自贡市人工智能协会移动官网

搜索

京东“物理AI加速计划”：300万台机器人，是巨量订单还是基础设施蓝图？

2026-10-19

不久前，京东在全球科技探索者大会上宣布启动“物理AI加速计划”：京东云将在两年内采集超1000万小时人类真实场景视频数据；未来五年在全国布局80个RoboBase机器人产业基地；京东物流将在五年内采购300万台机器人、100万台无人车及10万架无人机。

图1：2026年9月9日JDD大会主会场JoyAI大屏

数字足够震撼。但把时间轴拉开，一个更值得追问的问题浮现出来：京东物流在2025年10月就首次宣布了300万台机器人的采购计划，一年后的今天，当这组数字被重新包装为“物理AI加速计划”时，实际部署了多少？

物理AI加速计划

京东物流2025年10月提出五年采购300万台机器人计划。截至2026年第二季度，智狼方案（京东箱式货到人系统）已进入全球超60个仓库；京东昆山亚洲一号智狼仓单仓已有近500台机器人运转。

图2：京东智狼仓

“物理AI加速计划”到底是一份采购承诺，还是一张产业路线图？如果是后者，它的核心价值不在数字本身，而在于京东试图用这套叙事锚定什么。

表1：计划与行动时间线

能力天花板：物流数据训练不出通用大脑

在讨论京东要建什么之前，必须先确定它能在多高的天花板上施工。

行业当前对具身数据规模的共识可以用一把标尺衡量。中国信通院2026年8月发布的《具身智能训练场研究报告》指出，具身基础模型要迎来“ChatGPT时刻”，至少需要千万小时级真实数据，而当前全球可用的高质量真实数据仅为数十万至百万小时级。

国金证券的研报给出了更精确的数字：截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，训练通用具身模型至少需要1000万小时，当前数据量不足实际需求的5%。而智元合伙人、觅蜂科技CEO姚卯青在WAIC 2026上给出了更高门槛：要实现对通用物理规律的隐式掌握，至少需要亿小时级别的数据积累，“才能让常见任务的基础成功率达到70%到80%”。

京东的1000万小时计划，放在这把标尺中处于什么位置？它越过了“ChatGPT时刻”的千万小时门槛，但距离“亿小时”的通用物理规律掌握门槛还差一个数量级。

更关键的问题在于数据质量：京东的数据来源主要是物流场景和家政场景。物流场景的核心特征是标准化——包裹尺寸、搬运路径、分拣规则均可精确量化，这正是机器人最容易学习的数据类型，但它恰恰缺少通用具身模型最需要的非结构化长尾数据。

京东官方也透露出相关信息：在发布“物理AI加速计划”的同时，同步发布的是物流超脑大模型3.0、京东工业JoyIndustrial 2.0等垂域大模型，而非统一的通用具身模型。京东的数据飞轮在供应链垂域内可以高效运转，但这与训练通用具身大脑是两个不同量级的目标。这个判断是理解整个计划的前提：京东当前的能力半径，恰好等于其场景半径。

将京东的“物理AI加速计划”放在产业坐标系中，最直接的对照是美团。美团核心本地商业CEO王莆中在2026年管理层沟通会上明确表示，美团将“建设物理世界最全最准的数据基础，打造物理世界的AI底座和行动能力”。

两者的差异在于数据来源的场景属性：美团的数据来自“即时配送”场景，配送路径充满不确定性、需要与行人交互；京东的数据来自“仓储物流”场景，操作流程高度标准化、可精确量化。

两者都在构建垂域数据飞轮，但训练出的模型能力方向不同。京东的3600个仓库构成了一个封闭但高效的数据采集网络，但这个网络的训练价值高度依赖于仓库自身的自动化改造速度。如果改造进度慢于预期，数据飞轮的转速就会下降。

300万台里到底有什么

回到开篇的采购数字。京东物流“狼族”军团目前的产品矩阵覆盖9款产品、11款机器人，按功能可分为四层。

仓储与搬运层包括智狼（箱式货到人系统）、天狼（托盘密集存储系统）、地狼（搬运机器人），构成仓库内的基础物流底盘。苏州昆山亚洲一号的智狼仓部署了近500台自研机器人，拣选准确率超99.99%，出库拣货效率提升3倍以上。

分拣与拣选层包括仓狼（具身拣选机器人）、保姆狼（自动分播墙），自动分播墙分播效率最高可达15200件/小时。

运输与配送层包括独狼（智能配送车、无人轻卡）、飞狼（无人机），数千台无人车正进行规模化交付。

图3：京东物流仓内机械臂与分拣流水线

前沿探索层是异狼（具身灵巧臂），它与仓狼虽同属“具身”系列，分工却不同：仓狼是货架巷道里的移动“拣货员”，无需改造仓库、2周即可部署，解决存量仓里“把商品从货架上拣出来”的问题；异狼则是分拣线上的固定式“码货工”，凭借近100种可变手型和视觉、力觉、触觉融合感知，专攻传统机械臂无能为力的软塌编织袋、异形件等非标包裹的抓取与码放。

此外还有面向医药零售履约场景的母狼（无人药房），实现混批次、混SKU 药品的7×24小时无人值守管理，发药准确率99.9%、每小时可打包90单。

这个矩阵展示了一个关键：300万台的总量中，绝大多数仍是成熟度较高的AGV/AMR类产品，真正具备“具身智能”属性的异狼灵巧臂和仓狼拣选机器人在总量中占比极小。 “300万台”包含了大量计划性规划，而非一次性确定订单。

已部署设备与可确认收入之间的差距体现在京东零售供应链的60天账期和持续降本要求上；时间维度上，RoboBase要到2028-2029年才全面达产，而采购是五年规划。在2028年之前，京东的物理AI叙事主要依靠数据故事支撑，而非产业落地。

RoboBase：从“4S店”到产业操作系统

RoboBase是这套叙事中最具想象力的部分。

自2026年以来，京东产发已在广州、上海、无锡三地落子。广州黄埔首个项目建筑面积约19万平方米，上海张江项目规划建筑面积约10.5万平方米，无锡项目规划建筑面积约11.2万平方米。

图4：2026年7月11日广州黄埔RoboBase项目开工现场

表2：RoboBase三地项目进度

但更值得关注的是京东产发的自我定位。京东产发华南区副总经理梁冕将其表述为“产业基础设施运营商”，不直接从事机器人研发制造，而是要做“最懂机器人的企业”。艾媒咨询CEO张毅的判断更为直接：“京东肯定不是在做机器人本体，而是抢占机器人的‘4S店’这样一个生态卡位”。

RoboBase试图将“研发—中试—制造—验证—销售—售后”全链条压缩到同一物理空间。无锡项目的规划印证了这一点，覆盖展示交付、维修保养、研发设计、中试组装、数据采集、生产制造等关键环节。

但风险同样明显。2026年内京东产发完成了三地落子，按此节奏，五年80个基地意味着年均16个。这要求京东产发从“产业地产开发商”转型为“产业运营服务商”——前者依赖土地获取和建设能力，后者依赖持续的招商、孵化和生态运营能力。京东是否具备后者的组织能力，是RoboBase从“物理空间”升级为“产业操作系统”的关键瓶颈。

零部件联盟：权力关系的静默转移

2026年8月20日，京东工业携手舍弗勒、青岛云路、苏州源控、翼菲智能等产业链头部企业，在世界机器人大会上正式发起“机器人零部件产业发展联盟”。联盟确立“场景定义技术、需求倒逼创新”的方向，目标是在未来三年助力100家机器人本体厂商实现全品类降本，推动100家零部件供应商业绩倍增。

这对产业议价关系的冲击可以从两个方向理解。零部件厂商长期处于价值链底端，核心零部件在整机价值占比通常不足30%。京东以全球最大采购方身份介入后，理论上可以通过规模化采购为零部件商争取更好的价格条件。但联盟的降本目标本质上要求供应商让渡利润空间，而“业绩倍增”的前提是绑定京东的采购通道。

这里有一个值得参照的产业模式：汽车行业中整车厂对Tier 1供应商的压价能力同样极强，但博世等Tier 1凭借技术壁垒维持了较高议价权。机器人零部件行业当前的技术壁垒是否足以支撑类似的博弈格局，是判断联盟长期影响的关键变量。

中国信通院数据显示，人形机器人核心零部件整体国产化率已突破75%，这意味着零部件供给侧的竞争已经相当充分。京东联盟的“降本”目标有产业基础支撑，但“业绩倍增”承诺可能加剧供应商之间的内卷，而非提升其议价能力。

更深层的影响在于，当京东同时掌握需求入口、数据资产和售后网络时，本体厂商的差异化空间将被大幅压缩，机器人本体可能逐步趋同于“京东标准”。

谁在布局

京东“物理AI加速计划”的本质，是将物流场景从“机器人应用场景”升级为“机器人产业操作系统”。它的核心资产不是300万台机器人的采购能力，而是仓储、配送、零售、数据、售后五位一体的场景闭环。

但这一蓝图面临三重约束。时间约束：RoboBase要到2028-2029年才全面达产，采购计划的执行节奏受制于机器人产业自身的量产能力。技术约束：物流垂域数据对通用具身模型的贡献有限。资本约束：研发投入周期长、回报不确定性高。

这张蓝图的边界，大概率会由物流场景的天花板来划定，而非由具身智能的想象力来定义。这不是能力不足的问题，而是能力半径恰好匹配场景半径的问题——京东当前能做的事，恰恰是它应该做的事。

下一篇：这是最后一篇

上一篇：这是第一篇