7月18日上午，2026世界人工智能（885728）大會(WAIC)世博展覽館，京東（JD）集團副總裁、京東（JD）探索研究院副院長段楠給出一個判斷，Scaling Law(規(guī)模定律，即模型能力隨數據、算力、參數規(guī)模同步擴大而提升的規(guī)律)過去是數字世界里數據、模型、算法三位一體的游戲（881275），到了物理AI階段，要把硬件的規(guī)?；布舆M來。

這句簡短的話，基本是京東（JD）AI戰(zhàn)略的完整摘要。

展會現(xiàn)場，京東（JD）首次系統(tǒng)展示了面向物理世界的JoyAI模型矩陣。JoyAI-Talker實時語音交互模型，能識別是誰在說、是不是在對它說，并理解情緒；JoyAI-Video-Edit實時視頻編輯模型支持對每秒30幀以上的流式視頻做實時編輯。

加上今年早些時候開源的JoyAI-Image-Edit、JoyAI-Echo、JoyAI-VL-Interaction等模型，京東（JD）年內已發(fā)布7個基礎模型，覆蓋語音、圖像、視頻、實時交互、世界模型和具身智能。

模型只是臺面的一半，另一半是數據。

京東（JD）在WAIC期間宣布開源人類視角數據集EgoLive，官方稱其為行業(yè)最大，首批2000小時，覆蓋倉儲、家庭、藥房等場景的300多個操作任務。

京東（JD）集團副總裁、京東（JD）云基礎云業(yè)務負責人龔義成在同場演講中給出了更完整的賬本，京東（JD）正發(fā)動近1萬家門店、3600個倉儲和20多萬個藥店（884300）參與數據采集，計劃發(fā)動60萬人投入其中，目標兩年內采集1000萬小時。

一家電商公司為什么如此重地押注數據？因為整個具身智能行業(yè)都卡在這里。

龔義成透露，京東（JD）去年拜訪了大量模型和機器人公司，頭部具身模型公司手里的數據最多兩萬條。

而行業(yè)普遍認為，100萬小時是具身模型能力躍遷的基準線，1000萬小時是當前技術條件下可期望的量級。

花旗（C）幾天前發(fā)布的機器人行業(yè)峰會報告，同樣把數據稀缺列為物理AI商業(yè)化的最大瓶頸，并判斷最終勝出的將是掌握專有真實世界數據的公司。

數據為什么這么難？

真人遙操作質量最高，但一臺設備三四十萬元，一名采集員每天只能產出數百條數據；仿真合成便宜高效，卻存在虛擬到現(xiàn)實的遷移差距；互聯(lián)網視頻量大，篩完可用于訓練的標注數據不足百分之一。

智元機器人由旗下覓蜂科技做無本體采集加眾包，目標今年達到千萬小時級年產能；北京、上海在建國家級數據采集訓練場。

京東（JD）的解法和上述企業(yè)不同，它不建專門的訓練場，而是把自己的生意本身變成訓練場。

這正是京東（JD）與其他大模型廠商的分野。

阿里押基座模型和算力，字節(jié)押C端入口，騰訊在WAIC發(fā)布具身智能全棧方案，明確做機器人廠商的伙伴而不下場做硬件。

京東（JD）走的是另一條路，段楠將其概括為數字智能、附身智能(把模型裝進手機、眼鏡等隨身終端)、物理智能三個階段。

這條路線上的每一環(huán)，京東（JD）都有自己的產業(yè)現(xiàn)場，物流超腦為上億包裹計算路徑，健康板塊運營互聯(lián)網醫(yī)院，全集團3000多個業(yè)務場景既是AI的使用方，也是數據的生產線。

場景產生數據，數據訓練模型，模型回到場景里被驗證，這是京東（JD）敘事的自洽邏輯。

開源則是第二步棋。

通用大模型的開源生態(tài)位已被阿里通義占住，京東（JD）轉而開源具身數據集和垂域模型，搶的是物理AI時代的基礎設施位置。

配合JoyInside已合作近200家品牌、今年計劃接入超1000萬臺硬件的終端網絡，京東（JD）想要的不是造出一個最聰明的模型，而是成為物理AI的水和電。

不過，要讓這套增長邏輯真正形成閉環(huán)，京東（JD）還需要回答三道關鍵問題。

第一個是模型位次。

段楠展示的對比，是圖像編輯、實時交互等單項能力對Gemini、豆包等閉源模型的持平或超越，京東（JD）的通用基座模型在主流評測榜上存在感有限。物理AI的敘事繞開了通用模型的正面戰(zhàn)場，這是揚長避短，但通用能力的差距如果繼續(xù)拉大，垂域優(yōu)勢未必守得住。

第二個是數據的質與量。

龔義成在展會現(xiàn)場坦言，同樣是一萬條數據，如果質量存在瑕疵，簡單疊加不僅無法提升模型的泛化能力，還可能產生反作用。這意味著，60萬人參與的眾包采集和每周10萬小時的數據供給，只是京東（JD）建立數據優(yōu)勢的第一步。

接下來更關鍵的問題，是如何保證標注精度、篩選有效數據，并提升數據被模型吸收和轉化的效率。

這些能力最終仍需通過模型效果來驗證。京東（JD）的具身操作模型JoyAI-RA隨著后續(xù)迭代推進，其數據體系的實際價值才能真正被評估。

第三個是競爭的密度。

具身智能的數據競爭已經升溫。螞蟻集團靈波科技的具身大腦已基于6萬小時真機數據訓練，騰訊的具身模型矩陣采用超萬小時高精度數據，智元則在自研大模型的同時布局數據平臺。京東（JD）在WAIC亮相的倉儲具身機器人，正是與智元合作推出的產品。這說明，未來的競爭未必只是單一企業(yè)之間的比拼，也可能是平臺、模型、硬件與場景之間的協(xié)同。

京東（JD）想建數據交易平臺，讓行業(yè)的數據在自己這里流轉，但要實現(xiàn)這一目標，仍需解決數據安全（885942）、權益分配和合作信任等問題。因為數據恰恰是每個玩家最不愿交給別人的資產，這門生意的撮合難度，恐怕比采集本身更大。

回到段楠那句話。把硬件加進Scaling Law，等于承認物理AI是一場重資產、長周期（883436）的消耗戰(zhàn)，比的不只是模型有多聰明，還有場景、數據、成本的綜合賬本。

這恰好是京東（JD）熟悉的戰(zhàn)爭形態(tài)，它在零售戰(zhàn)場上就是這么算賬的。區(qū)別在于，零售的賬京東（JD）算了二十年，物理AI的賬，整個行業(yè)才剛剛翻開第一頁。