在近期举办的全球人工智能大会上，人工智能技术发展的焦点正从模型本身的性能比拼，转向如何让AI真正融入现实世界、完成实际任务。展馆内，智能体手机、人形机器人、AI眼镜等能够直接服务人类、应用于生产生活的产品成为新的亮点，而支撑这些产品运行的超节点和万卡集群也吸引了众多目光。
这一转变在论坛议题中体现得尤为明显。过去，行业关注的核心问题是模型能有多聪明，如今则更关注AI能否以产业可接受的成本，进入产品并完成任务。京东集团一位高管在演讲中指出，互联网数据仅能承载数字世界的信息，无法让模型学会与物理世界交互。若人工智能要实现更高水平的通用性，必须从数字世界迈向物理世界。
从模型生成内容到真正进入设备、理解环境并完成任务，中间还涉及数据、评测、算力、硬件和产品等多个环节。京东的JoyAI成为观察这一转变的典型案例。京东将AI发展划分为三个阶段：语言、代码和内容生成属于“数字AI”；当AI进入玩具、家电和汽车等设备，持续感知并与人类交互时，成为“附身AI”；当AI进一步理解空间和物理规律，能在真实世界执行动作，则进入“物理AI”。
在此次大会上，京东首次集中展示了JoyAI大模型矩阵、具身数据体系、云基础设施和JoyInside硬件入口。其中，JoyAI-Image-Edit、JoyAI-Echo和JoyAI-Video-Edit分别负责空间图像编辑、长音视频生成和实时视频编辑；JoyAI-VL-Interaction、JoyAI-Voice和JoyAI-Talker则承担持续观察、实时回应和语音交互的任务；JoyAI-RA则专注于学习机器人的动作。
在模型之外，京东还构建了完整的配套体系。JoyEgoCam负责数据采集，EgoLive沉淀真实操作数据，JoyAI-Sim完成仿真转换与训练评测；京东云为数据处理、模型训练和规模化部署提供支撑，JoyInside则将这些能力整合到具体硬件中。这些能力覆盖了AI进入物理世界的完整链路，包括看见、理解、交流、行动和学习，直至最终落地应用。
当AI走出聊天框、进入物理世界，竞争的焦点已不再是单个模型，而是数据、模型、算力、硬件和场景能否组成一套可运行的系统。以JoyAI-Image-Edit为例，普通图像编辑仅关注像素的改变，而物理世界中的问题则涉及物体移动后空间关系的变化。该模型将图像理解、生成和编辑整合到一个体系中，不仅能换背景、改颜色，还能移动、旋转物体，改变相机视角并生成多视角画面，同时维持几何关系的一致性。
JoyAI-Video-Edit则需处理视频的时间连续性，在视频持续播放时修改人物、动作和场景，同时保证前后画面的连贯性。JoyAI-VL-Interaction则进一步解决了介入时机的问题，传统语音助手需用户唤醒，而附身AI需长时间待在环境中，持续观察并判断何时回应、何时保持沉默，以及何时将复杂任务交给后台模型或智能体。此前，有人利用这一模型制作了AI夜视婴儿看护器，红外视频持续输入模型，只有在发现婴儿异常时才触发提醒。
JoyAI-Talker则补充了实时表达能力，使模型在保持理解和推理能力的同时，具备更自然、低延迟的语音交互，并能表达情感和共情。这些模型共同回答了AI如何持续看见、理解并回应一个正在发生的世界。
然而，看懂世界只是第一步。模型可以在屏幕中旋转杯子，但机器人需知道如何抓取、用多大力以及抓空后如何调整。物理AI的数据分散在不同场景、任务和机器人身体中，既昂贵又难以复用。京东将物理数据规模化作为首要任务，认为物理AI不仅要学习通用常识知识，还要从真实世界数据中学习物理规律和因果关系。
京东将这一过程分为三层。第一层是采集真实经验，京东开源的EgoLive包含约2000小时视频、65,866段数据和346种真实任务，覆盖家庭、仓储、药房等场景，记录了人类处理不确定性的过程。第二层是将人类经验翻译成机器人可用的数据，JoyAI-Sim将真人动作放入仿真环境，检查其是否满足机器人的关节、碰撞和物理约束，再转换成机器人可学习的轨迹。第三层是验证经验的有效性，JoyAI-RA将多源数据放入统一训练框架，通过仿真和真机任务检验效果，只有提高机器人任务成功率的数据才算好数据。
这三层形成了一个闭环：EgoLive采集经验，JoyAI-Sim翻译经验，JoyAI-RA学习并验证经验。数据训练模型，模型再反过来定义好数据。京东计划在两年内积累1000万小时高质量数据，将具身训练扩展到千卡规模集群，并降低数据处理成本。
要让AI真正进入物理世界，还需具体的产品和硬件作为入口。京东的JoyInside致力于将AI能力整合到不同品类的硬件中，使其在真实场景中与人类交互并完成任务。自发布以来，JoyInside已与近200家行业品牌合作，覆盖家电家居、机器人、玩具和健康设备等品类，并计划在2026年接入超过1000万台终端。
在产品实践中，JoyInside发现设备正从“被动执行控制”转向“主动完成目的”。例如，接入AI的蒸烤箱，用户只需说“我想吃烤红薯”，系统就要理解食材、口味和火候，并对最终结果负责。人与设备的责任被重新划分，人提出需求，设备负责结果。
随着接入品类的增加，JoyInside发现单品AI化的价值存在差异。目前使用频率最高的是台灯、点读笔等学习产品，其次是AI玩具，而家电家居的活跃度相对较低。为此，JoyInside将策略从单品推向AI Home，让不同设备根据用户目的联动分工。例如，当用户说“我有点累”，床垫感知身体状态，灯光与音箱调节环境，机器人负责移动和观察。
AI Home还让产品重新接入反馈循环，哪些场景被使用、联动是否完成目的、用户是否接受设备主动服务，这些反馈将决定下一代硬件的能力和功能。然而，从单品走向AI Home的过程中，交付压力也随之显现。模型可统一训练，但硬件无法统一交付。为此，京东将方案商推到更重要的位置，由京东提供模型和场景能力，品牌负责产品和品类知识，方案商完成工程适配，并触达更多小批量试水的品牌，帮助JoyInside扩充品类。
