AI，悄然来到了虚拟世界与现实世界的临界点。
2026年9月3日，一辆没有方向盘、没有脚踏板、没有后视镜，更加没有远程操控的特斯拉Cybercab驶上奥斯汀街头，它的车载AI能实时完成从环境感知、意图预测到车辆控制的全链路决策。
AI，初步具备了在开放物理世界中的行动能力。
同一天，GPT-6 Astra也实现了像人一样直接“看”屏幕来操作电脑，根据自然语言的需求，拆解工作任务，完成并最终自主交付，实现了数字世界的复杂自主操作。
相对而言，机器人行业似乎仍停留在表面的热闹——一边是资本和热度持续攀升，新品密集发布，大模型公司纷纷入局具身智能；另一边是真实场景的落地依然艰难，大多数机器人还停留在展厅和实验室里。
宇树科技创始人王兴兴在2026世界机器人大会上做过一个判断：当一台机器人走进陌生家庭，仅凭一句语言指令就能完成80%的日常任务，具身智能的“ChatGPT 时刻”就来了。这个时刻，快则两三年，慢则五到十年。
王兴兴能这么讲，那一定意味着在某个空间，正发生着普通人不知道的事情。因为，物理世界的AI和数字世界的AI有一个巨大的不同，就是它没有唾手可得的素材：人类最简单的判断、动作，拿稳一只碗，平稳搬动一个箱子，怎么拧螺丝，不同台面搬桌子要用多大力……这些数据，只能在真实的仓库、工厂、医院和家庭里，一次一次磨出来。
这意味着，机器人的GPT时刻，最终比拼的是谁能建立起真实数据-仿真训练-模型进化-场景应用-反馈优化的完整闭环。
事实上，当观众在电视上看着宇树机器人的表演之时，物理AI正在许多无人瞩目的地方小步快跑着。
8月世界机器人大会上，京东发布机器人战略布局，宣布截至2028年，将投入百亿资源。9月9日的JDD大会，京东又把主题定为“JoyAI・跃迁物理世界”。
京东为什么要如此笃定地all in物理AI？是不是它已经触摸到了通向那一个时刻的窗。
几厘米，1亿小时
物理AI迟迟达不到实用的最大阻碍是什么？简单说就是，人觉得最容易的，却是机器人最难实现的。
今天的机器人，看起来足够炫——能跑、能跳，轻松突破人类身体的极限，能在舞台上跟着音乐跳舞。但只要把它们从聚光灯下挪开，放进一个真实的家庭，它甚至不如一个刚刚学着做家务的孩子。
斯坦福大学《AI Index Report 2026》数据显示：机器人在仿真环境中的操控成功率高达89.4%，但一旦到真实家庭场景后便骤降到12.4%，即使是顶级模型也完成不了超过1/3的任务。
这不是什么高精尖的工作，就是最普通的洗碗、擦桌子，打扫卫生等等。
王兴兴就说过：“拿东西时，最后几厘米的误差无法修正，成功率就会暴跌。”
最后几厘米，听起来微不足道，却是实验室和现实世界之间的最难翻越的距离。
数字世界是封闭的、可重复的，你让AI写一首诗，写十次，虽然措辞不同，但都算完成了任务。但物理世界是开放的、容错率极低，桌边放着一个玻璃杯，机器人不仅要识别这是杯子，还要判断杯子有多满、重心在哪、该用多大的力度握住拿起放下，任何一个变量出了差错，杯子可能就碎了。
这就是机器人的泛化能力不足。它的背后，是三个更深层的短板：缺数据、缺世界模型、缺闭环。
业内估算，具身智能要实现觉醒，大约需要1亿小时的真实世界数据。而今天即使整个行业加起来，离这个数字还差着数量级。
所以最后几厘米，靠的不是某个天才模型的灵光一现，而是海量真实数据、持续仿真训练和规模化场景验证的长期积累。
京东要做物理AI的基础设施
这种长期积累，恰恰是创业公司最难做的事。能沉下心啃下这块硬骨头的，注定不是追风口的人，而是修桥铺路的人。历史早就告诉过我们，每一次技术革命，最后赢的也都少不了这批人。
1882年，爱迪生在纽约珍珠街建成了世界上第一座商业发电厂。那时候，如果你想开一家工厂，最时髦的做法是自己买一台蒸汽机，自己发电。但很快人们就发现，这既不经济也不可靠，机器坏了没人修，电压不稳产品就废了。于是，电网出现了。不需要每家工厂自己发电，只需要接上电网，按下开关，电就来了。
一百多年后，同样的故事在互联网时代重演。2000年前后，如果你想做一个网站，需要自己买服务器、自己租机房。几年后，云计算出现了。不需要每家公司自己建数据中心，只需要接上云，点开控制台，算力就来了。
今天，同样的故事在物理AI时代上演。
如果你想做一台机器人，最普遍的做法是自己做本体、自己训模型、自己采数据、自己建产线、自己做销售、自己搞维修。但很快人们就会发现，模型训好了没有真实场景验证，本体造好了零部件成本降不下来，产品卖出去了坏了没人修。
所以物理AI时代，也需要一个建电网的人。
这个人，就是现在的京东想要去做的。
JDD大会上，京东再次重申，要建设“全球最大的物理世界运营商”。
这句话的分量，可能比任何一款机器人产品都要重。它意味着，这家公司想做的不是某一个点的突破，而是整个面的覆盖；不是某一款产品的成功，而是整个产业的基础设施。就像电网之于电力革命，云计算之于互联网革命。
也就是说，京东要做的不是下一个OpenAI，也不是下一个特斯拉，而是面向物理AI的超级供应链。
支撑这条路的，是它近二十年深耕供应链积累下来的、任何实验室都无法模拟的独特禀赋：3600个仓库、1.9万个配送站、超50万名自有配送等一线员工、数千万SKU，覆盖零售、物流、工业、健康和家庭等真实场景。
这些场景每天都在持续产生人如何操作、货物如何移动、设备如何执行任务的具身数据。不是为了采集而采集，而是来自真实的业务本身。
这也透露出京东与其他追模型、拼算力的玩家最大的不同：
别人是从技术找场景，先有一个模型，再去找哪里能用。京东是从场景长技术，先有一个真实的供应链问题，再围绕这个问题去打磨算法、沉淀数据、训练模型。
如何落地？四件事拼成一张网
这个愿景，在9月9日的JDD大会上被完整呈现。
这场大会的核心：是一张面向物理AI的超级AI供应链全景图。
这套供应链要解决的核心问题只有一个：让机器人从实验室里的样机变成千家万户好用、能用、用得起的成熟产品。从已经公开的布局来看，京东做的每一件事，都指向这个方向：
数据端，京东正在建设全球最大的具身数据采集中心，计划发动60万人参与数据采集，两年内采集1000万小时人类真实场景数据。
想象一下这个画面：一位家政阿姨戴着京东自研的JoyEgoCam头戴式采集设备，她擦桌子、叠衣服、做饭的第一视角画面被完整记录，经过去畸变、自动预标注等处理后，变成机器人可以学习的教材。这不是实验室里摆拍的数据，是真实场景里沉淀下的一手素材。
制造端，京东要未来5年将在全国建立80个RoboBase机器人基地，打造全球最大的机器人产业基地，这并非传统工厂，而是集研发设计、生产制造、中试转化、场景验证、销售展示于一体的机器人全生命周期服务平台；更关键的是，京东要通过聚品降本、投资核心部件、自建工厂，将机器人本体物料成本降低50%以上。而这，是进入寻常百姓家的前提所在。
销售端，京东要做全球最大的机器人零售渠道，并面向所有家电家居品牌免费开放JoyInside，未来三年投入10亿资源，计划助力300个品牌实现接入。
服务端，京东已经在国内建成8大维修中心，未来5年还将建立覆盖全球超100个国家的售后服务能力。目前，京东已经在行业率先推出“机器人救护车”和专属“赛博医疗体系”，为人形机器人、四足机器人提供专业维修保养。
值得一提的是，首批来自全国各地的快递员、仓管员、质检员，经培训后已转型为机器人维修工程师，蓝领的饭碗，没有被机器人抢走，反而被机器人产业接住了。京东提到，将创造超10万名机器人售后服务工程师新就业岗位。
这些事单拎出来，不算亮眼，数据采集是苦力活，维修服务是脏活累活。但放在一起，就是一条完整的产业闭环。这四件事凑齐了，一台机器人才算真正走出实验室。
场景才是最好的试金石
基础设施的价值，最终要落到真实场景中去检验。对很多机器人公司来说，找到一个能规模化落地的真实场景，本身就是最大的挑战。
京东的独特性正在于，它自己就是最大的场景方。
物流是当前物理AI规模化应用最成熟的场景之一。2025年，中国社会物流总费用与GDP的比率进一步降至13.9%，创下有统计以来的最低水平。降本增效已经成为行业共识。在这个万亿级市场里，任何一点效率的提升，都意味着巨大的价值。
京东物流用10款19个型号的狼族机器人，在亚洲一号昆山智能产业园交上了答卷：分拣自动化率90%，拣货效率提升3倍，存储坪效提升4倍。
而物流，只是京东场景版图的一角。
零售场景也正被AI重新定义。京东APP全面AI化升级，推出购物助手“东东”，用户说出需求，它不会简单甩出一个标准答案，而是通过榜单、选购攻略、评测、搭配方案等形式，帮用户把选择捋清楚。
更有意思的是多模态能力：用户可以对着视频找同款，也可以把商品以3D形式放进家中实景查看，实现所见即所得。
健康领域，京东健康的医疗AI已经从只会给建议升级为能解决问题。京医千询3.0在HealthBench双榜第一，其中最亮眼的是业界首个Agentic范式3D阅片智能体，它像医生一样主动阅片，准确率超GPT-5.5近15个百分点。
走进家庭，JoyInside已经让AI从听懂指令迈向主动懂你，目前已与近200家品牌达成技术合作，跑出小鸡球球AI点读笔、凯米斯AI机器狗等多款10万+级爆品。
以小鸡球球AI点读笔为例，它突破了传统点读笔“指哪读哪”的单一模式，搭载逐句讲解、跟读纠正、互动问答等AI能力。孩子点一下，不只是听到读音，还能和AI对话、学英语、做认知游戏。一台设备，从工具变成了伙伴。
这是一条由内而外的路，先在自身的供应链场景中把效率做到极致，再把打磨好的能力开放给行业伙伴和客户。
就像当年的亚马逊，最初做云计算只是为了支撑自己的电商业务，结果做着做着，AWS成了全球最大的云计算平台。
就像Waymo和特斯拉的竞争，Waymo最早提出了无方向盘、无脚踏板的设想，发誓要在实验室打造最完美的无人驾驶技术，结果最终把Waymo设想最早实现的，却是早早把辅助驾驶技术装进车里，边跑边验证边改进的特斯拉。
机器人的GPT时刻终会到来。到那时候，人们会记得是谁造了第一台会后空翻的机器人，更会记得，是谁为这个时代铺好了从实验室到真实世界的最后一公里。