兰陵王

京东押注物理 AI，打通数字到物理世界的链路_我的网站

A |     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。

B |     图片来源：Jeremy Nixon          AI 基础设施公司 Infinity 周一宣布完成 1500 万美元融资，估值 1 亿美元，投资方包括 Touring Capital、Principal VC 以及来自 OpenAI 和 Anthropic 等公司的研究人员。         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。         该初创公司正在构建软件，以便让 AI 芯片更容易运行 AI 模型。英伟达之所以成为领先者的一个重要原因，不仅在于其高性能芯片，还在于其 CUDA（Compute Unified Device Architecture）软件，这使得其 GPU（最初为图形处理设计）能够充当通用处理单元。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。

C | 最大的 AI 开发框架 PyTorch 和 TensorFlow 都建立在 CUDA 之上。         从入口到中间层          JoyInside是京东在本届展会上重点推介的项目。这使得开发者能够用像 Python 这样的流行语言编写应用，使用这些主流 AI 框架后，应用默认将运行在英伟达芯片上。         大多数这些应用级初创公司既没有资源也没有技术能力去编写自己的内核——即驱动芯片运行的低级软件——并将其应用移植到其他 AI 芯片上。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。所以 Infinity 试图构建一种可替代 CUDA 的内核软件，能够适配任何类型的芯片，比如 SRAM、GPU、手机芯片和 Systolic Array。

D | Infinity 属于新一波初创公司，正通过一个又一个产品，试图削弱 NVIDIA 的市场主导地位。         Infinity 正在尝试构建一个通用的推理库，以在所有芯片上运行，从而使这些芯片能够自动复制最先进的研究成果。

E |          Infinity 由 Jeremy Nixon 于去年创立，他曾是 Google Brain 的研究员，也是黑客网络社区 AGI House 的创建者。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。Nixon 告诉 TechCrunch，他决定创办这家公司是因为他痴迷于“自动发明”这一想法——即“AI 系统实际上可以成为一种元技术”的信念。

F | 他说自己曾发明过一种名为 Omega 的机器学习算法，该算法本质上可以创造新的机器学习算法并在一个反馈回路中自动评估它们。

G | 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。         那次成功让他开始思考这种方法还能在哪些情形下适用，他转向了硬件领域，相信自动化系统也可以生成运行芯片更高效所需的低级代码，比如内核等。         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。         Infinity 的 AI 研究 Agent Ignition 旨在为可替代 NVIDIA 的芯片编写 AI 推理所需的低级代码。它会测试、调试并衡量硬件在该代码下的运行速度，并在需要时自动重写代码以提升性能。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。该系统具备自我优化能力，意味着它会持续学习并改进自身。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。Nixon 表示，它还能够适应不同的芯片架构，无论是否为专有设计。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。

H | 最终成果是 Infinity 所称的与 CUDA 水平相当的软件栈。         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。

I |          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。

J | 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。

K |          但数据的质量如何定义，目前行业内尚未形成统一标准。         Nixon 表示，客户包括 AI 芯片制造商（以及意图挑战 NVIDIA 的企业）D-Matrix，Infinity 也在与其他大型芯片和云计算公司洽谈。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。

L |          然而，人类仍然参与其中，提供高层指示，而Agent则承担更多繁琐的体力活。在一项案例研究中，该初创公司发现Agent的工作速度远快于单独的人类，将可能需要数年或数月的过程缩短到数小时或数天。Infinity 不收取预付许可证费；相反，它从性能提升和成本节约中抽取一部分，衡量的是每秒令牌数的变化。         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。         目前，Infinity 有 26 名员工，包括设计、运营和工程人员。

M | 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。                   参考资料：          https://techcrunch.com/2026/07/20/inference-startup-infinity-raises-15m-from-touring-capital-openai-and-athropic-researchers/。         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。

N | 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。

o |          更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App。

p |

Current article:http://chenzhuaigecoupuhongyuntuizei.sbs/ydusrhr/26o3.html

Published on:13:45:53