乌镇三天：京东 300 万台、小米 30 分钟、优必选 10 分钟

机器人行业，第一次遇到了能用“万台/年”谈价的甲方。京东5年要采购300万台机器人，平均每年60万台。

过去两年，这个行业比的是谁能翻跟头、跑完马拉松，或者是在春晚跳舞、翻跟头。11月4日的乌镇，有人把订单、数据和场景摆上了桌。

300万台里最不重要的，恰恰是“300万台”这个数字。

01 “批发式”订单，改变谈判座位

11月4日，2026年世界互联网大会乌镇峰会“机器人与具身智能”论坛。京东集团技术委员会主席曹鹏宣布启动“京东物理AI加速计划”，第一阶段聚焦具身智能机器人，在数据、基地、制造、销售、物流、服务六个方向持续投入。

曹鹏公布：未来五年，京东物流计划采购300万台机器人、100万台无人车、10万架无人机。 形成一张庞大的供应链智能化网络。

机器人行业不缺数字，缺的是“谁在买”。绝大多数发布会讲的是供给端——造了什么、模型刷了什么榜。这一次，是需求端先开口，而且一开口就是五年。

“批发式订单”的含义：本体厂第一次面对一个可以用万台/年谈价、谈交付节拍、谈售后网络的单一买方。

这里必须把话说准：300万台是采购计划／框架目标，不是已签合同；而且“机器人”包含 AGV、分拣臂等非人形形态，不能折算成人形机器人订单。

过去本体厂拿到的多是示范项目、几百台试点，产能爬坡和回款都得靠融资撑着；一旦买方给出年度框架，供应链才敢按量产去投模具、投产线、投备件。订单本身不等于交付，但它给了一个可以做长期资本开支的理由。

京东还提到要在全国建设80个机器人产业基地，提供从生产制造到履约售后的能力。曹鹏有句话：京东近100万员工里七八十万是一线劳动者，“不能因为我们要发展技术，让弟兄们没饭吃”，机器人维修、保养这些新岗位要承接转型。

买方管“修”，意味着这批设备是要长期在线的，不是摆着拍视频的。

02 真正壁垒，是那1000万小时

更值得关注的，是京东要在两年内累计采集超过1000万小时高质量人类真实场景视频数据，同步采集超过100万小时机器人本体运行数据，建设具身智能数据采集中心。

数据从哪来？不是新买一批摄像头、招一批采集员就能解决的。曹鹏给的是一张既有资产清单：3800多个仓库、20多万家合作线下零售药房、1万多家各类线下门店、家政业务5万多名自营保洁师。目前已覆盖100余个细分生产服务场景、超10万项真实作业任务。

同场论坛上，墨奇智能联合创始人、CTO黄青虬给了一个几乎正面对撞的判断：“十万小时高精度数据，远远优于一千万小时低质量数据。”他强调要“真实的作业人员，在真实场景里面干真实的活”，不能放慢动作、表演式作业；采集也不只是录视频，而是多设备毫秒级时间同步、轨迹精准定位、筛除重复样本的一整套基础设施。

小米集团具身模型与应用部负责人孔涛介绍，已用超过10万小时、覆盖1700多种真实场景的数据做预训练，面对新任务只需不超过10小时示范数据，成功率就能到75%以上，模型权重和训练代码已全部开源。

1000万小时比的是规模，10万小时比的是精度，量的是两件事。京东真正的赌注不在“采得多”，而在于自营场景里，采集节奏和数据质量是自己能管住的——保洁师怎么擦、分拣员怎么拿，不用请人表演。这才是“批发式订单”和“批发式数据”能叠在同一个人身上的原因。

曹鹏说：场景产生数据，数据训练模型，模型再回到场景，“先量脚，再做鞋”。

京东自研的JoyAI-Sim物理仿真引擎，是把真机评测往虚拟环境里搬。据京东披露，已完成测试中仿真评测与真机评测结果一致性约90%，评测效率是真机的3.2倍。

智元的具身机器人已经进了京东物流智狼仓，双方的说法是“在真实作业环境中检验产品边界、提升运行可靠性”。让机器去暴露问题，不是去领验收单。京东云也已服务优必选、逐际动力、众擎机器人等企业。

03 “最后几毫米”，乐观压回同一张桌子

需求侧乐观，技术侧冷静。

在乌镇峰会互联网企业家论坛上，王兴兴说：“（机器人）目前最大的问题，还是最后几个毫米没有解决好。AI模型的输入输出和真实世界的对齐还是差了一点点”，预计这类问题未来一至三年有望解决。

他给具身智能的“GPT时刻”定义：在约80%的陌生场景中，通过语音指令完成约80%的任务；并判断2027年很大概率成为行业或模型的临界点。

今年乌镇最割裂的一幕：机器人能奔跑、跳跃、格斗，能打乒乓球、能烧菜；但拆装手机、穿针引线，成功率仍然偏低。王兴兴自己也说，固定工位上执行单一任务，训练充分后成功率可以接近100%，但跨场景的通用能力还没实现。

不是模型不会规划，是感知和执行没耦合到那个精度。人拿起一只玻璃杯，视觉、触觉、力反馈随时修正手指力度；机器人要让这三者形成实时闭环，差的就是最后那几毫米。

宇树联合创始人陈立把挑战拆成了三条：提高模型对任务的表达能力、突破泛化瓶颈；提高模型对多元数据的利用率、增强知识迁移；提高强化学习的规模效应、实现多任务近最优解。他判断2030年机器人真正走进千家万户——同样是个人判断。

把这几家的数字摊在一张表上，行业当前的位置就很清楚了：

小米：超10万小时、1700多种场景预训练；青年公寓试运营完成连续30分钟以上、跨3个房间、50多种任务的长程任务链。

优必选：每10分钟下线一台人形机器人；已实现千台级交付，部分场景作业效率接近人工的90%。执行总裁焦继超说，工业场景要的“不是一次性演示，而是稳定、连续、可批量复制的实际交付”。

《中国互联网发展报告2026》：2025年我国具身智能市场规模约9150亿元、同比增长20.4%；本届“互联网之光”博览会发布1000余项新技术新产品，100多款具身机器人现场实景作业。

本届领先科技奖的名单，其实也是一张行业地图：触零科技的多模态触觉感知、小米的通用机器人操作基座模型、地平线的整车物理AI平台。一个补感知，一个补动作，一个补系统。奖项没有颁给“跑得最快的那个”，这本身就是信号。

制造端已经把节拍压到十分钟了，任务端还在为几毫米较劲。这两件事，得同时看。

04 需求侧开口，行业比法变了

把数字连起来，折射四条数据。

第一，评价单位正在从“台”变成“小时”

智元提过一个叫 Worken（有效智能工时）的口径，把活跃机器人数量、自主工作时长和产出效能合在一起算。它还没成为行业标准，但方向对：市场开始问“它一个月能替我干多少小时活、单位成本比现有方案低多少”，而不是“你今年出了多少台”。GSMA大中华区技术总经理刘鸿说得更直接：未来的竞争，不是谁拥有一台更强的单台机器人，而是谁能建设一个更稳定的、联网的具身智能系统。

第二，模型层的壁垒在往下沉，体系层的壁垒在往上抬

曹鹏把竞争焦点归到算力、数据与场景，还有一条容易被忽略的“链”——设计、制造、销售、交付、维修。小米把模型权重和训练代码全部开源，看起来是让出了模型层，实际是把重心压到了场景与数据闭环上。当一个买方同时握着仓库、药房、门店、保洁师和售后网络，它卖的其实不是机器人，是“让机器人持续干活的条件”。

第三，形态之争会让位于场景之争

300万台里本来就含大量非人形。焦继超讲换灵巧手、换压爪就能切工位；“互联网之光”里蚂蚁灵波和国大药房的智慧药房，机器人能在80厘米宽的窄通道里自主识别、抓取、交付药品，几乎不用改造原有货架。能算清账的场景先跑出来，比“像不像人”重要得多。

第四，时间表是分裂的，而且分裂得有道理

王兴兴说2027年可能是模型临界点，陈立说2030年进家庭，曹鹏的判断更保守：给通用具身智能成熟度自评“也就3到4分”，商业机器人规模化部署还要3至5年、家庭广泛普及可能8至10年。

乌镇这几天最值得记的，不是哪个机器人又翻了个跟头，而是第一次有人把“要多少台、在哪些场景、用谁的数据、谁来修”，写成了一张表。这会把只会做演示的公司，和能把活连续干下去的公司，干脆地分开。

曹鹏那句“不能让弟兄们没饭吃”，比300万台更值得被记住——机器人真正进场的标志，不是它替代了谁，而是它开始需要有人维修、有人保养、有人为它的每一个班次负责。

真正的分水岭，不是谁的机器人上了春晚，而是谁的机器人在仓库里，明天早上八点还能准时上班。

（配图来源网络，如果版权问题请联系处理~！）

（本文作者：易方寒，互联网分析师，关注科技、AI与新能源汽车领域。）

觉得写得还行？

点个 赞 和 在看 ⭐，让更多人看见