产品发布 · 神机百见-具身解读
京东把物理 AI 拆成六个「全球第一」：能拿数字核对的其实只有三个
JDD 2026 上京东抛出「六项全球第一」：两年 1000 万小时数据、五年 80 余个 RoboBase、五年采购 300 万台机器人。把六条逐一对上公开数字会发现，三条有量化目标，三条是方向性承诺。而 EchoWM 世界模型的 81.6 与 81.7 两个分数，本身也值得说清楚。
本篇目录4 节 · 13 分钟
一分钟速览
- 六项目标：全球最大具身智能数据采集中心（两年 >1000 万小时）、全球最大机器人产业基地（五年 80 余个 RoboBase）、全球最大机器人零部件供应商（助力百家本体厂商降本）、全球最大机器人零售渠道（百万终端场景覆盖）、全球最大具身机器人应用军团（五年采购 300 万台机器人 + 100 万台无人车 + 10 万架无人机）、全球最大机器人维修服务网络（覆盖 100 多个国家、创造 10 万个就业岗位）。
- 世界模型：发布并开源 JoyAI-Echo WM。京东口径在 WBench Navigation 得 81.6 分「全球第一」；论文口径（arXiv 2608.23189）为 158 个案例平均 81.7、一致性 89.8、交互性 87.2；四步因果流式版本 EchoWM-Flash 平均 81.0、交互性 87.9。
- 自曝的短板：团队明确承认模型「缺乏显式持久 3D 记忆」，多轮生成后几何关系与物体身份可能漂移。
- 数据已开闸：首批开源数据集 EgoLive 已开放，获全球 8 个国家、上百所高校与科研机构申请。
- 判断：六项里只有数据、基地、采购三项有可核对的量化目标，另外三项是方向；而对做机器人租赁与运维的人，真正稀缺的基础设施是第六项——维修网络，不是前五项里的任何一个。
数据来源与边界
本文事实以
2026 京东全球科技探索者大会（JDD，2026-09-09）公开发布内容为主，交叉
经济参考网（2026-09-12）、
新浪新闻（2026-09-11）、
网易与搜狐的 JDD 报道，以及
arXiv 2608.23189（JoyAI-EchoWM 论文）与
FutureX Physical AI Daily Issue 118（09/13）的 Paper Progress 条目。
WBench Navigation 分数存在两个口径：京东对外表述为
81.6 分（搜狐/网易等中文报道），论文口径为
158 个案例平均 81.7（FutureX/arXiv 2608.23189），本文
并列呈现不择一。「全球第一」「全球最大」等均为
发布会方表述，本文不作独立认定，且未在正文中替其寻找第三方佐证。
素材时间窗为 2026-09-12 18:00 → 2026-09-13 09:00：JDD 大会本身在 09-09，本窗口内的新增量是——①
新浪财经·机器人全球资讯于 2026-09-13 08:25 发布《京东发布物理AI最新成果 锚定机器人领域六项"全球领先"》，系窗口内对 JDD 成果的集中复述与再传播；②
FutureX Issue 118（09/13）在窗口内首次公开 EchoWM 的论文级评测明细（158 案例 / 81.7 / 89.8 / 87.2 / Flash 81.0）与「无持久 3D 记忆」这一自述局限。所有判断均已用「判断：」标注。
本文事实信息来自上方标注的公开来源；解读、判断与延伸部分为作者个人见解，写作过程使用了 AI 工具辅助整理，已由作者人工核实，不代表信息来源方立场。如有雷同纯属巧合；如涉及版权或权益问题，请联系 shenjibailian@shenjibailian.com，我们将在核实后及时删除或更正。
1先拆这六条
六项「全球第一」，三条有数字、三条是方向
2026 京东全球科技探索者大会（JDD）于 9 月 9 日在北京举行，主题「JoyAI · 跃迁物理世界」。会上京东正式披露物理 AI 完整战略，发布「超级 AI 供应链」，并启动「物理 AI 加速计划」。集团技术委员会主席、京东云总裁曹鹏的表述是：「京东的 AI 不是在论文里诞生的，是在生产线、仓库、配送站，一单一单磨出来的。」
「物理 AI 加速计划」抛出六项「全球第一」目标，覆盖数据、基地、制造、销售、物流、服务六个方向。把它们逐条摊开：
| 方向 | 目标表述 | 量化锚点 | 可核对性 |
|---|
| 数据 | 全球最大具身智能数据采集中心 | 两年内累计 >1000 万小时真实人类场景视频数据 | 有明确数字与时限 |
|---|
| 基地 | 全球最大机器人产业基地 | 未来五年布局 80 余个 RoboBase，集研发、中试、制造、交付运维、数采于一体 | 有明确数字与时限 |
|---|
| 制造 | 全球最大机器人零部件供应商 | 助力「百家」本体厂商降本增效 | 方向性，未见金额或份额目标 |
|---|
| 销售 | 全球最大机器人零售渠道 | 推动「百万终端」场景覆盖 | 有数字但口径为「覆盖」 |
|---|
| 物流 | 全球最大具身机器人应用军团 | 五年采购 300 万台机器人、100 万台无人车、10 万架无人机 | 有明确数字与时限 |
|---|
| 服务 | 全球最大机器人维修服务网络 | 覆盖 100 多个国家，创造 10 万个就业岗位 | 数字有，但「就业岗位」非技术指标 |
|---|
表注：「可核对性」为本文按「是否给出金额/数量/时限且可事后验证」给出的分类，非京东原表述。
判断：这六条里，数据 1000 万小时、基地 80 余个、采购 300 万台这三项是可以事后打分的——到 2028 年、2031 年各查一次就知道。剩下三条（零部件供应商、零售渠道、维修网络）用的都是「助力百家」「百万覆盖」「创造 10 万岗位」这类没有对照组的表述：没有第三方统计口径，也就无从判断「第一」成立与否。这不是批评，而是提醒——读这类发布稿，先分清哪几条是承诺、哪几条是愿景。
2世界模型
EchoWM：81.6 和 81.7，两个分数都要记
JDD 上京东发布了两款世界模型：JoyAI-Video 与 JoyAI-Echo WM。后者是实时可交互的世界模型，也是这次技术上最实的一块。
先把两个口径摆在一起：
京东对外口径
WBench Navigation 得 81.6 分，位居榜首（搜狐/网易等中文报道）。「全球第一」的表述基于此。
论文口径
arXiv 2608.23189 / FutureX Issue 118：158 个 WBench Navigation 案例，平均 81.7，一致性 89.8，交互性 87.2；四步因果流式变体 EchoWM-Flash 平均 81.0、交互性 87.9。
两个数字差 0.1，大概率是评测样本数或取位方式不同造成的，本文并列呈现不择一。但论文口径明显信息量更大：它把总分拆成了一致性（89.8）和交互性（87.2）两个维度。
判断：「一致性」这个维度才是这次评测真正的重点。过去比世界模型，看的是生成画面好不好看；现在比的是「你转身走开再折返回来，那扇门还在不在原来的位置」。这就是为什么 EchoWM-Flash 的平均分（81.0）比原版（81.7）低一点、交互性（87.9）反而更高，却仍然值得单独发布——它换的是因果流式生成，牺牲一点画质换来更强的时序一致。世界模型的评价轴，正在从「像不像」转向「稳不稳」。
技术形态上（据 FutureX 对论文的描述）：原生音视频联合生成，支持第一人称与第三人称相机控制；WASD 这类离散按键通过一个统一的「相机意图」映射成连续的 6-DoF 轨迹，声音同步跟随视觉变化。代码已上传 GitHub。
团队自己承认的局限值得单独记：模型缺乏显式的持久 3D 记忆，跑上好几轮生成之后，几何关系和物体身份都可能「对不上号」。
在世界模型类发布稿里主动写明「我们没有 3D 记忆」，是比较少见的。这一条比 81.6 分更能说明团队对当前技术边界的判断——任何打算拿这类模型做长时序任务规划的团队，都需要自己在外面补一层记忆或状态管理。
3底座
云、数、模、端、场、链
「超级 AI 供应链」由六个模块构成，发布会给出的对应内容是：
云
已落地国产万卡集群（与摩尔线程等合作），规划建设并规模化商用十万卡集群
数
1000 万小时人类真实场景数据采集行动推进中，自动化标注与动作对齐；首批开源数据集 EgoLive，已获 8 个国家、上百所高校与科研机构申请
模
JoyAI 矩阵覆盖多模态、世界模型、具身模型；发布 JoyAI-Video 与 JoyAI-Echo WM；MaaS 平台汇聚行业模型
端
JoyInside 面向机器人、家电、家居、可穿戴、车载、产业终端开放；「AI Home」生态计划年内接入超千万台终端
场
覆盖产业园区、研发、制造、采购、仓储、配送、零售、健康、家庭服务
链
全生命周期服务：设计、制造、采购、销售、交付、安装、维修、回收、再销售
研发投入侧的数字：2026 年上半年京东体系研发投入同比增长 53.2%，已连续三个季度加速投入。
落地侧的具体描述也有几处：京东物流「亚洲一号」园区内「智狼」搬运机器人作业，具身灵巧臂「异狼」在 10 秒内完成包裹抓取、翻转和投放；狼族新品包括「母狼」「仓狼」、低温版「智狼」与灵巧臂「异狼」。垂域模型方面，物流「超脑」3.0 把亿级包裹路径规划从分钟级压缩至秒级；工业 JoyIndustrial 2.0 支持自然语言完成机械设计并输出 3D 打印成品。
「10 秒完成抓取—翻转—投放」这类数字属于发布会演示口径，未说明负载、包裹类型与成功率，不宜直接当作产线节拍指标使用。
4真正稀缺的那一项
维修网络，而不是数据采集
把这六项目标放在一起看，行业缺口的位置其实很清楚。
条形长度表示本文对「当前行业投入密度」的主观判断，非量化统计，仅用于表达相对缺口
判断：做机器人租赁（RaaS）的人最清楚，压垮毛利率的从来不是买机器人的钱，是坏了没人修。一台机器人在异地宕机，派工程师出差一次的差旅+工时成本，可能就吃掉这台设备一个月的租金。京东把「覆盖 100 多个国家的维修网络」列为第六项，方向是对的——但这条恰恰是最难用资本快速堆出来的，它依赖的是网点密度、备件库存和认证技师，属于典型的慢变量。
对中小集成商来说，这里有个更现实的问题：如果你的设备不在任何一家的维修网络里，你就要自己建。要么把服务半径控制在一小时车程内，要么在报价里把异地运维单独列项——很多团队在第一个异地项目上亏钱，都是因为漏算了这一条。
判断：京东这套打法的真正价值不在「六项第一」，而在于它把供应链能力当成具身智能的准入壁垒来打。行业里大部分公司的叙事是「我的模型更强 / 我的本体更稳」，京东的说法是「我能让你造得出来、卖得出去、修得及时」。对一家不造本体、不训基座模型的公司，这是一条自洽的差异化路径——它赌的是产业化的瓶颈在中后段，不在前段。
来源：2026 京东全球科技探索者大会（JDD，2026-09-09）· 经济参考网（2026-09-12）· 新浪新闻（2026-09-11）· 网易 / 搜狐 JDD 报道 · arXiv 2608.23189 · 新浪财经·机器人全球资讯（2026-09-13 08:25）· FutureX Physical AI Daily Issue 118（09/13）
