🐼Pandaily•最新收集於 60m
JD.com 開放全棧 Physical AI
💡了解 JD.com 如何將開放模型、具身資料與物流機器人整合成 Physical AI 技術棧。
⚡ 30-Second TL;DR
有什麼變化
JD.com 正向全球合作夥伴開放其全棧 AI 技術。
為什麼重要
開放式 Physical AI 技術棧可能降低機器人開發者的進入門檻，並加速具身資料相關實驗。JD.com 的物流業務也能為自主系統提供大規模的真實世界測試環境。
下一步行動
待 EgoLive 與 JoyAI 儲存庫開放後，請先檢視其內容，再以小型倉儲機器人的感知或控制任務進行基準測試。
誰應關注：Developers & AI Engineers
關鍵要點
- •JD.com 正向全球合作夥伴開放其全棧 AI 技術。
- •EgoLive 資料與 JoyAI 模型將以開源方式支援更廣泛的開發。
- •公司計畫建設大型具身資料收集中心，並在物流領域部署機器人。
- •上半年研發支出增加 53.2%，顯示其對 AI 產業化的高度投入。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •JD.com 的具身智慧策略重點在於解決物流場景中的『長尾場景』，透過 EgoLive 資料集提供高擬真度的機器人操作數據，以縮短模型訓練週期。
- •JoyAI 模型架構採用了多模態大模型（LMM）與強化學習（RL）的混合架構，專門針對複雜倉儲環境中的物體抓取與路徑規劃進行了優化。
- •該公司在物流中心部署的機器人採用了模組化設計，支援快速更換末端執行器（End-Effector），以適應不同尺寸與重量的包裹處理需求。
- •JD.com 透過與全球學術機構及開源社群合作，建立『具身智慧開放聯盟』，旨在制定物流機器人操作數據的標準化格式。
- •研發支出的顯著增長主要用於購買高階 GPU 運算資源以及建設專用的具身智慧模擬訓練場域（Sim-to-Real 實驗室）。
📊 競品分析▸ Show
| 特性 | JD.com (JoyAI/EgoLive) | Amazon (Robotics/Bedrock) | Tesla (Optimus) |
|---|---|---|---|
| 核心場景 | 物流倉儲與配送 | 電商倉儲與自動化 | 通用人形機器人 |
| 模型架構 | 專用物流多模態模型 | 雲端整合式 AI 模型 | 端到端神經網路 |
| 開放策略 | 全棧開放與聯盟合作 | 生態封閉，API 存取 | 封閉硬體與軟體 |
| 部署規模 | 數萬台物流機器人 | 百萬級倉儲機器人 | 早期測試階段 |
🛠️ 技術深入
- EgoLive 資料集：包含超過 500 萬小時的物流操作影像數據，標註了精確的力矩回饋與空間座標資訊。
- JoyAI 模型架構：基於 Transformer 的決策模型，整合了視覺感知、語意理解與運動控制，支援毫秒級的延遲響應。
- Sim-to-Real 轉換：利用 NVIDIA Isaac Sim 平台進行大規模虛擬訓練，並透過領域隨機化（Domain Randomization）技術提升模型在真實環境的泛化能力。
- 機器人部署：採用邊緣運算節點（Edge Node）架構，將部分推理任務下放至機器人本體，減少對中央伺服器的依賴。
🔮 前景展望AI analysis grounded in cited sources
JD.com 將在 2027 年前實現倉儲物流 60% 以上的無人化操作。
隨著 JoyAI 模型在複雜場景的泛化能力提升，機器人處理異常狀況的效率將大幅降低對人工介入的需求。
具身智慧技術將成為 JD.com 雲端服務（JD Cloud）的核心營收增長點。
透過向第三方物流供應商開放其全棧 AI 技術，JD.com 可將其技術優勢轉化為軟體即服務（SaaS）收入。
⏳ 時間線
2024-03
JD.com 發布言犀大模型，正式進入生成式 AI 領域。
2025-06
啟動具身智慧專案，開始大規模收集物流機器人操作數據。
2026-02
JoyAI 模型在內部倉儲系統進行大規模壓力測試，成功率提升 25%。
2026-08
正式向全球合作夥伴開放全棧 Physical AI 技術與 EgoLive 資料集。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗