当科技巨头们竞相追逐大模型参数竞赛时，京东将战略重心转向了一个看似不够“性感”的领域——具身智能数据采集。这家以供应链起家的企业，正试图通过发动60万一线员工，在两年内采集超过1000万小时的真实场景视频数据，构建全球最大的物理世界数据资产库。这场被内部称为“数据矿藏计划”的行动，正在重新定义AI产业的基础设施竞争格局。
在京东MALL的咖啡体验区，咖啡师佩戴的智能眼镜正以第一视角记录着研磨、注水、萃取的全过程。这些看似普通的操作视频，经过结构化处理后，将成为训练机械臂的关键数据集。与传统实验室数据不同，真实场景中的变量——突然靠近的顾客、移动的柜台、变化的照明条件——构成了物理AI落地的核心挑战。京东零售技术团队负责人指出：“实验室环境能教会机器人冲咖啡，但只有真实场景数据能教会它何时该暂停避让。”
支撑这场数据革命的，是京东独有的“三网融合”体系。覆盖全国的仓储网络、由500万配送员组成的履约网络，以及深入社区的门店网络，构成了天然的数据采集场域。以昆山亚一智能物流园为例，日均450万件包裹的分拣过程中，AGV机器人与人工分拣员的协作，持续产生着海量的人机交互数据。这些数据经过脱敏处理后，可直接用于训练仓储机器人的路径规划算法。
“我们不是从零开始建数据工厂。”京东物流技术负责人透露，通过将自研的JoyEgoCam采集终端集成到员工现有设备中，配送员在送货途中可同步完成街道环境数据采集，仓库分拣员的操作轨迹自动转化为训练样本。这种“嵌入式”采集模式，使数据获取成本较传统方式降低60%，而数据有效率高达95%。目前，京东已形成覆盖零售、物流、健康、家政等120个场景的数据字典，包含超过2000万条结构化操作指令。
在算法层面，京东构建了“感知-决策-执行-反馈”的完整技术栈。通过战略投资多家机器人企业，补强了3D空间感知与约束决策能力；自研的JoyAI大模型体系，则专注于将多模态数据转化为可执行的物理动作。特别值得关注的是其“数据回流”机制——部署在七鲜超市的智能货架，每天产生的顾客交互数据会实时反馈至模型训练平台，形成“采集-训练-部署”的闭环迭代。
但挑战同样存在。如何将分散在各业务线的数据转化为标准化产品，是京东面临的首要问题。目前，其数据资产库已开发出三大类产品：面向机器人企业的原始视频流、结构化操作指令集，以及针对特定场景的AI解决方案包。在最近与某汽车厂商的合作中，京东提供的焊接车间数据包，使协作机器人的调试周期从两周缩短至三天。
资本市场的反应印证了这种战略的价值。尽管未直接参与大模型研发，京东股价在过去一年中上涨了35%，多家投行在研报中强调其“物理世界数据垄断潜力”。参照海外案例，为OpenAI提供数据服务的Scale AI估值已达290亿美元，而国内光轮智能等数据企业近期也获得高额融资，显示市场对基础设施供应商的认可。
在这场AI竞赛中，京东正扮演着“数据矿主”的角色。其拥有的不仅是海量数据，更是数据产生的持续机制——当60万员工在日常工作中不断产生新的训练样本，当全国仓库的智能设备持续回传运营数据，京东构建的已不仅是数据资产，而是一个自我进化的物理世界数字孪生系统。这种能力，或许正是连接AI幻想与产业现实的桥梁。
