在2026世界人工智能大会期间，WAIC京东论坛以“AI进入物理世界：模型、数据、终端与场景”为主题展开深度探讨。与会专家指出，人工智能正从数字世界向物理世界加速渗透，这一转型不仅涉及技术层面的突破，更需重新定义模型发展路径。京东集团副总裁段楠在演讲中强调，传统互联网数据难以支撑AI与物理环境的深度交互，构建能够感知、决策并行动的物理智能系统已成为行业核心命题。
物理AI的发展面临多重挑战。段楠提出，相较于数字AI，物理AI需突破四大关键维度：首先是物理数据的规模化采集，模型需从真实世界中学习三维结构、物理属性等复杂规律；其次是持续学习机制，通过与环境的动态交互实现模型进化；第三是基础模型的突破，要求具备空间建模、硬件操作及跨场景泛化能力；最后是硬件协同规模化，覆盖数据采集、模型训练到终端部署的全链条。他特别指出，Scaling Law在物理世界需扩展为数据、模型、算力与硬件的四维协同框架。
京东探索研究院将技术演进划分为三个阶段：数字智能阶段聚焦语言、代码及多模态模型开发，实现数字内容生成与任务自主完成；附身智能阶段通过可穿戴设备、智能座舱等终端构建人机自然交互系统；物理智能阶段则将模型部署至机器人等硬件，赋予其环境感知与自主行动能力。目前研究院已形成覆盖图像、视频、语音及具身智能的模型矩阵，各模型通过能力互补构建完整技术生态。
在具体技术突破方面，京东今年4月开源的JoyAI-Image-Edit模型通过“生成辅助理解”范式，在图像空间编辑任务中达到行业领先水平。6月推出的JoyAI-Echo长视频生成模型支持分钟级音视频联合生成，其多模态记忆与对话交互能力为视频世界模型奠定基础。同期开源的JoyAI-VL-Interaction实时视频交互模型，可基于环境变化自主决策响应时机，推动多模态模型向持续感知进化。论坛首次披露的JoyAI-Video-Edit实时编辑模型，具备30FPS以上的流式视频处理能力，为具身智能数据合成提供关键技术支撑。
语音交互领域，JoyAI-Talker模型采用原生预训练架构，实现语音理解、推理与生成的低延迟一体化，其情绪、语速等表达特征的精细控制能力，为智能设备赋予更自然的人机交互体验。段楠透露，高共情语音交互将成为研究院重点迭代方向，相关技术将深度融入附身智能与具身智能场景。
数据建设方面，京东4月开源的EgoLive具身数据集覆盖仓储、家庭等300余种操作任务，已收到全球数百家机构的数据申请。基于此推出的JoyAI-RA操作模型，验证了数据规模与模型能力的正相关关系。同步开发的JoyAI-Sim仿真架构，通过人类操作数据与机器人数据的双向转换，有效缓解了真实数据采集难题。研究院正在搭建的产业级评测平台，计划通过零售、物流等真实场景形成“数据-模型-仿真-任务”闭环，预计下半年正式发布。
据透露，京东探索研究院将在下半年持续推进技术落地：数据建设领域将公布阶段性成果，物理基础模型预计9-10月发布新版本，同时加速建设覆盖千行百业的评测体系。这些举措旨在推动开源社区与京东内部业务的技术跃迁，为AI从数字世界向物理世界迁移提供可复制的实践路径。
