直擊WAIC｜JoyAI新模型釋出、京東“AI Home”首亮相：AI物理世界邊界在哪兒？

“38℃+雷雨”，7月的上海體感酷熱，AI（人工智能）熱潮正穿透物理世界。

2026世界人工智能大會（WAIC）展區內，一個微妙的信號正在出現。去年隨處可見的大模型參數對比和榜單排名，今年幾乎看不到了。取而代之的是機械臂的運轉聲、AI終端的實時交互屏以及一張張標注著“已量產”“已部署”的展牌。

行業風向變了。京東集團副總裁、京東探索研究院副院長段楠近日在接受《每日經濟新聞》記者采訪時一語道破：“大家更關注的是模型能不能干活，如何把基礎模型落地到日常工作流或者生活，這是當下非常重要的評測指標。”

京東在WAIC的展臺恰好是這一轉向的縮影。首次亮相的“AI Home”樣板間里，智能床墊根據身體狀態調整角度，茶吧機聽懂“有點口渴”后主動出水；展區另一側，京東物流與智元聯合推出的人形機器人精靈G2 Max宣布落地真實倉庫，承擔拆碼垛與搬運作業。

兩個場景看似迥異，但共享同一條邏輯：AI如果進不了物理世界、完不成真實任務，參數再大也只是紙上談兵。

京東展臺數百米外，宇樹、智元、星動紀元等具身智能公司的展位同樣被圍得水泄不通；騰訊、阿里等互聯網巨頭則在各自展區亮出了AI終端和行業解決方案。

2026年被業內視為“物理AI元年”。競爭格局已從模型參數的單點突破，演變為數據、算力、硬件、場景的系統級較量。各家各戶的AI“全家桶”都朝向這場較量的風暴中心，試圖回答一個繞不開的問題：AI進入物理世界的邊界到底在哪兒？到達邊界的路又該怎么走？

上新兩大模型 補上“交互”與“生成”兩塊拼圖

京東此次WAIC首秀的重點，是JoyAI-Talker實時語音交互模型和JoyAI-Video-Edit實時視頻編輯模型兩款新品的正式發布。加上此前已亮相的JoyAI-Image-Edit、JoyAI-Echo、JoyAI-VL-Interaction等，京東今年已累計推出7個面向物理世界的基礎模型。

據記者了解，JoyAI-Talker的核心能力是低延遲對話、情緒理解、工具調用和記憶。京東科技AI創新業務附身智能負責人戴文軍告訴記者：“模型不等于體驗。”

如果模型只具備通用對話能力，卻無法在真實場景中判斷“誰在說、是不是在對我說、當下環境是什么”，那對用戶就沒有實際意義。JoyAI-Talker要解決的主要問題，正是AI從“聽到指令”到“理解狀態”之間的落差。

圖片來源：企業供圖

JoyAI-Video-Edit則支持自定義畫面和邊預覽邊修改，讓視頻編輯更加實時靈活。段楠在采訪中提到，視頻生成模型的發展方向不只是內容創作工具，還承擔著“對物理世界的模擬和數據合成”的功能。“因此，我們希望能夠在后續研究中，通過一種機制，將新的學習范式引入到下一代視頻模型當中，能夠讓這個模型更好地習得物理規律。”段楠表示。

但真正將京東與大多數模型公司區分開的，不是模型本身而是評測方式。段楠指出，“很大程度上可以說，我們對模型的評測能力決定了模型能力的邊界”。

AI市場，通用榜單上的“刷分游戲”已經不再新鮮。依托自有場景搭建垂域評測體系，背后是務實的邏輯。AI能不能在真實業務里解決問題，或許才是關鍵。

從“附身”到“具身” 場景倒推模型需求

與其他AI公司從模型出發尋找落地場景的路徑不同，京東走出了場景驅動的逆向技術路線。

段楠將京東的技術路徑劃分為三個階段：數字智能、附身智能、具身智能。數字智能是底座，基于互聯網數據構建語言、多模態與智能體的基礎能力；附身智能將AI能力嵌入家電、可穿戴設備、手機等終端，強調低延遲、高適配的實時人機交互，而這正是JoyInside所處的層級，也是當前落地的核心形態；具身智能則進一步把模型部署到機器人等硬件中，使其在真實環境里完成操作和執行。

這套三級路線的獨特之處在于：它不是從模型出發去找場景，而是從場景出發去倒推需要什么樣的模型。

圖片來源：企業供圖

戴文軍分享了一組來自京東的數據：家庭里使用頻率最高的AI產品是學習教育類，“平均活躍頻次超過100次/周”；而家居家電類SKU（最小存貨單位）占了80%，活躍度卻最低。原因在于用戶對家電的認知還是“工具”，沒被切換成“角色”。

“過去大家沒有這種新體驗，本質上還是整個行業提供的這類體驗沒有得到認可。”戴文軍說。過去智能家居的邏輯是人把設備當工具，一步步按設定操作；而JoyInside要做的，是讓設備從“等指令”變成“理解狀態”，戴文軍將其概括為“被動控制還是主動滿足”。

在具身智能層面，京東同樣選擇了一條與多數機器人公司互補的路線。其深度參與具身智能全產業鏈，同時承擔多重角色：銷售渠道、服務網絡、場景提供方以及數據采集的基礎設施。

此次WAIC期間，京東物流與智元聯合推出的精靈G2 Max人形機器人落地智狼倉，不是展臺上的演示品，而是直接投入真實倉庫流水線。這個選擇的背后就是順應AI進入物理世界的趨勢，比的不是技能有多花哨，而是能否在真實訂單和真實生產節奏下穩定運行。

物理AI的系統之戰：數據、場景、全鏈路閉環缺一不可

這套布局背后的邏輯，其實也是2026年整個AI行業競爭邏輯的縮影。本屆WAIC上，有著非常明顯的信號：全場核心議題高度統一，落地、商業化、規模化。前兩年大模型廠商競相發布參數榜單的“模型軍備賽”似乎已經翻篇，今年大家聚焦的是同一話題——能不能用、能不能量產、能不能賺錢。

不過，進入物理世界之后，AI的競爭規則變了。段楠告訴記者，具身智能的Scaling Law（描述規模與性能的量化關系）比傳統大模型多了一個維度，除了數據、算力、模型，還要加上硬件的規模化。這意味著物理AI的競爭不再是單一能力的比拼，而是一場數據、模型、算力、硬件和場景同時運轉的系統級較量。

記者注意到，此次WAIC期間，京東還對外展示了具身智能數據采集項目，目標是兩年內達到1000萬小時高質量數據。

京東集團副總裁、京東云基礎云業務負責人龔義成在接受記者采訪時指出了一個行業誤區：行業不一定是沒有數據，而是缺乏真正意義上高價值、有用的高質量數據。“如果只做數據，不做模型，不進入最終場景驗證，那么所謂的數據質量是無法保證的，只是你想象中的質量。”龔義成強調，“高質量數據是前提，高性價比是數據走向規模化的基礎。”

當AI走出聊天框、進入物理世界，競爭單位不再是單個模型，而是整套系統能不能持續運轉。單項能力再強，只要感知、判斷和執行之間斷了一環，機器人依然干不了活。但把“系統”這個詞拆解成可執行的工程問題，仍長路漫漫。AI的物理世界之戰，最終比拼的是誰能真正深耕實體場景，在物理世界走得更深更遠。