近日，在2026京东（JD）全球科技探索者大会(JDD)上，京东（JD）正式对外披露物理AI完整战略，发布“超级AI供应链”新型基础设施，并启动“物理AI加速计划”，围绕数据、基地、制造、销售、物流、服务六大维度布局，以打通AI从技术原型走向产业规模化应用的现实堵点。
京东（JD）集团技术委员会主席、京东（JD）云总裁曹鹏表示，京东（JD）将算力、数据、模型与自身积淀深厚的供应链体系深度耦合，把AI能力投射至零售、物流、工业、家政等多元实体场景，推动AI完成从数字世界向物理世界的跨越，并将产业验证后的能力向全行业开放。
“六位一体”搭建新型底座
面对具身智能、机器人产业普遍存在的数据稀缺、模型泛化能力弱、终端量产难、售后配套缺失等行业痛点，京东（JD）提出了“超级AI供应链”概念。这套新型基础设施由云、数、模、端、场、链六大模块共同构成，不再局限于传统供应链对商品流转的组织，而是将算力、数据集、基础模型、智能终端、实体场景、产业供给体系全部纳入协同框架。
算力层面，作为底座的京东（JD）云目前已成功落地国产万卡算力集群，后续还将推动十万卡集群的规模化商用落地，以满足物理AI对低时延、高可靠、大算力的现实诉求。
数据是具身模型迭代进化的核心“燃料”，京东（JD）同步启动了千万小时级人类真实场景数据采集行动，系统性完成数据标注与动作对齐工作，补齐当前行业内高质量具身数据集的供给短板。
在模型体系层面，京东（JD）发布JoyAI-Video、JoyAI-Echo WM两款世界模型，搭建起覆盖多模态、世界模型、具身模型的完整技术矩阵。
终端是AI触达物理世界的载体，JoyInside生态面向机器人、智能家居（885478）、车载、产业设备开放模型适配能力，今年计划接入超千万台终端设备。其中，海量实体场景承担技术验证的角色，快速完成新技术的压力测试与反馈闭环。而供应链能力，则承担起产业化托底的作用，解决机器人行业“造得出、卖不动、修不好”的产业化难题。
瞄准具身智能产业规模化
基于超级AI供应链框架，京东（JD）正式启动了“物理AI加速计划”，抛出面向未来数年的产业投入清单，锚定数据、基地、制造、销售、物流、服务六大方向冲刺。
数据侧，建立具身智能数据采集中心，两年内完成超1000万小时真实人类场景视频数据积累，夯实具身基础模型训练根基；基地建设上，未来五年计划在全国布局80余个RoboBase机器人基地，集研发、中试、制造、交付运维、数据采集功能于一体，打造全球规模领先的机器人产业基地。
制造端，未来三年助力100家机器人本体厂商实现产品降本，推动100家零部件供应商业绩倍增，向全球头部机器人零部件供应商目标迈进；渠道销售层面，到2028年，投入百亿级资源，扶持100个机器人品牌独立销售额突破10亿元，推动机器人落地百万级场景，建设机器人零售渠道。
在自有的物流体系内部，京东物流（HK2618）计划五年采购300万台机器人、100万台无人车以及10万架无人机（885564），搭建规模庞大的具身机器人应用集群。服务网络方面，五年搭建覆盖超百个国家的机器人售后体系，培育十万级机器人售后工程师岗位，最终建成覆盖全球范围的机器人维修服务网络。
产业化配套成为胜负手
当前，行业对于物理AI、具身智能的技术探索层出不穷，但多数方案仍停留在原型演示阶段。机器人硬件成本居高不下、高质量训练数据集供给不足、行业缺少完善的售后运维体系，仍是制约产业从试点走向大规模普及的共性障碍。
业界认为，物理AI的竞争，早已不局限于模型算法能力的比拼，算力供给、高质量产业数据、终端量产能力、渠道销售、运维服务在内的完整产业配套，将成为决定赛道玩家上限的关键要素。
不同于一些企业“先做技术研发，再寻找落地场景”的路径，京东（JD）物理AI的技术底座，根植于线下产业的真实业务土壤。依托遍布全国的仓库、配送站点以及海量SKU供应链体系，零售流转、仓储调度、末端履约等业务环节持续产生真实业务数据与场景反馈，为模型迭代提供源源不断的训练素材。截至目前，京东（JD）AI已经落地超过3000个产业场景，产业场景既是技术的试验场，同时也是能力迭代的源头。
曹鹏表示，物理AI时代，AI技术不能仅仅停留在屏幕之内。京东（JD）定位为产业连接者与长期运营者，将对外开放算力、数据、模型、场景、供应链能力，与产业链上下游协同，探索物理AI商业化落地路径，稳步推进建设全球领先的物理世界运营中心的战略目标。
