WAIC余温未散，WRC迅速接棒，这个夏天机器人热度空前。物理AI是未来成了共识，但问题在于，怎样到达这样的未来，业界并未达成一致。
产业与资本市场都在催促企业拿出完备方案。今年的WRC首次单独设置“采购日”，大会主题除了供给侧展示，更进一步强调“产需共融”，真实应用和采购需求被摆到更突出的位置。
有数据统计，2026上半年国内具身智能融资935亿元，较去年同期暴涨5倍。一级市场的热度仍在攀升，另一面，行业的技术验证与商业兑现却还没有同步完成。
资金越来越集中到具备量产、订单和真实场景支撑的项目，本身也说明资本正在更加认真地“验成色”。
也因此，在这个前仆后继的赛道里，怎样把技术继续往规模化应用推进变得关键。9月9日的2026京东全球科技探索者大会上，京东集团技术委员会主席、京东云总裁曹鹏宣布启动“物理AI加速计划”，提出将在具身智能领域冲刺六项“全球第一”。
六个目标分别指向：全球最大的具身智能数据采集中心、全球最大物流具身机器人应用军团、全球最大机器人产业基地、全球最大机器人零部件供应商、全球最大机器人零售渠道、全球最大机器人维修服务网络。从数据和应用一路延伸到生产、交易和售后，几乎覆盖了一台机器人从学习成长到进入市场、长期运行的整个过程。
这六个颇具野心的目标，也回扣了此前刘强东提出要打造“全球最大的物理世界运营中心”的理念。物理AI怎样才能真正进入我们的生产生活，京东给出了六个最具体可感的切入点。
走出实验室，机器人要闯多少关？
“数据采集”是近期行业的风口项目。因为真正符合商用要求的机器人，必须能在真实世界里不断感知、决策、行动，并不断根据结果修正自己的行为。
然而，当前国内真实物理交互场景合规数据仅50万小时，而机器人商业化落地需要数千万小时，缺口超过99%。
机器人产业在爆发前夜待了很久，可迟迟未能真正爆发，原因就是机器人“大脑”的泛化性不足，源于真实场景数据的匮乏。
要想机器人完成许多看似基础的动作，都得提供多维度的交互数据。痛点在于，这里提到的“数据”，不同于互联网上无限繁殖的一串串代码，而必须来源于真实的物理世界，采集成本高，且缺乏统一标准。
因此，当京东提出要建设“全球最大的具身智能数据采集中心”和“全球最大具身机器人应用军团”，行业立马识别出规模化应用+针对性数据采集的价值。
同时，产业“爆发”的前提，自然离不开“量产”二字。一台样机能跑能跳，和能稳定、低成本地造出几十上百万台产品。跨过这道坎，才叫产业；跨不过去，就还是实验品。
量产的卡点，业内人士可以说是如数家珍。其一在于良率，样机是手工艺品，工程师可以在实验室里精雕细琢。但成千上万台机器一起下线，任何微小的公差都会被放大成良率滑坡。其二是配套零部件难以整合，电机、减速器、丝杠、轴承......眼下大多数供应商还停留在“小批定制”的模式，整机厂想要放量，上游还不一定能一下从“手工作坊”变成“工业流水线”。
最重要就是成本。降本已不是单点突破的问题，是上下游所有环节和零部件都得能省则省，一点点抠出来压缩空间。一言以蔽之，量产涉及的都是供应链上的卡点。
这也解释了为什么京东会同时提出“全球最大的机器人产业基地”和“全球最大的机器人零部件供应商”。RoboBase机器人基地瞄准全链条的机器人基建，再加上零部件降本提质，算是针对性地解决各种量产难题。
产品造了出来，最后一关当然是要卖得出去，这是当前极易被忽略的环节。
其中有两道关卡。第一是触达，机器人的终端场景非常分散，家庭、工厂、仓库等等，一个品牌靠自己铺渠道，成本高效率低，还不一定能见成效。但如果把机器人看做一类新兴的通电产品，京东来处理这个问题就显得驾轻就熟：给百亿资源扶持，计划三年内助力100个品牌销售额突破10亿元。
第二道坎是服务。高精尖产品的背后，必须有一张高水平的维修服务网络兜底。哪里买了哪里就能修，出了问题有人上门。触达让用户买得到，服务让用户敢买。两件事都齐了，机器人才算真正走进生活。
所以，零售渠道之外，京东还把“全球最大的机器人维修服务网络”列为六个目标之一：未来5年建设覆盖全球100多个国家的售后服务能力，并创造超过10万个机器人售后服务工程师岗位。
京东提出的六个建设方向，从研发、到量产一路覆盖到销售，都是非常成熟的供应链＋零售产业思维。它之所以有底气去做这样大包大揽的全链路建设，无非因为类似的事已经干了一二十年。只不过以前流转的商品类目，现在延伸到了物理AI。
京东的“老本”，成了机器人的“新基建”
高精产业，通常会先堆技术再找场景，但京东的路径很特殊。因为自身业务所涉的生产线、仓库、配给站有降本增效的需求，物理AI应运而生。可以说，物理AI天然存在于京东的业务基因里。
3600个仓库、覆盖全国的物流配送网络，这些每天都在高速运转的业务，本身就构成了一个巨大的物理世界实验场。两年内采集1000万小时人类真实场景视频数据，在这样的体系内，是切实可行的规划。
同时，京东还创造了极富特色的数据采集方法。今年5月，全国首个具身智能数据采集社区在宿迁正式运行。内部职工，甚至社区居民们，戴上京东自研的JoyEgoCam采集终端，就可以变身采集员，日常做家务、擦桌子、叠衣服，就能把上肢轨迹、力度分布等等交互数据记录续下来。
这种模式的好处在于，数据来自真实的物理世界，区别于摆拍或者模拟。真实场景里才有的不规则和意外，都会让机器人体会并学习。
需要注意的是，京东同时是数据的“产消者”。在它机器人应用军团的构想中，5年内将采购300万台机器人、100万台无人车及10万架无人机，进一步推进物流全流程无人化落地。其中，“狼族”机器人军团已在仓储、配送等环节落地，包括箱式货到人系统“智狼”，具身拣选机器人“仓狼”，具身灵巧臂“异狼”等等。
这意味着京东自己就会成为全球规模最大的机器人应用场景之一。截至目前，京东正在构建覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施。拥有真实场景、正在持续采集数据、同时又是大规模采购机器人的需求方，这样的复合优势，是单纯做数据采集的公司很难同时具备的。
再说其机器人产业基地——RoboBase的定位，相比传统工厂，它更像一个“机器人全生命周期服务平台”，集研发设计、生产制造、中试转化、场景验证、维修保养等功能于一体。未来5年，京东计划在全国布局80余个RoboBase，进一步把这种产业协同能力向机器人企业开放。
前文提到，机器人量产的卡点本质集中在供应链：零部件整合、生产协同、成本控制，都不是单个机器人企业靠研发能力就能独立解决的问题。而过去十多年，京东长期做的一件事情，就是围绕供应链组织和效率持续优化。从仓储、物流到产业投资，都是在解决如何把分散的资源组织起来，以更低成本完成规模化交付。
所以我们看到，京东的六大目标既包括打造机器人产业基地，还要做全球最大的机器人零部件供应商。因为对供应链的掌控足够深，能够保证整机交付，也能通过聚品、聚类降本、投资核心部件、自建工厂等方式，帮助零部件降本。
这就很像属于机器人的4S店，一台机器人从图纸到量产再到维修，中间的每一个环节都能Cover。而涉及到电商“老本行”的零售能力，很可能成为京东最具辨识度的一环。
众所周知，京东在通电产品的的渠道与售后方面鲜有对手。机器人走下产线之后，自营渠道、企业采购、线下场景以及海外Joybuy，都可以成为其接触消费者的最佳展台。目前，京东已通过自营形式合作200余家机器人品牌，欧洲Joybuy也与50余家中国机器人品牌合作。
而在更重资产的售后端，京东已经构建8大机器人维修中心，推出“机器人救护车”，海外JoyRobocare也已在欧洲等市场落地。服务涵盖基础维修、故障诊断、换电补能、测试鉴定、美容保养和设备回收等环节。
这里还有一个很有代表性的变化：首批来自京东体系的快递员、仓管员、质检员，在完成机器人构造、维修规范和实操拆解等培训之后，已经转型成为机器人维修工程师。
这说明京东原有的人力、物流节点、培训和服务体系，也开始随机器人产业一起升级。未来如果机器人保有量真正进入百万级乃至更高规模，一张覆盖广泛、响应及时的维修网络，本身就是商业化基础设施。
可以看到，六个目标看上去指向一个新兴产业，底层调用的许多能力其实已经在京东体系内运行多年。毕竟物理AI要真正运转起来，依赖的恰好是京东长期耕耘的供应链系统能力。这种匹配度，在行业里并不多见。
机器人越往前走，京东的价值越清晰
WRC释放的产业信号已经非常明确。物理AI，尤其是机器人“狂飙突进”这几年，技术参数和Demo效果已经被充分讨论，越来越多人意识到签约订单不等于交付，交付不等于稳定运营，稳定运营不等于客户复购。
于是，数据、场景、渠道、维修，这些过去容易被技术讨论掩盖的环节，在商业化的压力下变得至关重要起来。对于很多机器人企业，眼下最现实的问题，变成了从产品到落地之间的链路太长且太散。零部件谁来组织？中试在哪里做？场景怎么验证？售后谁来兜底？
京东给出的方案，就是用一套相对完整的产业目标把这些环节连接起来。
场景产生数据，数据训练模型，模型进入终端，终端执行任务后再产生新数据，由此形成一个相互咬合的产业飞轮：数据让AI进化，场景让AI验证，供应链让AI规模化。
物理AI的优势和难点是一体两面的，相比运行在“真空”之中的数据，机器人会与我们的现实世界产生交互，让使用者具体可感地体会到智能体正在改变世界。
这样再看六个“全球最大”，就会发现它们所承担的角色更加清楚。
具身数据解决“学什么”，应用军团解决“在哪里用”；RoboBase和零部件供应解决“怎样规模制造、怎样持续降本”；零售渠道和维修网络解决“怎样进入市场、怎样长期运行”。
六个目标共同指向的，是机器人从技术能力走向产业能力的全过程。而这套逻辑，其实延续了京东长期以来一条熟悉的路径。
过去，京东围绕商品组织生产、交易、履约和服务，并逐渐明确了自己的定位——“以供应链为基础的技术与服务企业”。此后的业务延展都遵循一个核心思路：先把自己的供应链效率做到极致，再把打磨好的能力开放给行业伙伴和客户。
而今的物理AI同理。站在“运营者”的角色，京东让机器人有数据可以学，有场景可以用，有体系可以造，有成本可以降，有渠道可以卖，也有网络可以服务。
用JDD大会上曹鹏的话来说：“京东的AI不是在论文里诞生的，是在生产线、仓库、配送站，在供应链全流程中一单一单磨出来的。”
对于京东本身而言，“供应链”这三个字的想象空间变大了。过去供应链的起点是工厂、终点是消费者，中间跑的是商品。现在这套能力往前延伸到数据采集和零部件制造，往后延伸到机器人的维修和运维。相当于把传统的零售语境，拓展成了一个包罗万象的“物理世界运营”。
对于物理AI产业而言，这样的角色不可或缺。当产业还停留在技术突破和单点应用阶段，允许企业适当地“闭门造车”。但当机器人要想规模化应用，技术、场景、渠道和服务之间就必须被真正串联起来。
这或许也是“全球最大的物理世界运营中心”，真正值得期待的地方。
特别声明：本文为合作媒体授权DoNews专栏转载，文章版权归原作者及原出处所有。文章系作者个人观点，不代表DoNews专栏的立场，转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)
