作者 | 傅斯特
智谷趨勢出品 | ID：zgtrend
AI，悄然來到了虛拟世界與現實世界的臨界點。
2026年9月3日，一輛沒有方向盤、沒有腳踏闆、沒有後視鏡，更加沒有遠程操控的特斯拉Cybercab駛上奧斯汀街頭，它的車載AI能實時完成從環境感知、意圖預測到車輛控制的全鍊路決策。
AI，初步具備了在開放物理世界中的行動能力。
同一天，GPT-6 Astra也實現了像人一樣直接“看”屏幕來操作電腦，根據自然語言的需求，拆解工作任務，完成并最終自主交付，實現了數字世界的複雜自主操作。
相對而言，機器人行業似乎仍停留在表面的熱鬧——一邊是資本和熱度持續攀升，新品密集發布，大模型公司紛紛入局具身智能;另一邊是真實場景的落地依然艱難，大多數機器人還停留在展廳和實驗室裡。
宇樹科技創始人王興興在2026世界機器人大會上做過一個判斷：當一台機器人走進陌生家庭，僅憑一句語言指令就能完成80%的日常任務，具身智能的“ChatGPT 時刻”就來了。這個時刻，快則兩三年，慢則五到十年。
王興興能這麼講，那一定意味着在某個空間，正發生着普通人不知道的事情。因為，物理世界的AI和數字世界的AI有一個巨大的不同，就是它沒有唾手可得的素材：人類最簡單的判斷、動作，拿穩一隻碗，平穩搬動一個箱子，怎麼擰螺絲，不同台面搬桌子要用多大力……這些數據，隻能在真實的倉庫、工廠、醫院和家庭裡，一次一次磨出來。
這意味着，機器人的GPT時刻，最終比拼的是誰能建立起真實數據-仿真訓練-模型進化-場景應用-反饋優化的完整閉環。
事實上，當觀衆在電視上看着宇樹機器人的表演之時，物理AI正在許多無人矚目的地方小步快跑着。
8月世界機器人大會上，京東發布機器人戰略布局，宣布截至2028年，将投入百億資源。9月9日的JDD大會，京東又把主題定為“JoyAI・躍遷物理世界”。
京東為什麼要如此笃定地all in物理AI?是不是它已經觸摸到了通向那一個時刻的窗。
幾厘米，1億小時
物理AI遲遲達不到實用的最大阻礙是什麼?簡單說就是，人覺得最容易的，卻是機器人最難實現的。
今天的機器人，看起來足夠炫——能跑、能跳，輕松突破人類身體的極限，能在舞台上跟着音樂跳舞。但隻要把它們從聚光燈下挪開，放進一個真實的家庭，它甚至不如一個剛剛學着做家務的孩子。
斯坦福大學《AI Index Report 2026》數據顯示：機器人在仿真環境中的操控成功率高達89.4%，但一旦到真實家庭場景後便驟降到12.4%，即使是頂級模型也完成不了超過1/3的任務。
這不是什麼高精尖的工作，就是最普通的洗碗、擦桌子，打掃衛生等等。
王興興就說過：“拿東西時，最後幾厘米的誤差無法修正，成功率就會暴跌。”
最後幾厘米，聽起來微不足道，卻是實驗室和現實世界之間的最難翻越的距離。
數字世界是封閉的、可重複的，你讓AI寫一首詩，寫十次，雖然措辭不同，但都算完成了任務。但物理世界是開放的、容錯率極低，桌邊放着一個玻璃杯，機器人不僅要識别這是杯子，還要判斷杯子有多滿、重心在哪、該用多大的力度握住拿起放下，任何一個變量出了差錯，杯子可能就碎了。
這就是機器人的泛化能力不足。它的背後，是三個更深層的短闆：缺數據、缺世界模型、缺閉環。
業内估算，具身智能要實現覺醒，大約需要1億小時的真實世界數據。而今天即使整個行業加起來，離這個數字還差着數量級。
所以最後幾厘米，靠的不是某個天才模型的靈光一現，而是海量真實數據、持續仿真訓練和規模化場景驗證的長期積累。
京東要做物理AI的基礎設施
這種長期積累，恰恰是創業公司最難做的事。能沉下心啃下這塊硬骨頭的，注定不是追風口的人，而是修橋鋪路的人。曆史早就告訴過我們，每一次技術革命，最後赢的也都少不了這批人。
1882年，愛迪生在紐約珍珠街建成了世界上第一座商業發電廠。那時候，如果你想開一家工廠，最時髦的做法是自己買一台蒸汽機，自己發電。但很快人們就發現，這既不經濟也不可靠，機器壞了沒人修，電壓不穩産品就廢了。于是，電網出現了。不需要每家工廠自己發電，隻需要接上電網，按下開關，電就來了。
一百多年後，同樣的故事在互聯網時代重演。2000年前後，如果你想做一個網站，需要自己買服務器、自己租機房。幾年後，雲計算出現了。不需要每家公司自己建數據中心，隻需要接上雲，點開控制台，算力就來了。
今天，同樣的故事在物理AI時代上演。
如果你想做一台機器人，最普遍的做法是自己做本體、自己訓模型、自己采數據、自己建産線、自己做銷售、自己搞維修。但很快人們就會發現，模型訓好了沒有真實場景驗證，本體造好了零部件成本降不下來，産品賣出去了壞了沒人修。
所以物理AI時代，也需要一個建電網的人。
這個人，就是現在的京東想要去做的。
JDD大會上，京東再次重申，要建設“全球最大的物理世界運營商”。
這句話的分量，可能比任何一款機器人産品都要重。它意味着，這家公司想做的不是某一個點的突破，而是整個面的覆蓋;不是某一款産品的成功，而是整個産業的基礎設施。就像電網之于電力革命，雲計算之于互聯網革命。
也就是說，京東要做的不是下一個
支撐這條路的，是它近二十年深耕供應鍊積累下來的、任何實驗室都無法模拟的獨特禀賦：3600個倉庫、1.9萬個配送站、超50萬名自有配送等一線員工、數千萬SKU，覆蓋零售、物流、工業、健康和家庭等真實場景。
這些場景每天都在持續産生人如何操作、貨物如何移動、設備如何執行任務的具身數據。不是為了采集而采集，而是來自真實的業務本身。
這也透露出京東與其他追模型、拼算力的玩家最大的不同：
别人是從技術找場景，先有一個模型，再去找哪裡能用。京東是從場景長技術，先有一個真實的供應鍊問題，再圍繞這個問題去打磨算法、沉澱數據、訓練模型。
如何落地?四件事拼成一張網
這個願景，在9月9日的JDD大會上被完整呈現。
這場大會的核心：是一張面向物理AI的超級AI供應鍊全景圖。
這套供應鍊要解決的核心問題隻有一個：讓機器人從實驗室裡的樣機變成千家萬戶好用、能用、用得起的成熟産品。從已經公開的布局來看，京東做的每一件事，都指向這個方向：
數據端，京東正在建設全球最大的具身數據采集中心，計劃發動60萬人參與數據采集，兩年内采集1000萬小時人類真實場景數據。
想象一下這個畫面：一位家政阿姨戴着京東自研的JoyEgoCam頭戴式采集設備，她擦桌子、疊衣服、做飯的第一視角畫面被完整記錄，經過去畸變、自動預标注等處理後，變成機器人可以學習的教材。這不是實驗室裡擺拍的數據，是真實場景裡沉澱下的一手素材。
制造端，京東要未來5年将在全國建立80個RoboBase機器人基地，打造全球最大的機器人産業基地，這并非傳統工廠，而是集研發設計、生産制造、中試轉化、場景驗證、銷售展示于一體的機器人全生命周期服務平台;更關鍵的是，京東要通過聚品降本、投資核心部件、自建工廠，将機器人本體物料成本降低50%以上。而這，是進入尋常百姓家的前提所在。
銷售端，京東要做全球最大的機器人零售渠道，并面向所有家電家居品牌免費開放JoyInside，未來三年投入10億資源，計劃助力300個品牌實現接入。
服務端，京東已經在國内建成8大維修中心，未來5年還将建立覆蓋全球超100個國家的售後服務能力。目前，京東已經在行業率先推出“機器人救護車”和專屬“賽博醫療體系”，為人形機器人、四足機器人提供專業維修保養。
值得一提的是，首批來自全國各地的快遞員、倉管員、質檢員，經培訓後已轉型為機器人維修工程師，藍領的飯碗，沒有被機器人搶走，反而被機器人産業接住了。京東提到，将創造超10萬名機器人售後服務工程師新就業崗位。
這些事單拎出來，不算亮眼，數據采集是苦力活，維修服務是髒活累活。但放在一起，就是一條完整的産業閉環。這四件事湊齊了，一台機器人才算真正走出實驗室。
場景才是最好的試金石
基礎設施的價值，最終要落到真實場景中去檢驗。對很多機器人公司來說，找到一個能規模化落地的真實場景，本身就是最大的挑戰。
京東的獨特性正在于，它自己就是最大的場景方。
物流是當前物理AI規模化應用最成熟的場景之一。2025年，中國社會物流總費用與GDP的比率進一步降至13.9%，創下有統計以來的最低水平。降本增效已經成為行業共識。在這個萬億級市場裡，任何一點效率的提升，都意味着巨大的價值。
京東物流用10款19個型号的狼族機器人，在亞洲一号昆山智能産業園交上了答卷：分揀自動化率90%，揀貨效率提升3倍，存儲坪效提升4倍。
而物流，隻是京東場景版圖的一角。
零售場景也正被AI重新定義。京東APP全面AI化升級，推出購物助手“東東”，用戶說出需求，它不會簡單甩出一個标準答案，而是通過榜單、選購攻略、評測、搭配方案等形式，幫用戶把選擇捋清楚。
更有意思的是多模态能力：用戶可以對着視頻找同款，也可以把商品以3D形式放進家中實景查看，實現所見即所得。
健康領域，京東健康的醫療AI已經從隻會給建議升級為能解決問題。京醫千詢3.0在HealthBench雙榜第一，其中最亮眼的是業界首個Agentic範式3D閱片智能體，它像醫生一樣主動閱片，準确率超GPT-5.5近15個百分點。
走進家庭，JoyInside已經讓AI從聽懂指令邁向主動懂你，目前已與近200家品牌達成技術合作，跑出小雞球球AI點讀筆、凱米斯AI機器狗等多款10萬+級爆品。
以小雞球球AI點讀筆為例，它突破了傳統點讀筆“指哪讀哪”的單一模式，搭載逐句講解、跟讀糾正、互動問答等AI能力。孩子點一下，不隻是聽到讀音，還能和AI對話、學英語、做認知遊戲。一台設備，從工具變成了夥伴。
這是一條由内而外的路，先在自身的供應鍊場景中把效率做到極緻，再把打磨好的能力開放給行業夥伴和客戶。
就像當年的亞馬遜，最初做雲計算隻是為了支撐自己的電商業務，結果做着做着，AWS成了全球最大的雲計算平台。
就像Waymo和特斯拉的競争，Waymo最早提出了無方向盤、無腳踏闆的設想，發誓要在實驗室打造最完美的無人駕駛技術，結果最終把Waymo設想最早實現的，卻是早早把輔助駕駛技術裝進車裡，邊跑邊驗證邊改進的特斯拉。
機器人的GPT時刻終會到來。到那時候，人們會記得是誰造了第一台會後空翻的機器人，更會記得，是誰為這個時代鋪好了從實驗室到真實世界的最後一公裡。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
