⚛️量子位•較早收集於 41m
京東推出首個具身數據全鏈路基礎設施
💡京東基礎設施擴展具身AI商業數據—物流機器人開發者必看 (32字元)
⚡ 30-Second TL;DR
有什麼變化
京東發布業界首個具身數據全鏈路基礎設施
為什麼重要
加速具身智能在電商與物流的整合。京東定位為AI供應鏈基礎設施先驅，可能影響競爭對手。
下一步行動
將京東具身數據平台整合進供應鏈機器人訓練管線。
誰應關注：Enterprise & Security Teams
關鍵要點
- •京東發布業界首個具身數據全鏈路基礎設施
- •目標打造「具身智能超級供應鏈」
- •實現從實驗室研發到規模化商業落地的轉變
- •聚焦具身智能供應鏈全球領導地位
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •京東的該基礎設施整合了從數據採集、清洗、標註到模擬訓練的全流程，特別針對物流倉儲場景優化了多模態數據的處理效率。
- •該平台引入了「數據閉環」機制，利用京東龐大的物流機器人集群作為實體數據採集終端，解決了具身智能訓練中數據多樣性不足的痛點。
- •京東與多家機器人硬體廠商達成生態合作，旨在建立統一的具身智能數據標準，以降低不同硬體平台間的遷移成本。
📊 競品分析▸ Show
| 特性 | 京東具身數據基礎設施 | 特斯拉 (Optimus) | 宇樹科技 (Unitree) |
|---|---|---|---|
| 核心優勢 | 物流場景數據閉環 | 自研硬體與端到端模型 | 高性價比硬體與開源生態 |
| 數據來源 | 京東物流倉儲實體數據 | 汽車製造與模擬數據 | 實驗室與公開數據集 |
| 商業模式 | 賦能供應鏈與生態開放 | 自研自用為主 | 硬體銷售與開發者平台 |
🛠️ 技術深入
- •採用了基於大規模多模態模型（LMM）的數據自動標註系統，能自動識別倉儲環境中的物體操作意圖與動作軌跡。
- •構建了高保真物理模擬環境（Digital Twin），支持大規模並行訓練，將實體機器人的訓練數據與模擬數據進行對齊（Sim-to-Real）。
- •基礎設施底層架構基於京東雲的算力集群，支持動態調度，以應對具身智能模型訓練中對GPU資源的高峰需求。
- •引入了具身智能專用的數據格式標準，支持視覺、觸覺、力覺等多模態傳感器數據的同步存儲與回放。
🔮 前景展望AI analysis grounded in cited sources
京東將在2026年底前實現倉儲機器人自主作業率提升30%。
通過全鏈路數據基礎設施的訓練，機器人對複雜物流場景的泛化能力將顯著增強。
京東將成為具身智能領域最大的數據供應商之一。
京東物流場景的獨特性與規模化數據採集能力，使其在具身智能數據市場具備極高的護城河。
⏳ 時間線
2023-07
京東發布言犀大模型，為具身智能奠定認知基礎。
2024-05
京東物流開始大規模部署具備初步感知能力的智能搬運機器人。
2026-04
京東正式發布業界首個具身數據全鏈路基礎設施。
📰
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： 量子位 ↗