Related articles
在 2026 年 WIC 这场体量巨大的展会中，我们看到了行业正在迎来全新的发展阶段。
据统计，今年共有 242 家机器人与智能硬件相关企业参展，占全部展商的 23.6%，成为 WAIC 2026 最热赛道；206 家参展主体集中于 「算力·芯片·基础设施」 大类，占比 20.1%；大模型与生成式 AI 赛道共有 130 家参展主体，体量与去年大致持平。
在这组数据背后，一个值得观察的变化是：以电商和物流起家的京东，正在把展陈重心从数字服务转向物理世界。本届 WAIC，京东以"AI 进入物理世界"为主题，展出了 JoyAI 大模型矩阵、具身数据全链路基础设施，以及面向家庭场景的 JoyInside AI Home。
从入口到中间层
JoyInside 是京东在本届展会上重点推介的项目。据现场披露，该项目已与近 200 家家电、机器人、玩具、健康设备品牌达成技术合作，接入硬件的平均对话轮次提升超过 120%。
2026 年，JoyInside 计划接入超千万台终端设备。从定位上看，JoyInside 并非底层操作系统，而是介于 AI 能力与硬件之间的交互中间层。京东科技 AI 创新业务负责人戴文军在现场表示，这一层的设计逻辑是围绕家庭中的多设备、多场景、多用户，实现设备间的协同响应。商业模式上，JoyInside 向合作品牌免费开放自动语音识别 （ASR）、语音合成 （TTS） 和大模型交互能力，硬件端仅产生模组增量成本。
同时，京东零售渠道为合作硬件提供新品首发、线上销售和售后维修的一体化支撑。这种"技术免费+渠道绑定"的策略，与当前智能家居行业的普遍打法类似——小米、华为、海尔等厂商均在以不同方式推进全屋智能生态，京东的差异化在于其电商履约能力而非技术独占性。
京东集团副总裁、京东探索研究院副院长段楠在本届 WAIC 上阐述了京东面向物理 AI 的阶梯式技术架构：数字智能、附身智能、物理智能。这一框架的核心逻辑是，在基础模型能力之上逐步演进，推动 AI 从数字世界走向物理世界。
第一层是数字智能，即 JoyAI 多模态大模型底座，覆盖图像、语音、视频、实时交互和具身智能等方向。部分模型已开源至 Hugging Face 和 GitHub。第二层是附身智能，将大模型能力轻量化附着到机器人、可穿戴设备和家电家居设备，实现从"单品智能"到"空间智能"的升级。第三层是通用具身智能，目标是让移动机器人在真实空间自主完成感知、建模、抓取和全流程作业。
这一架构的底层基础设施包括具身数据采集系统、JoyAI-RA 具身基础模型、开源 EgoLive 第一视角数据集，以及 JoyAI-Sim 仿真数据合成工具链。从行业视角看，这种真实数据+仿真数据+真机验证的闭环设计，与智元、优必选、宇树等具身智能厂商的数据策略并无本质差异，区别主要在于京东拥有零售和物流场景产生的真实交互数据。
数据
本届 WAIC 上，京东集团副总裁龚义成披露，京东计划在两年内积累 1000 万小时高质量具身数据。这一目标的背景是，行业对数据规模的需求正在快速提升——此前业界普遍认为百万小时数据即可满足训练需求，但随着模型泛化要求提高，共识已逐步向千万小时量级迁移。
但数据的质量如何定义，目前行业内尚未形成统一标准。龚义成在现场表示，脱离模型和真机场景验证的采集数据只是表面素材，真正有价值的数据必须完成采集、处理、训练、真机验证的端到端闭环。
这一判断与当前具身智能行业的核心瓶颈一致：适配机器人训练的高质量物理交互数据仍然匮乏。值得注意的是，1000 万小时并非一个固定的终点，而是基于模型迭代需求测算的阶段性规模。在数据竞赛日趋激烈的背景下，京东、智元、优必选等厂商均在以不同方式扩充数据储备，谁能率先建立可复用的数据闭环，将在下一阶段竞争中占据优势。
物理 AI 的落地距离尽管具身智能在本届 WAIC 上备受关注，但段楠在现场也承认，当前全球具身智能尚未迎来标志性的"GPT-3 时刻"。模型泛化能力、统一评测标准、跨本体迁移技术均处于单点突破阶段，尚无成熟的通用解决方案。这一判断与行业现状基本吻合。不同于互联网大模型仅需算力、数据和模型三大要素，具身智能增加了硬件规模化这一维度。硬件量产和终端落地，正在成为下一阶段行业竞争的关键变量。
京东的优势在于其零售和物流场景可以提供真实的物理交互环境，但劣势在于其机器人整机制造能力弱于专业厂商。从战略定位看，京东的长期目标是成为物理世界运营公司，同步发力数据、模型、算力和硬件。段楠表示，京东内部衡量 AI 业务落地效果的指标包括体验、成本和效率，现阶段以高质量数据规模化作为核心抓手。但他也承认，未来具身智能行业不会出现一家独大的格局，开放共建是必然趋势。这一表态本身说明，在物理 AI 这条赛道上，京东仍在寻找明确的边界。
