至直接进入3D打印和采购，效率大大提升。

除了AI CAD外，京东工业还推出了专门面向专业工程师的“工业设计大师”。它可以连接本地CAD软件，把原型设计、图纸解析、零件选型和报价进一步串起来。

与此同时，京东工业还把大模型能力带进生产现场。

工业AI眼镜就是其中的代表性产品。工作人员看一眼BOM、铭牌或者实物，系统就可以识别对应物料，并匹配京东工业SKU，同时继续完成现场质检、问答和远程协同。目前其室内生产物料识别准确率超过94%，识别漏报率低于1%。

从百川计划到JoyIndustrial 2.0，再到AI CAD等AI产品，京东工业背后的路径其实已经越来越清晰：

先用标准化和专业数据让AI看懂工业世界，再通过模型形成专业判断力，最后把这些能力放进设计、采购、生产和运维等真实流程里，转化为货真价实的工业生产力。

这也是京东工业所承担的京东“超级AI供应链”职责——理解物理世界、构建物理世界和运营物理世界。

/ 02 /

京东工业的两个关键变化

在这一轮模型和产品发布过程中，能明显感受到京东工业的两个变化。

第一个，开始从采购环节往设计、选型等供应链上游环节延伸。

一个工业零部件最终买什么型号，很多时候在工程师画图时就已经决定了。图纸完成之后，BOM、规格和采购清单也基本随之形成。京东工业原来的优势主要集中在寻源、比价、下单和履约。

现在，通过模型能力和AI产品，京东工业把服务场景往前推到了研发设计、选型等环节。比如，AI CAD可以直接解析图纸、拆解BOM、完成标准件选型，再连接京东工业的商品库、供应商和报价体系。

这件事首先提升的是整条产业链的效率。

工业采购中，大量时间耗在不同岗位之间的信息传递上。设计师画完图，采购人员再确认规格、拆BOM、找供应商、询价，每增加一次人工转换，就增加一层时间成本和出错概率。

AI CAD把设计和采购直接接起来以后，一张图纸可以更快变成一张可执行的采购清单。京东工业给出的数据是，建模和选型效率可以提升8—10倍，从选型到询价、下单的时间，也从数天压缩到小时级。

更重要的是，它提升了京东工业在产业链里的入口价值。

工业采购真正决定“买什么”的时间点，往往早于采购订单。比如，工程师在设计阶段确定规格，后面的采购需求基本已经形成。

无论是AI CAD进入设计端，还是AI眼镜进入生产现场，本质上都是让京东工业更早进入需求形成环节。

也就是说，京东工业获取需求的方式，也开始从“等采购单出现”，延伸到设计和生产现场。越靠近需求源头，就越有机会影响后面的选型、报价和采购。

所以这些AI产品带来的变化，不只是增加了几个效率工具。它一方面把设计、生产和采购之间的断点接起来，另一方面也让京东工业的产业链入口继续往前移动。

第二个变化，是数据开始从“资产”变成“飞轮”，形成真正的数据闭环。

京东工业现在强调一条路径：产业数据—AI模型—业务场景—经营增长。这条链条最难得的地方在于，模型能力可以回到真实业务里接受验证。

京东工业原本就积累了大量商品、供应商、价格、交易和履约数据，这些数据更多反映的是采购和供应链环节。

如今，AI CAD进入设计端以后，又把数据往需求源头延伸。模型开始知道工程师在设计什么、为什么选择某个零部件，以及最终形成什么样的BOM。

这些信息连接起来以后，模型看到的就不再只是一张采购订单，而是一笔工业需求更完整的生命周期：从需求形成到采购决策，从成交价格到最终履约，甚至包括后期维修维护和备品备件服务。

这些真实结果都会成为新的反馈。于是，一条闭环开始形成：产业数据训练模型，模型进入业务场景，业务场景产生交易和效率结果，这些结果再沉淀成新的数据。

模型用得越多，积累的真实反馈越多，真实反馈越多，模型对工业需求的理解又会越准确；在一个流程中跑通后，更多场景、更多行业也会接受这种模式。至此，京东工业形成了真正的数据飞轮，也成了其在工业AI竞争里最难复制的地方。

这种闭环已经开始体现在经营数据里。2026年上半年，AI增量GMV占核心客户GMV的6.5%，核心岗位人效提升16.6%。

当模型的每一次使用都能产生新的业务数据，AI才真正从一个工具，变成可以持续自我强化的生产力。

/ 03 /

总结

看到这里，很多人可能会有一个问题：今天拥有大模型的公司很多，做CAD、ERP和工业软件的公司也不少，为什么偏偏是京东工业？

答案可能恰好藏在它过去看起来最传统的供应链生意里。

纵观所有布局大模型的公司，京东可能是最懂工业供应链的公司之一。

从2014年开始深耕产业，京东工业已经积累了9770万工业品SKU，服务约1.33万家大型企业客户和数百万中小企业，同时连接23万品牌商和经销商伙伴。

这些数据并不是静态躺在数据库里，而是在一次次真实交易、选型、采购和履约中被不断验证，最后沉淀成模型最需要的工业Know-how。

过去谈到工业，人们总觉得这是一门很“重”的生意，专业门槛高、难做、不性感、扩张慢。但有一条很简单的物理常识经常被忽略：

质量越大，惯性越大。

文/阿奇