京东重估蓝领

“我们（把）工人派给各个城市的学校，将来给机器人做维修、做保养。”刘强东两个月前描述的让员工修机器人的场景，已经出现在了现实之中。就在不久前，在北京亦庄人形机器人半程马拉松比赛上，除了人形机器人选手外，一台红色的京东“机器人救护车”颇为引人注目。比赛途中，一旦机器人出故障，机器人救护车上的专业维修工程师就会现场维修。 不仅场景落地，京东已经做到了行业Top1。目前京东与众擎、松延动力、云深处、智元等头部机器人企业达成深度合作，建立起覆盖全产业链的机器人售后服务联盟。 这一反直觉现象背后，是当前AI产业一个被严重低估的结构性矛盾：模型能力的指数级增长，与物理世界部署能力的线性增长之间，存在巨大的剪刀差。 过去20年，京东搭建起一支深入城市毛细血管的庞大履约队伍，掌握了互联网最大的一块线下人力资源。到了AI时代，人不再仅仅是运力，更是数据源头和维修工，成了京东AI产业化的重要底座。 就在昨天，京东集团发布2026年第二季度及中期业绩。财报显示，公司上半年实现营业收入6621亿元，其中，京东体系研发投入上半年同比增长53.2%，连续三个季度保持加速投入态势。 这些钱没有流向一个独立的AI产品，而是流向了2000多个业务场景和90万员工身上。京东正在打造覆盖183个一线岗位的蓝领培训体系，未来5年计划培养10万名工程师，覆盖机器人和智能家居等场景的售后维修。 如果这一路径能跑通，京东或将重新定义自身在AI产业链中的角色——从电商平台转向物理世界运营中心。但需要指出的是，这条路线的风险同样不容忽视，大规模蓝领培训的投入产出比尚待验证，机器人售后市场的实际规模能否支撑其战略预期也存在不确定性。 不久前，字节将飞书产品团队并入豆包体系；阿里将QoderWork、悟空、MuleRun三款Agent产品收拢，统一为“千问办公”品牌；腾讯将QClaw产品中心划入AI 办公智能体WorkBuddy所在部门。 办公场景是AI最容易量化价值、也最容易让用户形成付费习惯的入口。谁能率先成为打工人每天离不开的生产力工具，谁就能在To B市场分到一块蛋糕。 这条路线的优点是收入模型清晰，卖订阅、卖API调用、卖算力。但难在持续差异化，大模型能力差距正在持续收窄，开源模型遍地都是，C端AI入口的迁移成本低。 字节、阿里和腾讯近乎同步的“集中收拢”，恰恰说明靠单点AI产品建立壁垒越来越难，巨头们不得不从各自为战转向集团作战，把分散的AI能力捏合成一个拳头产品，用生态优势补足技术。 京东走的则是另一条产业化路线，押注物理AI，让AI从数字世界走向物理世界，在真实产业场景里干活。这条路线不追求“AI业务”的独立收入，而是让AI融入每一个业务环节、改善每一笔订单的成本结构。 目前 JoyAI 已落地超 2000 个业务场景，覆盖物流、零售、工业、健康等核心板块。在零售端，JoyInside附身智能已与近200家硬件品牌合作，2026年计划接入超1000万台智能终端，可在30天内实现从产品定义到上市推广的全链路落地；商家侧，数字人JoyAvatar累计服务超8万家商家，618期间开播时长与成交金额均同比增长超4倍。 物流端，智狼货到人解决方案已应用于全球超60个仓库，“异狼”机械臂10秒即可完成一次从识别到抓取码放的全套动作，上千台无人车在全国超20个省份常态化运行，四川资中的无人机进村配送网络已覆盖78个行政村，最快7分钟飞越山区。 京东一边建设全球最大的具身数据采集中心，宿迁落地全国首个具身数据采集社区，计划两年内采集超 1000 万小时人类真实场景视频数据，已开源行业最大人类视角数据集EgoLive；另一边推出 “机器人救护车”，与众擎、智元等头部企业建立售后服务联盟，欧洲已在英德建立 JoyRobocare 维修中心，上门服务覆盖英法德荷。 至此，京东的AI战略轮廓逐渐清晰。面向现在，把AI融入每一个业务环节，降本增效；面向未来，做数据采集、机器人维保并打造机器人基地，将数据能力等输出给整个物理AI产业，成为具身智能产业 “卖铲子”的人。 但相比数字AI工具产品，京东将AI与产业融合的路线变现周期更长，模式也更重。但大模型的能力再强，如果只停留在屏幕里，价值天花板终究有限，AI必须走向物理世界已经成为行业共识。 而在通往物理AI的路上，高质量真实场景数据是绕不开的瓶颈。与此同时，随着具身智能走向规模化，机器人卖出去之后坏了谁来修，也将成为行业必须解决的问题。谁能率先解决这些问题，谁就能在这条路上占据先发优势，京东显然已经提前落子了。 一个根本原因就在于，物理世界的不确定性是无限的，而AI的训练数据是有限的，这就导致在物理世界里，AI永远在跟小概率事件作斗争。数字AI可以忽略“边缘情况”，但在物理世界里，每一个“小概率”的代价都是真实可感的。 更重要的是，物理AI想要真正落地，需要打通五个环节，包括全域实时感知层、带物理约束的决策大模型层、实体硬件执行层、配套实时算力层，以及能持续产出实景数据、承接长期试错的线下产业场景，并构建“感知——决策——执行——数据回流”的自进化闭环。 比起数字AI的快迭代，物理AI只能慢落地。每一轮迭代都牵涉到物理设备、现场人员、业务流程，成本和周期都是数字AI的十倍甚至百倍。 作为国内履约能力最强的平台之一，过去20年，京东积累了近2000个仓库、上万家门店和每天运转着真实的物理世界业务，这些真实场景正是物理AI最稀缺的“训练场”。 这些场景里每天都在产生数据。空间轨迹、设备状态、温湿度、图像……这些传感器采集的信号，能为物理AI提供丰富的多模态输入。但单纯依靠传感器数据，模型往往只能识别“发生了什么”，而难以准确理解“为什么会发生”，更无法像经验丰富的现场人员那样，迅速做出直觉判断和灵活处置。 真正稀缺的，是人在真实业务中的判断、经验和操作数据。一线员工每天在仓库里分拣、在门店里理货、在配送路上穿梭，每一次对异常情况的处理和对事物的判断，都在为AI构建理解物理世界的能力。 今年6月，京东启动“涅槃计划”，未来将把数十万蓝领员工分批送往学习机器人维修、保养、故障诊断等技术。刚刚发布的二季度业绩公告，进一步披露了这套体系的规模，覆盖183个一线服务岗位，未来5年计划培养10万名工程师，服务范围将覆盖机器人、智能家居售后维修等领域。 对内，京东自身业务正全面智能化，亟需一批懂技术、能实操的一线人才，支撑庞大线下体系的智能设备运维与常态化运转。对外，当下具身智能迎来爆发增长，但行业普遍缺少全国性的标准化售后和运维体系，京东借此提前布局，抢占具身智能产业的配套红利。 以英伟达最新的Blackwell架构为例，一个搭载72颗GPU的GB200 NVL72机架功耗超过120千瓦，是十年前标准服务器机架的十余倍。一座超大规模数据中心部署数万颗GPU，耗电量动辄数百兆瓦，相当于一座中小城市的用电负荷。 如此巨大的功耗意味着整套配电系统必须从零设计，开关设备、变压器、不间断电源、液冷回路，每一个环节都需要持证专业人员上手安装调试，没有软件可以替代。 这种需求不是阶段性，而是结构性的。算力设施、具身智能的AI能力越强，部署的场景就越广，随之而来的未知工况和设备故障带来的风险就越高，线下实操、运维人员的不可替代性只会持续提升。 但京东不是第一次这么干了。电商时代，人力普遍被视为成本，行业习惯把物流外包给第三方，京东却自建了一支履约铁军，靠自营配送拉开和同行的服务差距。 也正是因为手握互联网最大的一块人力资源，让京东在即时零售风口来临时，有了从电商业务向即时零售、外卖业务横向扩张的底气。 如今走到AI时代，这批线下人力的价值再度跃升。人不再只是配送员，而是AI进入物理世界的 “眼睛” 和 “手”，构成京东押注物理AI的底座。 换句话说，AI产业化的竞争，正在从算法层下沉到物理层，谁能拥有一张覆盖物理世界的人力网络，谁就握住了AI落地的最后一公里。 但这一战略的现实挑战同样不容回避。数据采集和机器人维修这两个“卖铲子”的市场仍处于早期阶段，商业化路径尚不清晰。京东虽然提前落子，但能否从中获得足够的回报来覆盖前期的重投入，取决于物理AI产业整体的成熟速度，而这并非京东一家企业能独立加速的。 但无论结果如何，京东至少提出了一个不同于主流叙事的命题：在AI时代，人不是要被优化的成本，而是可以被重新定价的资产。