9月9日，2026京东全球科技探索者大会。京东宣布启动“物理AI加速计划”。三个数字构成了这份计划的核心：1000万小时人类真实场景视频数据、80个RoboBase机器人产业基地、300万台机器人加100万台无人车加10万架无人机。

如果只看数字，这是一份规模宏大的采购和投资清单。但如果看数字背后的逻辑，京东正在做的事情，和它在电商时代做的事情本质上是一样的——修基础设施。

只不过上一次修的是物流网络，这一次修的是物理AI的数据底座。

一、为什么是“数据”，而不是“机器人”

2026年，具身智能行业正在经历一次竞争焦点的迁移。

过去两年，行业的主角是机器人本体——谁能做出更灵活的双足、更精密的灵巧手、更便宜的整机。但进入2026年，一个残酷的事实开始浮现：机器人的“身体”已经不是瓶颈，“大脑”才是。

斯坦福HAI发布的《AI Index Report 2026》显示，机器人操控在仿真环境中的成功率高达89.4%，但在真实家庭场景中骤降至12%。在实验室里能翻跟头的机器人，到了真实的仓库、厨房、医院走廊里，几乎什么也做不了。

差距的根源不在硬件，在数据。仿真环境无法复现真实世界的复杂性——光线的变化、物体的不规则形状、人类行为的不可预测性。要让机器人在真实世界里“干活”，就需要海量的真实场景数据来训练它。

而这类数据的稀缺程度，远超大多数人的想象。据中国信通院等机构2026年8月发布的报告，截至2026年6月底，国内已建成启用超过70家具身智能训练场，另有46家在建或规划。但行业被反复引用的一组数据是：当前国内真实物理交互场景的合规数据仅约50万小时，而机器人商业化落地需要数千万小时，缺口超过99%。

在这个缺口面前，谁掌握了数据采集的规模化能力，谁就掌握了物理AI的“燃料”。

京东的选择，是把自己变成一个“数据炼油厂”。

二、1000万小时：一个供应链巨头的独特筹码

京东云计划在两年内采集超1000万小时人类真实场景视频数据。这个数字本身的量级已经足够震撼——它相当于超过1140年的连续视频素材。

但比数字更值得关注的，是京东采集这些数据的方式。

在宿迁，京东已经落地了全国首个具身智能机器人数据采集中心。数据采集员头戴超高清采集终端，在模拟的厨房、卧室、仓库、商店等场景中，一遍遍执行铺床、叠衣、分拣、搬运等日常操作，将这些动作转化为机器人可以学习的“教材”。

京东计划发动超过10万名内部员工和50万名外部各行业人员参与这场“人类历史上规模最大的数据采集行动”。数据采集的覆盖范围从零售、物流延伸到健康、工业、外卖、家政等场景。

这套打法的核心优势，不在于京东有多少数据采集员，而在于它拥有别人没有的场景。

京东每年处理数十亿件包裹，运营着上千个仓库和配送站。这些仓库里的每一个分拣动作、每一次货架补货、每一条配送路线，都是物理AI最需要的真实训练素材。其他公司可能需要专门搭建模拟场景来采集数据，而京东的“模拟场景”就是它每天真实运转的供应链。

目前，京东已经开源了行业最大的人类视角数据集EgoLive，超过8个国家的百所高校和科研机构申请使用。第一批数据已经对外开放，第二批1000万小时的数据正在采集推进中。

这不仅仅是采集数据，这是在为整个物理AI行业修建一条数据高速公路。

三、300万台机器人：从“数据”到“应用”的闭环

如果说数据采集是京东为物理AI行业提供的“燃料”，那么300万台机器人、100万台无人车和10万架无人机的采购计划，则是京东为自己建造的“发动机”。

京东物流的目标是打造全球最大规模的具身机器人应用军团。这些机器人不会只待在实验室里做测试，它们会进入真实的仓库、分拣中心和配送站点，在真实的业务压力下完成真实的任务。

在2026全球科技探索者大会上，京东物流首次公开了“狼族”机器人军团的完整阵容：智狼负责箱式货到人系统，异狼是具身灵巧臂，独狼是智能配送车和无人轻卡，飞狼是无人机，天狼是托盘密集存储系统，地狼是搬运机器人，仓狼是具身拣选机器人，母狼是无人药房，保姆狼是自动分播墙。

这些机器人在“超脑”大模型3.0的统一指挥下协同工作，从“各干各的”变成“统一行动”。仓储、分拣、运输、配送——物流全链条的每一个环节都在被重新定义。

这套闭环的逻辑非常清晰：采集真实场景数据→训练机器人模型→部署机器人到真实场景→在真实场景中产生更多数据→迭代更好的模型。

京东不是在做一款机器人产品，它在做一个物理AI的“训练场”和“应用场”的合体。数据采集和机器人部署发生在同一个物理空间里——京东自己的供应链网络。这意味它可以在最短的反馈周期内完成“采集-训练-部署-迭代”的全循环。

四、80个RoboBase：一个“物理AI操作系统”的雏形

未来五年，京东将在全国布局80个RoboBase机器人产业基地。根据京东的规划，这些基地将提供机器人展示交付、维修保养、研发设计、中试组装、数据采集、生产制造、迭代升级的一体化服务。

如果把80个RoboBase和1000万小时数据采集、300万台机器人采购放在一起看，京东正在搭建的是一个完整的物理AI产业操作系统。

上游是数据——1000万小时真实场景视频，为模型训练提供燃料。中游是基地——80个RoboBase，为机器人企业提供从研发到量产的全链条服务。下游是场景——京东物流的采购订单和供应链网络，为机器人提供真实的落地场景。

这个结构的意义在于，它不是京东一家公司的闭环，而是一个面向整个行业的开放平台。机器人企业可以在RoboBase里完成中试和量产，可以申请使用EgoLive数据集来训练模型，最终的机器人产品可以在京东的物流网络中验证和迭代。

京东正在从一个“物流公司”变成一个“物理AI的基础设施提供商”。

五、竞争格局：物理AI时代的“三条路线”

在物理AI的赛道上，不同的玩家选择了不同的切入方式。

京东选择了“场景+数据”路线。 它不造机器人本体，而是用供应链场景采集数据，用采购订单吸引机器人企业，用产业基地提供落地服务。它的护城河是供应链场景的不可复制性——没有人能复制京东二十年积累的仓库、配送站和真实操作数据。

阿里选择了“地图+空间数据”路线。 高德发布的Phys AI Data系统，依托其在室内外一体化场景中的真机采集优势，构建面向物理AI训练与应用的空间数据基座。它的优势在于高德地图多年积累的空间数据和室内外导航能力，可以为机器人提供“从哪里来、到哪里去”的空间认知。

美团选择了“投资+场景”路线。 美团在具身智能领域布局了超过50家硬科技企业，参与了宇树科技多轮融资。它的逻辑是用投资触达机器人技术，再用外卖和配送场景验证落地。它的优势在于本地生活场景的高频和多样性。

三条路线没有绝对的对错，但它们的共同点是：没有人试图单打独斗。 京东开放数据给高校和机器人企业，阿里与群核科技合作共建数据方案，美团用投资连接技术和场景。物理AI的竞争，已经从“谁做最好的机器人”变成了“谁能构建最完整的生态”。

京东“物理AI加速计划”的核心，不是300万台机器人，不是80个基地，甚至不是1000万小时数据。它真正的核心是一个判断：物理AI的下一阶段，竞争的关键不在硬件，在数据和场景。

这个判断正在被行业验证。2026年，竞争的重心从硬件和大脑转向数据。行业逐渐意识到一个残酷的事实：谁拥有真实场景的数据，谁就拥有训练机器人“大脑”的钥匙。

京东的独特之处在于，它不只是一个数据提供者，它同时是数据的使用者、机器人的采购者和场景的所有者。这种四位一体的结构，让它在物理AI的产业链中占据了一个很难被替代的位置。

从电商到物流，从物流到物理AI，京东的每一次战略跃迁都遵循同一个逻辑：找到行业最稀缺的资源，然后用基础设施的方式去解决它。电商时代，稀缺的是信任和效率，京东修了物流网络。物理AI时代，稀缺的是真实场景数据，京东正在修一条数据的高速公路。

这条路能不能走通，取决于一件事：当1000万小时的数据被采集完成、当300万台机器人进入京东的仓库、当80个RoboBase在全国落地时，物理AI的“ChatGPT时刻”会不会因此而加速到来？