京東入局具身智能，發布行業首個具身數據全鏈路基礎設施

在機器人技術持續升溫的當下，行業正面臨從“演示”走向“落地”的關鍵轉折。

京東集團副總裁、京東云基礎云總經理龔義成直言，當前多數機器人仍停留在展示層面，依賴遙控操作，更多提供“情緒價值”，距離真正解決實際問題、實現規模化應用仍有較大距離。

在這一背景下，京東選擇切入具身智能賽道。4月16日，在其具身智能生態發布會上，京東宣布推出覆蓋“采、存、標、訓、評、仿、測”全鏈路的數據基礎設施體系，并發布多項自研產品，包括超高清采集終端JoyEgoCam、具身大模型JoyAI-RA以及具身智能數據交易平臺等，從全鏈路能力入手，推動行業進化。

龔義成告訴《鳳凰WEEKLY財經》，與傳統AI基礎設施側重算力與模型訓練不同，具身智能更像是一個“自上而下”的系統工程，同時又需要“自下而上”逐層打通。其核心挑戰首先體現在數據采集環節，企業需要明確所需數據類型，并通過合適的硬件設備進行高質量采集。這些設備既可能來自自研，也可能依賴生態合作伙伴。

這些數據進入系統后，仍需經歷清洗、處理、標注及訓練適配等多個環節。如何構建一個高效的數據處理與訓練平臺，使模型能夠充分利用數據，是關鍵問題。同時，數據集本身的定義，如覆蓋場景與數據結構，也成為決定模型能力的重要因素。

此外，數據流通機制同樣不可忽視。如何在保障安全與合規的前提下，實現數據的高效流轉，是具身智能生態建設中的另一重要環節。

京東在實踐中也面臨多重挑戰。首先是數據質量與密度問題。龔義成指出，具身智能不僅依賴第一視角數據，還需探索更多維度的數據形式，關鍵在于識別并定義“對模型真正有效”的數據類型，并實現規模化采集。

其次是大規模數據處理的成本與效率。如何通過技術手段在保證質量的同時降低成本，是行業普遍難題。京東方面透露，在這一過程中已積累了多項技術與經驗，但整體仍具高度挑戰性與創新性。

第三是數據與模型之間的協同驗證機制。即數據是否真正提升模型能力，需要通過反復迭代驗證。

據龔義成透露，在業務層面，京東有專門的機器人團隊，涉及科技、零售、物流、工業等核心業務板塊，打通機器人產品的銷售、售后、維修等服務，加速推動具身智能商業化落地。