据京东透露，京东云将在两年内采集超 1000 万小时人类真实场景视频数据；未来 5 年在全国布局 80 个 RoboBase 机器人产业基地；京东物流将在 5 年内采购 300 万台机器人、100 万台无人车及 10 万架无人机，推进物流全流程无人化落地。
此外，京东云总裁曹鹏还介绍，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划建设十万卡集群，成为国内 AI 云领域自主可控的超大规模算力底座，为大规模模型训练和真实场景应用提供算力支撑。
京东此时选择大举 " 杀入 " 物理 AI 赛道，也随即引发了市场不少关注。
实际上，在今年一季度的业绩会上，京东管理层就表示，京东过去 20 年积累的供应链能力，现在将通过 AI、机器人等新技术进一步提升体验、降低成本和提高效率。前不久披露的 2026 年半年报也显示，上半年京东体系研发投入同比增长 53%，AI 仍是重点投入方向。
花旗在最新的报告中也表示，对京东物理 AI 策略持乐观态度，该策略旨在利用其进攻、数据和模型能力，推动更核心的供应链整合。
2026 年 6 月，英伟达 CEO 黄仁勋在年度股东会上明确宣告：" 物理 AI 是英伟达的下一波增长浪潮 "。他将物理 AI 定义 为现实世界中的智能体 AI ——机器人、汽车和工厂都将成为能够感知、推理、规划并自主行动的实体智能体。
但与目前科技巨头们竞相争夺的大模型、AI Agent 等生成式应用领域不同，物理 AI 的发展和进化更依赖线下场景的真实数据反馈。
有研究显示，机器人在标准化仿真环境内的家务操作成功率可达 89.4%，但落地到真实家庭场景后，任务完成率骤降至 12%，背后的主要原因便是真实应用场景的复杂性，也凸显出线下真实数据对物理 AI 的价值更高。
但据国盛证券研究，截至 2026 年初，全球合规可用的真实物理交互数据总量仅约 50 万小时，不足大语言模型训练数据的两万分之一。
市场也普遍认为，以人形机器人为代表的物理 AI，数据是最关键的卡脖子领域。东吴证券预计，物理 AI 的第一轮商业化更可能发生在流程工业、汽车、仓储物流和建筑施工等高价值、半结构化场景。
在此背景下，京东这类深耕供应链生态，业务覆盖零售、物流、仓储等线下场景，相当于拥有着物理世界的数据 " 富矿 "，也构成了其在物理 AI 上的独特优势。
据媒体此前报道，京东还计划在未来两年内动员 60 万一线员工，采集超过 1000 万小时的真实场景视频数据，以构建全球最大的物理世界数据资产库。
综合来看，物理 AI 作为本轮 AI 浪潮应用端的另一条重要技术路线，仍处于产业化的早期阶段。而除了算力、模型外，数据量级和质量也直接决定技术的发展前景。当前高质量、高保真物理交互的真实数据极度缺失，也是当前行业面临的瓶颈这一。
