五年三百台：京东物理AI豪赌的代价与算盘

9月9日，京东在JDD全球科技探索者大会上抛出一个足以改写自身资产结构的计划：未来五年内，京东物流端将采购300万台机器人、100万台无人车和10万架无人机，推进全流程无人化；同时在全国布局80个RoboBase机器人产业基地。

更令人侧目的是另一组数字。京东计划在两年内动员其60万一线员工，采集超过1000万小时人类真实场景的视频数据。

这套组合拳被统称为"物理AI加速计划"。这不是京东第一次谈论AI——今年一季度的业绩会上，管理层就说过要将过去20年积累的供应链能力通过AI和机器人提升体验、降低成本。2026年上半年财报显示，京东体系研发投入同比增长53%，AI仍是重点方向。但此次发布会披露的具体规模和节奏，远超外界预期。

为什么是现在？

答案不在于算力，而在于数据。

英伟达CEO黄仁勋在今年6月的年度股东会上已将物理AI定义为"现实世界智能体的新增长浪潮"。他将这个概念定义为机器人、汽车和工厂都将成为能感知、推理、规划和自主行动的智能体。技术路线本身正在加速成熟。

但真正的瓶颈，已经从算力转向了高质量数据的获取。

据国盛证券研究，截至2026年初，全球合规可用的真实物理交互数据总量仅约50万小时，不足大语言模型训练数据的两万分之一。差距意味着什么？一项研究显示，机器人在标准化仿真环境内的家务操作成功率可达89.4%，但落地到真实家庭场景后，任务完成率骤降至12%。真实应用场景的复杂性，远高于任何模拟系统能够预演的程度。

谁手里握着最多的一线场景数据，谁就在下一轮竞争中占据先发位置。

而京东恰好拥有中国零售和物流领域最庞大的线下网络。这不仅仅是规模问题，更是场景的多样性问题。京东的仓储中心分布在数十个城市，从冷链食品到电子产品、从大件家具到生鲜蔬果，不同品类货物的搬运方式和自动化需求各不相同。末端配送站点覆盖全国县域乃至乡镇，地形条件、道路状况、天气因素都在变化。这种"碎片化"的真实场景，恰恰是通用型具身智能最需要的训练素材。

60万一线员工的日常动作本身就是天然的数据源。相比花钱购买少量实验室数据，让每天都在实际工作中的人成为数据采集终端，成本低得多且覆盖面广。但这套思路在执行层面面临巨大挑战。

这笔账怎么算？

问题是，这份"数据富矿"需要多少钱来开采。

5年采购300万台机器人，按照目前主流商用仓储机器人的单价估算（约5—15万元/台），总支出可能达到数千亿元级别。再加上100万台无人车和10万架无人机，以及80个产业基地的建设投入，这笔资本开支将是京东历史上最大规模的单一方向投资之一。

2026年上半年京东研发增速已达53%，但要支撑如此规模的硬件采购和数据采集基础设施，仅靠研发投入的增长远远不够。这意味着公司可能需要动用经营性现金流甚至增加融资。

短期内，这种级别的资本开支将对利润率构成直接压力。财报上会体现为折旧摊销的增加和存货占用的上升。如果机器人交付延迟或技术迭代速度快于采购周期，还可能出现设备尚未跑通就被新一代产品取代的风险。

但管理层的逻辑很清晰：一旦这套以数据和硬件为核心的闭环跑通，物流运营成本的大规模下降和效率提升，将为京东带来结构性成本优势。更重要的是，当这些数据壁垒建立起来之后，京东不仅是一个零售商，还是一个具备对外输出能力的物理AI技术方案提供商。

国产替代的战略棋局

在这场豪赌中，另一个值得关注的信号来自算力底座的选择。

京东云总裁曹鹏在大会上介绍，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划建设十万卡集群，成为国内AI云领域自主可控的超大规模算力底座。

这意味着京东在物理AI赛道的选择不仅是商业策略的调整，也包含了供应链安全的考量。十万卡级别的GPU集群如果全部依赖英伟达等国际厂商的产品，不仅采购成本高昂，而且在当前国际环境不确定的情况下存在供应风险。选择摩尔线程等国产芯片方案，虽然可能在初期面临适配成本和性能差距的问题，但从长期看有助于降低单卡的运营成本并为未来的自主可控提供保障。

当然，这也带来了新的挑战。摩尔线程的万卡集群在实际部署中的稳定性、能效比以及与主流AI框架的兼容性，都需要在实践中验证。如果国产芯片的性能无法满足物理AI训练的需求，京东可能会面临既失去时间窗口又被迫重新进口的高端双重风险。

现实有多骨感？

理想丰满不代表执行容易。

首先，60万一线员工如何有效组织成数据采集网络？这是一个巨大的组织管理挑战。不同岗位的员工日常工作量本身就饱和，额外承担数据采集任务会面临培训成本、激励机制和执行质量三重考验。如果采集的数据质量参差不齐，1000万小时的目标可能大打折扣。

其次，行业对物理AI的商业化路径也有清醒判断。东吴证券的研究指出，第一轮商业化更可能发生在流程工业、汽车制造、仓储物流和建筑施工等高价值、半结构化场景中。这意味着京东选择的确实是相对成熟的切入点，但也说明通用型物理AI的距离还很远。

花旗在最新报告中对京东的策略持乐观态度，认为其进攻、数据和模型能力有望推动更核心的供应链整合。但这个"乐观"的前提是计划能够有效落地。

接下来看什么

对于关注京东的投资者和行业观察者来说，以下四个指标值得持续跟踪：

第一，2027年中期是否能看到第一批RoboBase基地的实际运营报告，包括入驻企业数量、自动化改造案例数和单位成本下降幅度。这是检验"基地模式"能否跑通的关键信号。

第二，京东物流单均配送成本的季度变化趋势。如果在大规模资本投入期间出现阶段性上升，市场需要有心理准备；如果数据驱动的效率提升开始兑现，则需要验证其可复制性。

第三，摩尔线程万卡集群的实际部署进度和技术验收结果。十万卡规划的算力底座是数据采集和模型训练的基础设施，国产化替代的节奏直接影响京东物理AI的独立性和成本控制。

第四，也是最关键的，60万员工数据采集计划的参与率和数据合格率。只有看到首批试点部门的数据质量和处理效果，才能判断这个模式的可行性上限在哪里。

这场豪赌的胜负手，不在PPT上的数字，而在接下来两年内每一批次机器人实际落地后的表现。