五年采购三百万台机器人，京东百亿砸向“物理AI”

2026年9月9日的北京亦庄，一场名为JDD的全球科技探索者大会宣告了一个关键转折。在过去两年，互联网巨头们几乎无一例外地卷入了大语言模型（LLM）和通用人工智能（AGI）的数字赛道，比拼的是算力集群和对话参数。然而站在聚光灯下的京东集团直接抛出了截然不同的命题——他们要离开屏幕，进入物理世界。

京东正式发布了“超级AI供应链”架构，并亮出了足以震动整个机器人行业的底牌：未来5年内，京东物流将计划采购超过300万台机器人、100万台无人车以及10万架无人机；同时豪掷上百亿元资金资源，布局涵盖研发、生产与维修的80余个RoboBase产业基地。

这不仅仅是一次常规的技术升级公告，更像是一场带有强烈行业整合意图的重磅洗牌。在具身智能概念刚刚突破理论验证期的今天，京东正试图用自身庞大的实体物流网络作为“训练场”和“绞肉机”，强行拉低硬件成本，完成从电商零售企业到全球物理AI基础设施巨头的身份跃迁。

一、“六个全球最大”：构建端到端的垂直闭环

在此次大会上，京东高管首次明确提出了未来5年的“六个全球最大”战略目标。这一系列宏大的目标并非单纯的概念炒作，而是勾勒出了一条极其罕见、完全自我闭环的产业版图。

通常来看，科技公司的路径要么是专注算法的软件公司（如各类AI大厂），要么是专注单一环节的本体制造商。但京东提出的愿景覆盖了从数据采集、技术研发、零部件制造、整机生产到终端应用乃至售后维修的全生命周期。

其中最为引人瞩目的是对上游供应链的直接干预。京东明确提出，将通过规模化集采，目标是将机器人本体的物料成本降低50%以上。对于当前动辄数十万元一台、利润率极低且产能爬坡困难的仓储及工业机器人产业链而言，“成本腰斩”是一个极具杀伤力的信号。这意味着京东不仅要自己买，还要利用其市场支配地位倒逼上游供应商进行极限降本。

在下游应用端，300万台机器人加100万台无人车、无人机的投放规模更是史无前例。据高工机器人等第三方机构测算，目前全球仓储物流机器人的年出货量仅在几十万台级别徘徊。京东单一家企业释放出的千万级增量需求，足以让任何一个初创机器人本体厂商瞬间获得数年的业绩支撑，同时也彻底锁死了竞争对手的生存空间。

此外，伴随而来的还有80余个RoboBase产业基地的建设计划，以及5年内覆盖超100个国家、创造10万个工程师岗位的宏大构想。这标志着京东的野心已不局限于物流体系内部的自动化替代，而是准备对外输出整条产业链标准，甚至孵化出独立于京东之外的千亿级机器人商业帝国。

二、开源数据集与仿真一致性：打破数据孤岛的技术突围

除了庞大的资本开支规划，此次大会更深层的意义在于京东展示的技术底座能力。具身智能（Embodied AI）在过去一直面临一个巨大的工程难题：如何在真实的物理世界中让机器人像人类一样灵活操作。

为了解决这一痛点，京东展示了其自主研发的具身操作基础模型JoyAI-RA0.5。据官方披露的数据，该模型在多项基准测试中性能超过了包括π0.5在内的国际顶尖开源SOTA模型。更重要的是，京东自研的仿真系统JoyAI-Sim实现了与真实世界评测高达90%的一致性。

这个数字的价值无法被低估。在机器人领域，纯靠实机试错的学习成本极高且速度缓慢，而能够将虚拟仿真环境的训练结果无损迁移至现实世界（Sim-to-Real），是衡量一个具身智能平台是否成熟的核心标尺。90%的一致性意味着企业可以在数字世界里完成绝大多数复杂的机械臂抓取、路径规划等指令演练，极大压缩了研发周期。

为了巩固这一技术壁垒，京东还采取了“降维打击”的开源策略，发布了首批开源第一视角数据集EgoLive。在当前多数核心企业都在捂紧高质量业务数据的情况下，京东通过开放这些经过清洗的真实场景视频数据，旨在抢占开发者生态的先机，吸引更多外部算法团队基于京东的数据底座进行二次开发，从而进一步推高其在具身智能领域的行业标准话语权。

三、重资产护城河与财务大考

尽管蓝图宏伟，但摆在京东面前的挑战同样严峻。这套逻辑的本质是用重资产模式构建护城河，但这套打法对企业自身的现金流管理和长期投资回报率（ROI）构成了极高的考验。

首先，百亿级别的资金投入主要流向了固定资产建设（产业基地）、算力基建（十万卡纯国产万卡集群）以及大规模的设备采购。这在财务报表上会直接体现为资本开支（Capex）的显著攀升。对于习惯于轻资产运营或高周转率的零售企业而言，这种将巨额现金沉淀在厂房、芯片和机械设备上的做法，会严重拖累短期的净资产收益率（ROE）。投资者必须接受一个事实：这笔钱投下去后的几年内，很难看到直接的利润反哺，反而会增加折旧摊销的压力。

其次，从“意向采购”到“稳定量产”之间存在巨大的鸿沟。即便京东拥有全球最大的分拣中心网络，但要真正让数百万台异构机器人在极高温、极低温或高强度连续运转的极端环境下保持零宕机运行，对设备的耐候性和系统的调度能力提出了超乎寻常的要求。如果设备故障率不能控制在极低水平，所谓的“无人化物流”就可能沦为一座需要大量技术人员实时盯防的钢铁坟场。

更为隐性的是对上游供应链的控制力问题。要求合作伙伴实现成本降低50%，这绝非单纯的采购压价，而是需要从设计源头改变元器件选型和生产工艺。在当前半导体及精密减速器等核心零部件依然受制于人的背景下，如果国产供应链无法如期提供同等性能的替代品，这一“降本50%”的目标可能会落空。

四、结语与后续观察指标

京东押注物理AI，本质上是在赌一条时间轴更长的赛道。当所有竞争对手还在卷数字世界的聊天机器人时，他们已经把战场搬到了搬运货物的流水线上。这种“看得见、摸得着”的物理场景，恰恰是目前很多纯AI公司最渴望却最难获取的稀缺资源。

未来两三年，是检验这场豪赌成败的关键窗口期。无论是资本市场还是行业观察者，都不应仅仅停留在关注其发布的PPT目标上，而应密切跟踪以下几项核心变化：

第一，京东接下来的几份财报中，资本开支的具体流向与折旧数据。这是判断其战略落地决心的最硬指标；第二，其公开的JoyAI-RA0.5模型在实际复杂非结构化场景中的容错率和泛化边界，这将决定它能否真正脱离京东内部环境去独立商业化；第三，国内头部本体厂商与京东合作或竞争的策略分化——看谁能率先吃到这波百亿订单的红利，谁又会在激烈的价格战中被动出局。

在这场重塑物理世界的较量中，真正的硝烟才刚刚开始。