京东曹鹏：以超级供应链为基，打造千万小时级具身智能数据基础设施
SmartHey8月20日消息，2026世界机器人大会论坛于8月19日-22日在北京举办，京东集团技术委员会主席、京东云总裁曹鹏发表主题演讲，提出以数据为基石，构建支撑具身智能规模化发展的‘超级供应链数据底座’。
曹鹏演讲全文如下：
各位亲爱的嘉宾，各位朋友，大家好！
非常荣幸在WRC现场与各位共同探讨具身智能产业的演进路径与关键突破点。
过去数年人工智能在数字世界取得显著进展，正加速向物理世界延伸——从感知环境、理解物体，到执行复杂操作。而制约其下一阶段跃升的核心生产要素，我们认为是高质量、真实场景、规模化数据。谁能率先构建起覆盖广、精度高、泛化强的数据体系，谁就将在具身智能竞争中建立长期优势。
2025年已被业界视为AI规模化落地的元年：人形机器人正从实验室原型迈向量产交付；工业、物流、服务等多领域已启动机器人任务承接实践。但当前尚未迎来爆发式增长，我们正处于‘爆发前夜’——瓶颈在于具身模型对任务的理解力与泛化能力仍显不足。
在京东物流实际场景中，特定标准化任务（如分拣、搬运）的机器人效率与成本已接近人工水平。然而，受限于模型泛化性，难以快速复制至更复杂、更多样的现实场景。根本原因在于训练数据严重短缺：行业公认，要训练出具备强泛化能力的‘机器人大脑’，需千万小时级真实数据；而当前实际可用数据仅约十万小时，存在两个数量级的缺口。更严峻的是，本体专属采集数据跨平台适配性弱，进一步加剧了数据壁垒。
因此，决定机器人‘大脑’是否足够聪明的关键，并非算法本身，而是我们能否持续供给高质量‘数据燃料’。
具身数据具有多层次结构：高层数据精度高、适配性强但采集成本高、泛化受限；底层数据规模大、成本低但需深度加工。京东正围绕全链条布局采集、处理与应用体系。
京东的独特优势在于‘超级供应链’生态——涵盖零售、健康、物流、家政、工业等多元真实业务场景。这些并非模拟环境或实验室数据，而是长期运行于商业化系统中的、持续演化的物理世界操作数据，天然具备任务链路真实性、人机交互复杂性与时空多样性。
例如，京东MALL、七鲜超市、京东养车全国数千家门店，叠加4000+仓储网络及医药、家政等服务节点，构成天然的数据采集矩阵：第一，可实现大规模、可持续的真实场景数据生产；第二，数据天然覆盖地域差异、用户群体、物体形态与交互方式，显著提升泛化能力；第三，支持视频、音频、操作轨迹、人体姿态、动作序列等多模态同步采集。
为此，京东正式启动‘具身智能数据基建计划’：目标两年内采集超1000万小时人类真实操作数据、超100万小时机器人本体运行数据。该计划将联动京东内部员工、生态合作伙伴及城市市民，动员超10万人参与，构建全球最大规模的具身智能数据源。
所有采集严格遵循合法合规原则，依托端到端加密、脱敏与权限管控机制，确保数据安全可靠，致力于为全行业提供可持续、可信赖的数据基础设施。
接下来请观看一段视频，直观了解我们在宿迁开展的真实场景数据采集实践。
视频呈现的不仅是采集现场，更是持续迭代的硬件体系：除第一视角头戴设备外，已部署压力传感手套、智能手环等装备。下一步将迈向‘全身全模态’采集——融合视觉、手部姿态、力触觉、身体关键点等多维信息，完整还原人类在物理世界中的操作逻辑。
采集只是起点，真正的挑战在于将原始数据转化为模型可用的高质量资产。京东已建成覆盖‘采集—存储—标注—训练—评测—仿真’全生命周期的数据引擎。该体系能将原始视频流，经任务解析、手物识别、动作建模、三维重建等工序，转化为可直接用于模型训练的结构化数据资产。
这段演示视频展示了数据资产化全过程：一段普通视频，通过任务描述注入、手部动作解构、物理交互建模等环节，最终输出为具备语义标签、动作时序、力反馈参数的标准化训练样本，高效赋能具身模型研发。
数据价值还需仿真技术放大：一方面扩展数据规模，另一方面提升评测效率与准确性。京东自研仿真评测系统，在真实环境一致性上达90%以上，评测效率较真机测试提升3—4倍，大幅降低模型部署与训练成本。
单点突破远不足以驱动产业进步。为此，京东将开放建设行业级具身智能数据交易平台，集成超十万项细粒度子任务数据集，支持跨行业、跨企业数据交易与模型协同训练，打通数据流通堵点。
为加速数据价值转化，京东推出JoyBuilder数据工厂平台，面向数据加工、智能标注、质量校验等环节提供一体化服务：支持数十万条数据批量导入，自动标注准确率达95%，整体处理成本降低60%。客户无需自建团队，即可一站式获取高质量数据服务。实测表明，接入该体系后，具身公司研发周期不变前提下，任务成功率显著提升，模型训练成本大幅下降。
数据有效性终需结果验证。京东自研的JoyAI-RA具身模型实测显示：第一人称视觉数据对模型能力提升效果突出——训练数据从1000小时增至5000小时、再至10000小时，其在未知任务场景下的泛化性能呈阶梯式跃升，已全面超越开源标杆模型π0.5。数据质量与模型效能的强关联性由此得到充分验证，后续将持续投入更大规模数据训练。
但仅有数据与模型仍不足够——如何让模型精准适配不同本体？京东自研‘人机对齐算法’贯穿预训练、后训练与微调全流程，可将人类手部动作数据，无缝映射至各类灵巧手、夹爪及机器人本体，真正实现‘人类技能→机器执行’的跨本体迁移。
未来操作维度将从手部延展至全身。京东正加速构建全身动作轨迹、力反馈、关节运动等全维度采集能力，推动人类动作特征向多样化具身本体进行高保真迁移，持续拓展具身智能的操作边界。
总体而言，京东面向行业提供‘数据—采集—标注—训练—模型—算力’全栈式服务，助力合作伙伴快速提升模型能力，共同加速具身智能产业化进程。
最后，请允许我用一句话收束今天的分享：我们坚信，具身智能必将重构物理世界；而京东的超级供应链，既是这场重构的‘第一站’——承载最丰富的场景与数据；也将是‘最后一站’——交付最可靠的终端与服务。当AI真正读懂、进入并持续进化于物理世界，一个全新的智能时代已然启幕。谢谢大家！