京东押注物理 AI，95 后团队如何把算法嵌进仓库和家庭
95 后冲进 AI 最难落地的地方
陈屿有一段时间，每天都在问自己同一个问题：我们是不是做错了？
那是 2025 年底到 2026 年初，整个电商行业都在猛推“智能体电商”——用户说一句话，AI 理解需求、推荐商品、辅助下单。听起来很未来，但陈屿和他的团队在推出独立 App「京东 AI 购」后，很快碰到了现实边界。
对话式购物擅长处理复杂选品，比如“适合小户型的静音空调”，但用户聊完还是会问：“今天有没有优惠？”这类问题，其实在京东原有的首页和促销体系里早就解决了。更麻烦的是耐心问题：打字、等待、调整、再推荐……来回几次，用户就烦了。买个东西不是谈判，没人愿意花十分钟跟 AI 辩论参数。
于是团队面临选择：继续追热点，还是回到用户本身？他们选了后者。不是放弃 AI 助手，而是把 AI “长进”京东已有的购物流程里。搜索加意图增强，推荐融合时间、场景和用户画像，购物车顶部悄悄加一个“场景提示词”入口。买了钢琴，系统轻声提醒：“节拍器要不要一起？”买了投影仪，那些让人头疼的参数（激光、原色、幕布），被转化成可直接点选的选项。
陈屿打了个比方：“就像超市里的导购。你买东西，旁边有人轻声说，这个配件用起来会更好。”这条路比做独立助手难得多——要在一座住满人的大楼里重新装修，不能断水断电，还得让住户觉得越住越舒服。
如果说陈屿的战场在屏幕里，林澈的战场就在真实世界的仓库。他是京东物流仓储具身算法开发负责人。2026 年初，科技圈被各种炫酷机器人 Demo 刷屏：打拳击的人形机器人、能叠衣服的灵巧手……但林澈关心的是另一回事：这些机器人进了真实仓库，面对满地杂物、人员走动，还能用吗？能给用户带来什么实际价值？
他更在意每小时拣多少件、准确率多高、覆盖多少 SKU、能否稳定运行，以及能不能和一线员工安全协同。他的日常不是坐在工位调参，而是跟着机器人在仓库待一整天。
京东仓库有十几万种 SKU。同一个储位，上午和下午的摆放可能完全不同。前一件商品被拣走，后面商品的遮挡关系就变了。机器人停靠位置稍有偏差，看到的画面和操作空间就不一样。“这些东西，你在实验室里是看不出来的。”
所以团队把仓库当实验室，研发人员长期驻扎现场，跟一线工人聊：哪些货最难拿？什么时候最忙？异常怎么处理？再把这些经验一条条喂给模型。
他们自研了一套“世界意图模型”（World Intent Model）。逻辑来自一个朴素观察：人抓杯子前，不需要预测每 0.3 秒的画面，只需要知道“我要抓这个杯子”这个意图。有了意图，动作自然就跟上。
传统世界模型每次推理都要生成未来视频帧，速度慢、不实时。他们的方案是：用大模型生成意图，再交给“动作专家”高频执行。中间加个控制器，一旦出意外（比如杯子没抓到），就重新触发大模型生成新意图。“既能处理长程任务，又能应对实时突发变化。”林澈说。这套架构在“仓狼”机器人上效果显著：抓取准确率 99.9%，商品覆盖率超 85%，每小时拣货 80 件。这些数字意味着它不是 Demo，而是真能进仓库、算得过经济账的产品。
京东真正的底牌，不在模型榜单上
相比陈屿和林澈，许欣的经历体现了另一种京东特色。2019 年她以管培生身份加入，在五六年间从 0 到 1 成长为产品负责人。最初半年轮岗后，她选择了普惠金融方向，因为“能解决真实的社会问题”。从写需求文档的新手，成长为能主导战略级项目的产品经理。
京东有个传统叫“七上八下”：当你能力达到 70%，就把你推去做需要 120% 能力的事。许欣说这是她职业生涯最重要的训练。“你永远不会在完全准备好时被推出去。但正因为如此，你才真的成长了。”
后来她转向 C 端 AI 原生 App，负责用户增长。那是一套目标清晰的线上环境：流量从哪来、如何转化，团队语境高度统一。但接手 JoyInside 后，她踏入了完全不同的复杂场域——不再只是软件逻辑，还要直面硬件工程、供应链、采销、外部品牌方等多方角色。
第一次开硬件供应链会，会议室里坐着硬件工程师、采销、算法团队，大家开口就是 BOM 成本、声学结构、推理延迟。这些她以前从未接触过。但这只是开始。做 JoyInside，你得搞清楚一颗芯片怎么装进玩具狗里，点读笔的声学结构会不会影响 AI 响应体验，品牌商愿不愿意合作，能否在 30 天内把传统硬件改造成 AI 产品……这是完全不同维度的战场。
如今，JoyInside 已跑通样板：小鸡球球 AI 点读笔用户破 10 万，凯米斯 AI 机器狗销量近 10 万台，跑出了智能硬件爆品节奏。JDD 大会上，JoyInside 还搭了个 AI Home 样板间，客厅、卧室、厨房、浴室全品类覆盖，把“AI 进入家庭”从概念变成可参观的真实空间。
但许欣清楚，这只是起点。她要解决的不是一两个爆品，而是从单点到全品类的批量复制能力。
三个人的故事讲完了。但如果只看作三个年轻人的努力，你会错过更重要的事：他们能做成这些，不只是因为聪明或拼命，更关键的是背后站着一个足够真实、足够复杂的物理世界——这是京东用二十多年一点一点搭出来的。
很多公司爱讲“给年轻人机会”，但在物理 AI 这件事上，光有机会远远不够。AI 必须进入仓库、供应链、门店、家庭。你得泡在这些复杂现场，在真实业务压力下把问题跑通，才知道模型到底能解决什么。这种训练，PPT 和实验室都给不了。
陈屿推动京东 App AI 化，是因为背后有厚实的零售数据、商品知识、采销经验和履约能力，能支撑 AI 嵌入购物链路。林澈做仓储机器人，是因为京东物流本身就有复杂、高频、刚性的生产现场，让机器人一边干活一边进化。许欣的 JoyInside，则依托京东的硬件渠道、品牌合作、家庭消费场景和服务供应链，才有机会把 AI 推进真实家庭。
没有这套基础设施，这三个人的故事可能都只是好看的 Demo。
今年 JDD 上，京东把这套东西概括为“超级 AI 供应链”：云提供算力，数据推动 AI 进化，模型提供大脑，终端进入物理世界，场景验证能力，供应链完成规模化。
尤其在机器人产业，京东提出“六个全球第一”：最大的具身智能数据采集中心、最大的机器人产业基地、最大的零部件供应网络、最大维修服务网络、最大规模物流具身机器人应用军团、最大的机器人零售渠道。这些组成“物理 AI 加速计划”，覆盖机器人训练、研发、制造、销售、应用和服务全链路。
换句话说，京东看到的物理 AI 产业化，不是做一个爆款机器人，而是把整条链路串起来。
当 AI 走出屏幕，人不能被留在原地
三位 95 后负责人的故事，只是京东人才版图的一个切面。
京东真正在做的，是针对不同的人，找到他们能发挥最大价值的位置，再送进真实场景里去。这套逻辑，甚至从初中生就开始了。
2026 年 8 月 26 日，京东与人大附中联合启动首届 JDXplorers——未来青少年 AI 探索者计划，面向 12 到 18 岁初高中生征集 AI 创意作品。
计划有两个主题。一个是“AI 原点”，强调观察身边真实世界，用 AI 解决今天的问题：比如让不熟悉手机的老人通过语音或拍照购物；暴雨前提醒家庭准备必需品；更好辅助健康管理。都是小事，但都是真实的事。
另一个是“AI 奇点”，鼓励跳出当下想象未来：机器人进家庭后不只是扫地，还能陪伴老人孩子、协助设计房间；视障人士逛街时，AI 通过语音和触感描绘商品、指引货架；无人车根据用户时间自动规划快递送达。
放在京东整体布局里看，JDXplorers 更像是一个早期入口：让年轻人在进入职场前，就用真实问题校准对 AI 的理解。
再往后，京东有面向校招生的“五年成长计划”，让年轻人到重点业务挑大梁；也有“顶尖青年技术天才计划”，全球招募技术人才，给资源和空间。这是一条从青少年到职场新人再到技术精英的完整路径。
但京东视野里的“人才”，不只是站在技术前沿的年轻人。
刘强东曾公开说过一句话，大意是：将来都是机器人送货了，根本不需要快递员，但他不希望 70 万兄弟没饭吃、没工作。
这句话背后，是京东内部推进的“涅槃计划”：把 70 万快递员等蓝领工人送到学校接受技术培训，为此在全国签了 120 所学校。
逻辑很直接：机器人送货后也可能出故障，故障了还得人去修。与其让这 70 万人被技术淘汰，不如让他们成为历史潮流的一部分。
这是京东要回答的一道真实命题：技术在变，岗位在变，但人不能被落下。
京东想建立的不是一个只服务于精英工程师的人才漏斗，而是一套覆盖不同人、不同起点、不同场景的系统——从还在上初中的青少年，到刚入职的校招生，到已在仓库里跟机器人并肩工作的快递员。
物理 AI 的未来，不仅写在仓库里、货架上、家庭的客厅里，也写在京东 90 万员工里。最终让这一切成立的，从来不只是算法，而是一个个真实的人。