WAIC一間很“主動”的AI小屋，藏著京東通往整個物理世界的野心

智東西
作者 畢偉豪
編輯｜漠影

智東西7月18日報道，走到WAIC一號館展區(qū)最里面，有一間“房子”圍滿了人。如果不是周圍站著機(jī)器人、擺著芯片、掛著各種AI模型介紹，我差點以為自己穿越到了未來之家。

你回家說一句“我回來啦”，茶吧機(jī)會自動倒上一杯溫水，機(jī)器狗主動跑過來，問你今天過得怎么樣，有沒有什么趣聞分享；躺在床上，智能床墊會詢問需不需要按摩；你說無聊，智能電視就推送熱門電視劇。

整個過程沒有遙控器，沒有App，一切自然發(fā)生。

這并不是提前設(shè)定好的演示，是京東在WAIC現(xiàn)場搭建的，一套基于附身智能JoyInside的“AI Home”實景樣板間。客廳、廚房、書房、臥室一應(yīng)俱全，臺燈、床墊、茶吧機(jī)、毛絨玩具——屋里的每一件設(shè)備，仿佛都長了一個大腦，能夠理解人的意圖，并主動參與到整個家庭活動的協(xié)同之中。

但在WAIC現(xiàn)場，京東想展示的并不只有一間屋子，還有對于AI如何進(jìn)入物理世界的一次完整回答。京東探索研究院相關(guān)負(fù)責(zé)人表示：“整個京東集團(tuán)會用AI去賦能未來發(fā)展，讓京東成為全球最大的物理世界運(yùn)營中心。”

展區(qū)之外，一場分論壇正在同步進(jìn)行。如果說展區(qū)在回答“AI進(jìn)入物理世界長什么樣”，那么論壇就在解釋，這條成為“全球最大物理世界運(yùn)營中心”的路，京東要如何走。

一、AI進(jìn)入物理世界，京東的第一站是家庭

在京東論壇中，京東探索研究院相關(guān)負(fù)責(zé)人認(rèn)為：“人工智能發(fā)展到今天，在數(shù)字AI上的研究已經(jīng)足夠先進(jìn)，但現(xiàn)在的模型還無法駕馭真實的物理世界，京東整體的戰(zhàn)略，就是基于從數(shù)字AI到物理AI的路徑，去進(jìn)行技術(shù)上的開發(fā)與迭代。”

而京東AI走進(jìn)物理世界的第一站，是家庭，也就是附身智能JoyInside。

家庭是JoyInside一個容易落地的入口，但也是通用智能非常難啃的測試場景。容易落地，是因為家電家居品類足夠多、交互足夠高頻。難啃，是因為這里開放程度高，難以標(biāo)準(zhǔn)化，有多人同時說話的客廳、有開著電視的噪音、有老人孩子寵物的隨機(jī)行為、有不同品牌不同協(xié)議的設(shè)備，人多、設(shè)備多、場景多。

如果連家庭這種非結(jié)構(gòu)化環(huán)境都能跑通，物流倉庫、零售門店、工廠產(chǎn)線就有了可復(fù)制的基礎(chǔ)。京東探索研究院相關(guān)負(fù)責(zé)人直言，附身智能所積累的數(shù)據(jù)，對于具身智能來說也有參考價值，兩者之間的數(shù)據(jù)既互補(bǔ)又各具特色。

相比過去依賴指令控制的智能家居，JoyInside更希望讓AI成為家庭中的“新成員”。JoyInside產(chǎn)品負(fù)責(zé)人給出了一個很有意思的定義：他把這種能夠理解人、理解場景、能夠主動協(xié)同工作的家庭AI形態(tài)稱作“AI空間”。

過去一年多，JoyInside的核心變化不是接入了更多品類，是把散落的單品捏合成一件事。JoyInside產(chǎn)品負(fù)責(zé)人在接受采訪時，把這件事概括為“從被動控制到主動滿足”。

他舉了一個業(yè)內(nèi)反復(fù)鉆研的例子：控制烤箱。傳統(tǒng)智能家居的邏輯，是用手機(jī)App控制蒸烤箱的溫度、模式、時長，人把它當(dāng)工具，一步步按原始設(shè)定走。但JoyInside想做的是另一條路：用戶只需要說一句“我想吃烤紅薯，拳頭那么大的”，剩下的由設(shè)備自己搞定。

這種模式真正的困難，其實不在于指令遵循。

“烤紅薯沒烤好，人不會罵蒸烤箱，只會覺得是自己沒操作好。但當(dāng)你讓AI來烤，一旦烤砸了，所有問題都是AI的。”JoyInside產(chǎn)品負(fù)責(zé)人說。

人們可以允許聊天框中AI犯錯，卻不能忍受紅薯被烤糊。

無形之中，當(dāng)AI從數(shù)字世界進(jìn)入物理世界，它的容錯悄然降低。不同產(chǎn)地的紅薯不一樣，不同地方人的口味也不一樣，沒有一個標(biāo)準(zhǔn)模式能覆蓋所有場景，但這絕不是為AI開脫的借口，而是廠商必須要解決的問題。

論壇上，JoyInside產(chǎn)品負(fù)責(zé)人介紹了京東的解法：對品牌方，用類似Vibe Coding的思路——不依賴出廠前寫死的固定程序，讓最懂食材和烤箱特性的人類自己，通過自然語言描述來定義產(chǎn)品的行為。在用戶端，他把這套理念總結(jié)為“Vibe Control”，用戶不需要學(xué)習(xí)如何使用設(shè)備，只要表達(dá)意圖，設(shè)備中的AI就會理解需求并主動協(xié)同服務(wù)。

技術(shù)之外，在WAIC的圓桌論壇上，嘉賓們談?wù)摿岁P(guān)于AI進(jìn)入家庭后的邊界問題，對于如何使用AI去進(jìn)行家庭教育、AI進(jìn)入家庭后的風(fēng)險以及如何避免過度依賴等問題展開了討論。

JoyInside產(chǎn)品負(fù)責(zé)人也在論壇上提出了京東的看法，當(dāng)AI成為陪伴者，它不只是一個硬件功能，而是一個持續(xù)在線、持續(xù)學(xué)習(xí)、持續(xù)交互的互聯(lián)網(wǎng)產(chǎn)品。因此，京東從模型層面對陪伴能力進(jìn)行了管理與約束，希望讓AI在長期交互中保持安全、可靠和穩(wěn)定。

二、臺燈、機(jī)器狗、智能床墊，AI住進(jìn)家庭的每個設(shè)備

WAIC現(xiàn)場，在JoyInside的“AI Home”樣板間里，這套去中心化的邏輯被拆進(jìn)了不同的生活場景。用戶只需表達(dá)簡單的意圖，來自不同廠商的硬件就能同時行動，電視機(jī)推送劇集、茶吧機(jī)倒水、機(jī)器狗跑過來陪聊，不是遙控某臺設(shè)備，而是整個屋子的AI主動協(xié)同。

學(xué)習(xí)場景中，京造AI投影臺燈把作業(yè)批改投在桌面上，輔導(dǎo)孩子日常學(xué)習(xí)。陪伴場景里，佛山照明的AI小夜燈不僅可以智能調(diào)節(jié)亮度與色溫，還能對話、哄睡、提供情緒價值。

展區(qū)里，還有一只非常惹眼的凱米斯AI智能機(jī)器狗，它可以流暢與人進(jìn)行對話，完成各種交互，用戶還能通過編程為其設(shè)定新動作。

健康監(jiān)測方面，智能睡眠床墊24小時追蹤呼吸和體動，用戶一躺下，就會詢問是否開啟按摩、調(diào)節(jié)高度，還能自動生成健康報告。

此外，元蘿卜AI下棋機(jī)器人也非常有趣，支持圍棋、五子棋、象棋等多種棋類游戲玩法，不僅可以當(dāng)陪練，還能和孩子進(jìn)行語音交互，擔(dān)任陪聊。

在這間“AI Home”里，真正發(fā)生變化的，是每個設(shè)備里都住進(jìn)了AI。它們沒有等待一個中央控制器逐一發(fā)號施令，而是各自理解用戶需求，再主動完成協(xié)同。

“AI Home”展示的不僅僅是幾款智能硬件，更是一種AI進(jìn)入物理世界的新交互方式。對于JoyInside來說，家庭既是離用戶最近的場景，也是非常復(fù)雜并具有挑戰(zhàn)性的場景，這里不會是JoyInside的終點，當(dāng)AI能夠在家庭這樣開放、復(fù)雜的環(huán)境中跑通，它也就具備了走向零售、物流、工業(yè)等更廣闊物理世界的能力基礎(chǔ)。

三、200個品牌、千萬臺終端，一句話全屋智能主動協(xié)同

要讓不同廠商、不同算力、不同協(xié)議的硬件協(xié)同工作，比讓單臺設(shè)備變智能難得多，但這也正是京東推動AI走進(jìn)物理世界戰(zhàn)略的關(guān)鍵環(huán)節(jié)。

第一個要解決的是交互問題。家庭里電視在響、老人在嘮、掃地機(jī)器人在跑，用戶隨口說句話，設(shè)備要在這片噪音里同時判斷三件事：誰在說話、是不是在跟自己說、說的是什么。這對于AI的抗干擾拒識能力和智能交互水平提出了很高的要求。

JoyInside沒有采用傳統(tǒng)的聲紋方案，京東的策略是多模態(tài)，AI不僅看語音特征，還看對話內(nèi)容的上下文連續(xù)性，把不屬于當(dāng)前交互的對話自動過濾。在電視噪音場景下，ASR識別率接近90%，疊加大模型理解后，對話有效性進(jìn)一步提升。

論壇現(xiàn)場，JoyInside產(chǎn)品負(fù)責(zé)人還提到了一個重要的技術(shù)：長周期場景任務(wù)處理，比如在一段時間內(nèi)去陪伴老人、照顧孩子，這些任務(wù)不是簡單的幾輪對話交互可以解決的。JoyInside的解法是采用快慢腦架構(gòu)，快腦響應(yīng)與用戶進(jìn)行交互、慢腦規(guī)劃長周期任務(wù)，實現(xiàn)全流程主動服務(wù)。

第二是跨設(shè)備協(xié)同。JoyInside的做法是先幫每個品牌做好單品的能力——讓一盞燈、一個床墊、一個茶吧機(jī)先做好自己場景里的角色，然后通過角色與角色之間的主動協(xié)同來構(gòu)建AI空間。

目前，已有近200家品牌接入JoyInside，覆蓋家電家居、機(jī)器人、AI玩具、醫(yī)療器械等多個品類，對話輪次平均提升超120%，2026年預(yù)計接入超千萬臺終端設(shè)備。

雖然品類眾多，但總體上來說，學(xué)習(xí)教育類和玩具的使用活躍度最高，家電家居類相對較低，智能家電行業(yè)目前提供的AI服務(wù)還沒有得到用戶的廣泛高頻使用。

但JoyInside與傳統(tǒng)智能家居存在本質(zhì)上的不同，傳統(tǒng)智能家居是一個APP控制所有設(shè)備，各種操作都還是需要手動和自行判斷，而JoyInside則是讓每個設(shè)備都有千人千面服務(wù)的AI能力，設(shè)備之間會根據(jù)用戶的意圖進(jìn)行自主協(xié)同。

JoyInside產(chǎn)品負(fù)責(zé)人認(rèn)為，當(dāng)AI驅(qū)動的主動服務(wù)體驗在更多品類上跑通后，家電家居類的使用頻次會超過玩具類。

JoyInside去中心化的策略，正在悄悄為京東AI走進(jìn)物理世界這條路奠基：不去造一個全知全能的大腦，讓每一臺設(shè)備都擁有自己的AI能力。

一個統(tǒng)一大腦面臨的復(fù)雜度是指數(shù)級增長的，每增加一種品牌、一個品類、一個用戶，都要做兼容和適配。但去中心化的邏輯是反過來的：每接入一臺新設(shè)備，不是給系統(tǒng)增加負(fù)擔(dān)，而是增加了一個新的AI入口。設(shè)備越多，場景越豐富，數(shù)據(jù)回流越厚，每個入口的AI能力反而越強(qiáng)。

只有去中心化，才能實現(xiàn)規(guī)模化，實現(xiàn)萬物互聯(lián)，實現(xiàn)京東打造全球最大物理世界運(yùn)營中心的目標(biāo)。

為了加速品類覆蓋，推進(jìn)目標(biāo)的實現(xiàn)，京東對品牌方免費(fèi)開放了從ASR、TTS到大模型的整套能力。

“這個行業(yè)最大的痛點是，品牌要把產(chǎn)品做出來要付很高的開發(fā)費(fèi)，但不確定能不能賣成爆品，試錯成本極高，” JoyInside產(chǎn)品負(fù)責(zé)人接受采訪時坦言，“只有讓品牌在零成本負(fù)擔(dān)的前提下去大膽嘗試，體驗才不會因為控制預(yù)算而打折扣。”

四、AI Home背后，是京東AI的技術(shù)底座

大多數(shù)人走進(jìn)展區(qū)，會先被這間“AI Home”吸引，但在這間屋子背后，支撐每個設(shè)備里的AI能夠理解用戶意圖、彼此協(xié)同的，是京東過去幾年持續(xù)搭建的AI技術(shù)體系。

在論壇上，京東探索研究院相關(guān)負(fù)責(zé)人詳細(xì)拆解了京東的整體技術(shù)路線：他將整個戰(zhàn)略分為三步——數(shù)字智能、附身智能、具身智能。“AI Home”所展現(xiàn)的附身智能，正建立在底層模型不斷完善的基礎(chǔ)之上。
圍繞這條路線，京東JoyAI已經(jīng)陸續(xù)布局圖像理解、多模態(tài)實時交互、世界模型等關(guān)鍵能力。

其中，JoyAI-Image-Edit負(fù)責(zé)圖像空間理解與編輯，JoyAI-VL-Interaction讓模型能夠?qū)崟r感知環(huán)境并與用戶交互，JoyAI-Echo則瞄準(zhǔn)下一代世界模型，為AI理解和模擬真實世界提供支撐。

論壇中，京東探索研究院相關(guān)負(fù)責(zé)人又展示了兩個近期將會發(fā)布的新模型：JoyAI-Talker聚焦實時語音交互，不僅能夠理解用戶說了什么，還能感知情緒、態(tài)度等信息，實現(xiàn)更加自然的語音交互；JoyAI-Video-Edit則面向流式視頻編輯，可實現(xiàn)30fps流媒體視頻實時編輯，同時服務(wù)于視頻生成和具身智能仿真數(shù)據(jù)合成，能夠為物理世界AI訓(xùn)練提供更多高質(zhì)量數(shù)據(jù)。

具身智能方面，京東推出了JoyAI-Sim 仿真架構(gòu)以及JoyAI-RA具身模型，前者為具身數(shù)據(jù)金字塔構(gòu)建及仿真與真實訓(xùn)練協(xié)同提供底層平臺支撐，后者則初步驗證了具身智能領(lǐng)域的Scaling Law，在今年下半年，京東將陸續(xù)發(fā)布系列具身相關(guān)新工作，推動行業(yè)從數(shù)字世界向物理世界的技術(shù)躍遷。

數(shù)據(jù)是這條路線上的另一個關(guān)鍵變量。京東前段時間開源的EgoLive數(shù)據(jù)集，2000小時人類第一視角雙目視頻，已經(jīng)是行業(yè)最大。但京東基礎(chǔ)云業(yè)務(wù)負(fù)責(zé)人透露的計劃更激進(jìn)：未來將依托京東近 1 萬家門店、3600 余個倉儲、20 余萬個藥店等場景啟動數(shù)據(jù)采集，目標(biāo)今年底達(dá)到百萬小時量級，兩年內(nèi)沖擊千萬小時。

京東基礎(chǔ)云業(yè)務(wù)負(fù)責(zé)人直言，截至目前，京東已然構(gòu)建了一整套具身智能數(shù)據(jù)的全景技術(shù)棧，從數(shù)據(jù)的采集，包括多模態(tài)、多維、軌跡以及第一視角的數(shù)據(jù)，到整個數(shù)據(jù)處理管線，整個數(shù)據(jù)的處理成本，下降了8倍以上。

展臺區(qū)域，觀眾可以體驗頭戴JoyEgoCam數(shù)采設(shè)備，第一視角感受機(jī)器人從數(shù)據(jù)采集、學(xué)習(xí)到最終落地作業(yè)的全流程。對于具身智能而言，模型決定能力上限，而真實世界數(shù)據(jù)決定能力能否真正落地。EgoLive持續(xù)擴(kuò)大的規(guī)模，也表明著京東正在為未來的物理AI積累更豐富的訓(xùn)練基礎(chǔ)。

從數(shù)字智能、附身智能到具身智能，這三層能力并不是彼此割裂的，它們共享同一套模型、數(shù)據(jù)和交互能力。“AI Home”只是消費(fèi)者最容易感知的一層，而它背后的技術(shù)體系，最終指向的是AI進(jìn)入更廣闊的物理世界。

結(jié)語：物理世界最大的AI去中心化入口

過去，大模型競爭的是誰更懂?dāng)?shù)字世界；未來，比拼的將是誰更懂真實世界。

“AI Home”雖然只是京東搭建的一間屋子，但也是AI進(jìn)入物理世界的一個縮影。當(dāng)每個設(shè)備都擁有自己的AI能力，并能夠圍繞人的意圖主動理解、主動協(xié)同，AI便不再只是一個聊天助手，開始成為現(xiàn)實世界的一部分。

萬臺設(shè)備，更是AI走向更廣闊物理世界的一條路徑。這既是京東打造AI驅(qū)動的全球最大物理世界運(yùn)營中心的終端基礎(chǔ)，也是物理世界最大的AI去中心化入口的開端——讓AI從理解世界，走向參與世界。