全球AI行业正在经历一次底层逻辑的切换。
大模型参数竞赛逐渐触顶，行业开始意识到一个更棘手的问题，AI如果只停留在数字世界，它的价值天花板终究有限。以具身智能为例，硬件层面取得了显著进步，但“通用化与泛化能力仍是制约其大规模落地的核心瓶颈”。
AI必须从数字世界“跑”进物理世界。
但物理AI的落地远比数字世界的AI复杂。以具身智能为例，行业面临的一个核心瓶颈是真实场景数据的匮乏。有研究指出，保守估计当前已有数据量与所需数据量之间至少还差两个数量级。真机采集成本极高，仿真数据又难以完全弥合“虚拟与现实”的差距。机器人“小脑”发达，可以跳舞打拳，但作为“大脑”的具身模型却跟不上。
在这个背景下，京东（JD）的供应链优势开始凸显出来。
既有长期积累的零售、物流、工业、健康、外卖、家政和线下门店场景，也有围绕商品、库存、价格、履约、服务形成的供应链系统。AI在京东（JD）内部不是孤立的技术模块，而是被放进这些具体流程中接受检验。
这决定了京东（JD）AI的扎实底色，更像是物理世界运营系统的智能化升级。
在京东（JD）的实践中，AI要在消费（883434）产业里创造价值，不能只理解语言，还要理解货、仓、店、人、车、服务和售后。它必须知道一件商品在哪里，能不能送到，价格是否合适，服务能不能接上，用户最终体验如何。
这也是互联网平台进入AI下半场后最现实的分野。从“会说”转向“会做”
麦肯锡2025年全球AI调查显示，企业已经开始试验和扩展智能体系统，但能够真正把它纳入核心业务流程的公司仍然有限。斯坦福AI Index也提到，企业使用AI的比例在提升，但商业价值兑现并不均匀。
原因在于，AI从回答问题到执行任务，中间隔着企业数据、组织流程、业务规则和责任边界。一个购物智能体如果只会推荐商品，价值有限；它还要知道商品库存、价格补贴、送达时效、退换货规则和安装服务。一个工业采购智能体如果只会解释参数，也不够；它还要帮企业完成选型、比价、询盘、下单和履约。
京东（JD）的独特性，正是在这些复杂场景里。它的AI布局不是从一个独立产品向外延展，而是从已有业务网络向内嵌入。
零售业务提供用户需求，物流体系提供履约能力，工业业务提供企业采购场景，健康业务提供问诊、用药和到家服务，家电家居和3C业务提供智能硬件入口。
这些业务线看似分散，底层都围绕同一件事：把用户需求和商品服务准确连接起来。
从这个角度看，京东（JD）AI不是单一技术叙事，而是供应链叙事。模型只是起点，产业场景才决定AI能不能沉淀成效率和体验。从“找商品”到“管体验”
消费（883434）是京东（JD）AI最容易被用户感知的入口。
京东（JD）AI智能体（886099）“京言”承担的是购物决策辅助角色。按照京东（JD）披露，今年一季度，使用京言进行购物咨询的活跃用户数接近8000万，同比增长超过200%。
这类产品的价值，不在于把导购话术换成AI话术，而在于减少用户在复杂商品体系中的筛选成本。
家电、数码、母婴、健康、家装等品类本身决策门槛较高，用户需要比较参数、价格、服务和使用场景。AI如果能把这些信息整合起来，就有机会把传统搜索和客服的一部分能力合并。
京东（JD）618提供了一个阶段性观察窗口。
开门红52小时，京东（JD）线下门店整体客流量同比增长超过70%，其中超5600家京东（JD）3C数码门店客流量同比增长138%，超4000家京东（JD）养车门店服务订单量同比增长超过110%。
这组数据说明，京东（JD）的消费（883434）场景并不只在线上。AI要改善消费（883434）体验，也不能只停留在页面和对话框里，它最终要连接门店、服务人员、安装维修和到家履约等环节。
AI营销也在进入商家运营。
京东（JD）数字人JoyStreamer、JoyMarketing交互营销平台、AI客服京小智、设计智能体等产品，分别对应直播、互动营销、客服和店铺运营。开门红期间，JoyStreamer服务商家规模、开播时长和带货成交额均有明显增长。对商家来说，AI的意义不是替代所有运营岗位，而是降低内容生产、用户触达和客服响应的边际成本。
更有长期想象力的是JoyInside。
它不是单纯的语音助手，而是京东（JD）试图进入家庭终端的一条路径。据京东（JD）披露，JoyInside已经接入近百款产品，覆盖AI玩具、机器人、家电家居、健康器械等品类。六一前夕，相关AI终端销量环比增长535%，小龙AI魔法益智打印机在618开门红4小时内预售销量环比增长17倍。
这些数据仍是阶段性的，但方向值得注意。过去智能家居（885478）的入口之争，多围绕手机、音箱和操作系统展开。AI终端出现后，家庭入口可能变得更碎片化。玩具、台灯、床垫、轮椅、打印机、机器人都可能成为交互节点。京东（JD）的角色不只是销售渠道，还可能参与产品定义、供应链孵化和售后服务。AI进入采购、库存和履约
京东（JD）AI更深的一层，藏在产业端。
工业品（850100）采购是一个典型场景。中小制造企业长期面临选型难、比价慢、采购分散和议价能力弱的问题。京东（JD）工品汇在今年618全面落地AI智采管家，这一工具基于京东工业（HK7618）大模型JoyIndustrial，具备识图找货、智能询盘、参数解读和商品对比能力。战报显示，截至6月1日，京东（JD）工品汇成交额同比增长超过100%，AI智采管家直接驱动的GMV较日常增长超过百倍。
这个案例的价值，不只是“AI带货”。工业品（850100）采购比普通消费（883434）品更复杂，商品SKU多、参数密集、替代品判断难，采购人往往需要在安全、合规、价格和交付之间权衡。AI如果能读懂参数、识别图片、匹配货源，并接入京东工业（HK7618）的供应链体系，就可以把一个原本依赖经验和人工沟通的流程部分标准化。
物流是另一个关键底座。京东物流（HK2618）超脑大模型应用于超1000个核心场景，全新上线的AI地图库存诊断助手带动库存周转效率提升30%至40%。京东物流（HK2618）还有覆盖全球的仓库和云仓网络，机器人已经进入存储、拣选、搬运、分拣、末端送驳等场景。对京东（JD）来说，物流不是AI落地后的附属能力，而是AI训练和应用的高密度场景。
生鲜业务则说明了供应链厚度的另一面。京东（JD）生鲜的“包圆”模式覆盖超过30个核心品类，618开门红期间相关商品销量同比增长210%。在广东荔枝案例中，京东（JD）通过源头包园、直采、冷链和全渠道销售，把高损耗、短周期（883436）、强时效的农产品（850200）变成可规模化运营的商品。
这里面不一定每一个环节都直接由AI驱动，但它提供了AI落地所需的真实业务基础：产地数据、库存预测、价格波动、物流时效、品质标准和消费（883434）反馈。
这正是京东（JD）与许多平台不同的地方。
AI应用层的竞争，更看谁拥有足够复杂、足够稳定、足够高频的业务现场。没有供应链厚度，AI容易停留在建议层；有了供应链厚度，AI才有机会进入决策和执行层。京东（JD）开始补“物理AI”的数据课
零售、工业和物流是京东（JD）AI的现实落点，具身智能则是它面向下一阶段的基础设施布局。
机器人要进入真实世界，最大瓶颈之一是数据。
互联网图文和普通视频可以帮助大模型理解语言和图像，但很难让机器人学会人在真实任务中如何观察、判断、拿取、移动和交互。第一视角数据因此变得重要。它记录的是人怎么完成动作，而不仅是世界看起来是什么样。
京东（JD）发布了EgoLive高精数据集，已开源2000小时人类第一视角视频数据；同时推出头戴采集硬件JoyEgoCam、数据处理平台JoyBuilder，并上线具身智能数据交易平台。按照京东（JD）规划，未来两年将组织内部10万人、外部50万人参与，累计采集1000万小时人类第一视角高精数据。EgoLive数据覆盖家庭、仓储、药房等真实作业场景，并提供手部运动、深度信息、物体分割、任务阶段、语言描述、3D场景恢复和3D轨迹重建等标注。
这部分布局的意义，在于京东（JD）试图把自己的物理场景转化为AI时代的数据资产。仓库、药房、家庭、门店和配送链路，本身就是机器人未来可能工作的场景。
京东（JD）如果能在这些场景里采集和处理高质量数据，就有机会在具身智能产业链里占据一个基础设施位置。
它的商业逻辑也很清楚。机器人产业不只是卖机器本体，还需要数据、模型、交互系统、销售渠道、租赁、维修和供应链配套。京东（JD）可以从多个环节进入：用EgoLive补数据，用JoyInside做交互，用京东物流（HK2618）和工业场景做应用试验，用平台能力帮助机器人产品销售和售后。这不是单点突破，而是一条围绕物理世界展开的链路。
京东（JD）AI提供的最大启示，是AI应用的竞争正在回到产业本身。
过去，互联网公司的AI优势往往来自数据、流量和工程能力。今天，这些仍然重要，但已经不够。企业要把AI落地到真实业务中，还需要长期积累的供应链、履约能力、线下网络、行业Know-how和服务体系。AI越想从“建议”走向“执行”，越离不开这些基础设施。
