7月的上海潮湿闷热，2026世界人工智能大会（WAIC）展览区人头攒动，记者却在京东展区解锁了“躺在床上看电视喝冰水，享受AI服务”的新体验。

在WAIC世博展览馆，京东打造了一个实景“AI家庭样板间”，一句“加水”能唤醒智能茶吧机自动出水。感到无聊，电视会主动推送热播剧集，机器狗会小跑着过来陪玩。当记者躺在床上时，床垫也会根据记者的状态调整角度，甚至会贴心地询问是否需要按摩。

家庭场景并非全部，你还可以体验“当机器人的眼睛”，当记者戴上JoyEgoCam头戴数据采集设备，第一视角画面实时投在展台大屏上，而后续采集的数据，将用于具身智能的学习。

这两个体验之间有一条隐性的技术链——前者是京东通过JoyInside把AI“附身”到各种家居设备的家庭样板。记者注意到，样板间里既有京东自研的京造AI投影台灯、智能床垫等产品，也摆着宇树R1机器人、美菱智能茶吧机这类可以直接在京东平台上买到的智能产品。而后者则是京东为具身智能采集真实物理数据的关键设备，也是京东AI进入物理世界的关键。

京东通过展台向观众解释了“AI进入物理世界”并非只是“嘴上说说”，而在WAIC的论坛上，京东集团副总裁、京东探索研究院副院长段楠解释了京东的愿景——成为全球最大的物理世界运营中心。

京东为什么“天生”适合切入具身赛道

记者发现，做具身智能，让AI进入物理世界，京东天然拥有多重其他机构不常同时具备的资源。

首先，京东是目前国内最大的机器人销售平台。“谁在买机器人、卖给谁、用在什么场景，京东的电商大数据首先能看见。”京东集团副总裁、京东云基础云业务负责人龚义成介绍。

与此同时，京东本身还拥有最适合应用机器人的诸多场景，比如物流领域，京东亚洲一号仓基本已是无人仓，飞狼无人机等“狼族”机器人已在全国超20个省份、全球超10个国家部署；零售场景中，展台现场的星辰智能理货机器人正在演示饮料、化妆品补货；健康、工业、汽修等场景，也在陆续引入机器人。第三是数据基础设施。京东集团数十万一线员工、数百万商家、超8110万工业品SKU的真实作业场景，构成了独一无二的第一视角数据来源。

龚义成告诉贝壳财经记者，京东今年正在大规模推进真实物理环境中的具身智能数据采集，“以量产化的自主研发设备为基础，投入大量人员在真实场景里做数采，国内很少有企业能以这种规模开展这项工作。京东的目标是两年内达到1000万小时高质量具身数据。”

据了解，今年上半年，京东已开源行业最大的人类第一视角数据集EgoLive，这份数据包含2000小时60fps高保真双目视频、65866段数据和346个不同任务，据了解已被全球上百个高校和科研机构使用。

但更关键的是，“数据”这个词在具身智能领域和互联网领域的含义并不一样。龚义成直言，行业真正的痛点不是没有数据，而是没有高质量数据。手部轨迹是否准确、动作是否符合真实作业逻辑、任务场景是否覆盖足够多的泛化情境，才决定一份数据对具身模型是否真正有用。实验已经看到，把京东采集的第一视角数据融入训练后，模型在仿真评测和真机评测上的任务准确率提升“基本达到两位数增长”。

值得注意的是，京东的思路并非“一家通吃”。龚义成表示，京东会把Ego、多模态这类投入重、周期长的“最难的一段路”扛下来，其他类型的数据——比如全身动捕、遥操作等——将开放给行业合作伙伴共建。“我们希望和大家共建具身智能数据生态联盟，而不是全部自己做。”

这也是为什么在展台的家庭样板间里，京东能自信地把自家京造产品与佛山照明、凯米斯、宇树、美菱、长虹等品牌摆到同一个空间——它既是家电AI能力的输出方，也是这些产品的销售渠道。京东的具身智能故事，不是从零起步，而是把过去二十年积累的供应链、渠道、数据、场景折叠成新的资产。

从大模型到附身智能再到具身智能，京东搭了一部“三级火箭”

如果说渠道和数据是底盘，那么模型和交互能力就是发动机。京东集团副总裁、京东探索研究院副院长段楠在采访中把京东的AI技术路线分为“数字智能、附身智能、具身智能”三步，路径清晰得像一部“三级火箭”。

第一级是数字智能，京东在这一层构建了JoyAI大模型矩阵，涵盖多模态交互、语音交互、具身智能等板块，多款模型已在Hugging Face、GitHub开源。

具体来看，JoyAI“家族”中，有让AI从“平面修图”进入“空间重塑”的Image-Edit，有能实时感知环境的VL-Interaction，有能生成分钟级长程视频并保持角色一致性的Echo，还有主打拟人化音色和高情商共情，兼具低延迟双工交互能力的Talker。

第二级则颇为别出心裁，在大多数人耳熟能详的大模型和具身智能概念外，京东提出了“附身智能”的概念，并通过展台的“AI家庭样板间”进行了直观展示。其对外品牌是JoyInside，把AI能力附着到手机、家电、可穿戴设备、智能座舱这类物理设备上，让人和物理世界的每个终端做实时多模态交互。

论坛现场，京东科技AI创新业务附身智能负责人戴文军系统阐述了JoyInside从单品进入空间、从被动响应走向主动服务的演进逻辑，“从成长学习到三餐休憩，JoyInside把有温度的AI能力融入家庭日常的每一刻。整套体验依托抗干扰拒识、实时打断的核心交互能力，即便在多人交谈、环境嘈杂的居家场景中，设备也能精准锁定人声、捕捉自然口语指令，不用指定单一设备，随口一句话即可触发全屋智能协同响应。这种去中心化的方式，让每一台设备都成为懂你的AI角色，分布式地感知需求、主动服务。”

据京东披露，接入JoyInside的智能硬件对话轮次平均提升超120%，已与近200家行业品牌达成技术合作，预计今年接入超千万台终端设备。展台的家庭样板间是它最直观的展示：走进哪个房间、说什么话、跟哪台设备互动，都不需要固定唤醒词或指定单一设备——多设备通过AI自主完成语义解析、意图分配和跨场景承接，实现全屋智能协同。

而第三级才是真正意义上的具身智能——让机器人在物理空间中感知、建模、执行任务。京东在这一层布局了JoyAI-RA移动操控基础模型、Ego Live第一视角人类作业数据集，以及JoyAI-Sim仿真数据合成工具链，在人类数据、仿真数据和真机数据之间建立双向连接。段楠特别强调，具身智能的Scaling Law比传统大模型多了一维：除了数据、算力、模型，还要加上硬件的规模化——这也意味着京东未来在硬件端还会有动作。

三级并非独立，而是层层递进。段楠解释称，附身智能积累下来对真实环境的感知和交互能力，本身就是具身智能的底层技术保障；具身智能一旦成熟，也会反过来让附身智能更聪明。两条路径各有侧重，却共享一整套底层大模型能力。

不过，段楠也对具身智能的当下阶段保持了清醒。他坦言，具身智能还没到“GPT-3时刻”，模型学习范式、评测标准、跨任务和跨本体的泛化性都还在探索中，“现在每天打开手机有一万个关于具身智能的消息，但整体还处于百花齐放、单点突破的阶段，没有形成整体方案。这也是京东选择先把数据规模化、再把评测体系搭起来的原因——只有当模型的能力边界能被稳定衡量，具身智能才谈得上真正落地。”

在WAIC京东展台走一圈，可以看到从头戴数采设备、家庭样板间到理货机器人，京东正在把一件抽象的事情讲得越来越具体：AI不再只是一个躲在云端的对话框，它可以是你手上戴着的相机、家里嗡嗡工作的家电，也可以是货架前弯下腰补货的机器人。京东押注的这条路，赌的正是——物理世界，才是AI最大的一次商业化落地。

文 罗亦丹 校对 赵琳