曹鹏表示，物理 AI 的竞争不只是模型和机器人本体的单点竞争，更是体系能力的竞争。京东将坚持「自研底座 + 开放生态」，把经过真实业务验证的能力向产业开放，让 AI 转化为提升产业效率、改善生活体验的生产力。

目前，京东 AI 已应用于零售、物流、健康、工业等超过 3000 个场景。依托 3800 多个仓库、超过 20 万家合作线下零售药房，以及超过 1 万家京东 MALL、七鲜、养车等门店，京东为机器人学习商品操作、仓储作业与家庭服务等任务提供了真实环境与持续反馈。

围绕数据利用，京东云自研 JoyEgoCam 等采集终端，并构建覆盖「采、存、标、训、评、仿、测」的具身数据服务体系；JoyAI-Sim 物理仿真引擎连接人类操作数据、仿真环境与机器人评测，在已完成测试中，仿真评测与真实评测结果的一致性约为 90%，评测效率达到真机评测的 3.2 倍。

核心数据一览

在算力方面，京东云 JoyScale AI 算力平台通过算力池化、异构调度与软硬协同优化，实现多元算力统一管理，已联合国内合作伙伴打造纯国产万卡集群，并规划建设十万卡集群。训练侧，JoyBuilder 模型开发平台为具身模型训练提供端到端服务，打通训练、评测与仿真闭环。

面向落地，京东物流计划在未来五年采购 300 万台机器人、100 万台无人车与 10 万架无人机，并推动 AI 与机器人融入供应链全流程。

常见问题

什么是具身智能数据采集？

指通过摄像头、传感器与采集终端，记录人类在真实场景中的操作与机器人本体运行数据，用于训练具身智能模型。

京东为什么要做这件事？

京东拥有海量真实业务场景与供应链资源，能持续提供高质量一手数据，弥补行业普遍的数据瓶颈。

仿真数据和真实数据是什么关系？

仿真可扩增数据、验证策略，效率达真机评测 3.2 倍，但无法完全替代真实作业沉淀的一手数据。

京东的具身智能已落地在哪？

已服务零售、物流、健康、工业等超 3000 个场景，并与优必选等具身智能企业开展合作。

信息来源

本文综合 IT之家 2026年11月4日报道，以及 2026 年世界互联网大会乌镇峰会机器人与具身智能论坛、京东集团技术委员会主席曹鹏演讲内容整理。

关键数据

合作不只是”签个字”

双方约定开展系统级联合工程开发，涵盖系统架构定义、性能调优、软件适配、功能安全、工具链与网络安全验证，并共建产业生态。方案将同时面向中国与全球市场定制，应用场景除出行外，还拓展至 AI 终端等物理 AI 跨行业领域。

亿咖通方面表示，Arm 将作为核心合作伙伴，支持其打造高度优化的计算方案，承载出行及多元跨行业场景下的高复杂度物理 AI 算力负载。

芯擎的芯片底座已经就位

合作建立在双方通过芯擎科技的既有成果之上。芯擎科技 7nm 车规级智能座舱芯片「龍鹰一号」已实现量产，累计出货量超百万级；下一代 5nm 车规级 AI 舱驾融合芯片「龍鹰二号」正在开发中。

亿咖通创始人、首席执行官沈子瑜称，依托芯擎的落地成果，双方已构建稳固合作体系；在”AI 定义汽车”趋势下，此次合作将加快打造适配全球市场的高性能物理 AI 计算平台。

为什么是 Arm

Arm 物理 AI 执行副总裁 Drew Henry 表示，物理 AI 要求计算、软件与安全从设计之初就紧密协同。结合 Arm 计算平台与亿咖通成熟的汽车工程经验，双方有望探索新路径，助力 AI 定义汽车及自主系统实现高性能、高能效计算。

对行业意味着什么

对行业而言，亿咖通借 Arm 架构加速”AI 定义汽车”的高性能、可量产计算方案，并向机器人等物理 AI 跨行业外溢。对车企而言，可量产高性能方案的选择进一步增多。

值得注意的是，中国智能汽车算力底座正进一步向先进制程与全球生态靠拢，国产车规芯片的自主可控路径也因此多了一种架构选择。

常见问题

这次合作是确定量产项目吗？

不是。双方签署的是非约束性备忘录，约定联合工程开发框架，具体量产产品尚未公布。

龍鹰一号和龍鹰二号是什么关系？

龍鹰一号是已量产的 7nm 智能座舱芯片，累计出货超百万颗；龍鹰二号是下一代 5nm 舱驾融合芯片，仍在开发。

合作只服务汽车吗？

不只。备忘录明确拓展至 AI 终端等物理 AI 跨行业场景，超出出行范畴。

信息来源

信息来源：IT之家 2026 年 11 月 2 日报道，以及亿咖通科技（ECARX）向美国 SEC 提交的 6-K 文件与官方公告。

R7 Ultra 与基础版 R7 的关键指标

R7 Ultra 凭什么敢说“推演万物”

R7 Ultra 延续初代 R7 的三层技术架构：世界模型预训练、物理仿真推演、强化学习迭代。它的核心变化是更大基座模型，对物理规则与物体交互因果的理解能力更强。

运行逻辑上，R7 Ultra 在模型内部虚拟复刻真实路况，自主生成海量长尾极端场景做仿真试错，不必完全依赖真实路测采集。依托 Momenta 上亿公里量产回流数据与 CLA 闭环自动化工具链，系统自动筛选高价值样本持续迭代。

700 TOPS 的 X7 Ultra 芯片解决了什么

配套发布的 XHEART X7 Ultra 是遵循“大模型定义芯片”思路打造的车规级 SoC，专用于运行 R7 Ultra。它采用超大核 NPU 架构，针对 Transformer 大模型算子做硬件原生加速，算力达 700 TOPS。

同场披露的量产实测显示，X7 Ultra 的 NPU 利用率达 98.7%，相比同类旗舰内存带宽消耗下降 80%，能效提升一倍，可部署模型参数量相比上代提升 10 倍。它搭载国内首款量产上车车规 Armv9 内核，并集成 ASIL-D 等级安全 MCU。

哪些场景能直观感受到差异

R7 Ultra 强调在端侧理解物体的物理属性，预判行人、非机动车与社会车辆之间的复杂博弈。官方称在多把掉头、会车博弈、倒车让行、极限泊车等场景中，表现可比肩甚至超越人类老司机。

现场演示重点展示了全场景倒车避障：面对四周密集障碍物时，系统规划进退空间的思路更贴近老司机。机非混行窄巷、占道施工等中国高频复杂路况是其优势区。

值得注意的是，R7 Ultra 的优势来自仿真推演而非单纯堆算力，这意味着它更依赖 Momenta 已有的量产数据闭环，短期内难以被缺乏数据的对手快速复制。

常见问题

R7 Ultra 何时能买到？

R7 Ultra 在 2026 年 10 月 29 日发布会预告，属于即将发布的增强版世界模型，官方未公布具体量产装车时间，需等待后续车型搭载公告。

700 TOPS 在智驾芯片里什么水平？

700 TOPS 属当前车规智驾芯片第一梯队。X7 Ultra 更关键的是 NPU 利用率 98.7% 与带宽消耗下降 80%，实际效率比纸面算力更能决定端侧大模型体验。

R7 Ultra 和华为、小鹏的智驾比如何？

三家的技术路线不同：R7 Ultra 主打世界模型仿真推演，强调长尾场景泛化。最终体验取决于装车车型与量产数据规模，目前尚无公开横向测试可直接对比。

信息来源：IT之家于 2026 年 10 月 29 日发布的现场消息，并由腾讯新闻、第一电动网同日内容交叉核对。

机器人训练中心在佐治亚启用

波士顿动力上周宣布，在现代汽车集团位于美国佐治亚州萨凡纳附近的 Metaplant America 园区内，启用机器人 Metaplant 应用中心（RMAC）。这里既是 Atlas 的测试与训练中心，也标志着人形机器人正式接入汽车制造业务。

目前，训练员通过遥操作方式控制 Atlas 完成零部件排序等任务。波士顿动力首席产品与技术官扎克·杰克逊斯基（Zack Jackowski）表示：”我们正与现代汽车集团一道，在企业规模上开创物理 AI，让机器人通过使工作更安全、更高效来放大人类潜能。”

2.5 万台部署计划与年产 3 万的工厂

现代汽车集团计划在未来几年，将 2.5 万台 Atlas 部署到旗下现代与起亚遍布全球的工厂，同时在美国建设一座年产能 3 万台的机器人生产设施。

按照路线图，Atlas 将于 2028 年率先在佐治亚 Metaplant 投产，初期用于零部件排序；到 2030 年目标扩展至零部件装配。波士顿动力在 CES 2026 上发布的量产版 Atlas，拥有 56 个自由度、关节可全向旋转，臂展最高 2.3 米，最大可举起 50 公斤重物，持续负载 30 公斤，单次电池续航约 4 小时，电量不足时可自行前往充电站更换电池，工作温度范围为零下 20℃ 至 40℃。

从汽车制造走向更多行业

RMAC 将在 2027 年迁入同一园区内面积约为当前 10 倍的新建筑。波士顿动力也正与 Spot、Stretch 机器人的现有客户洽谈，把 Atlas 的训练拓展到航空航天、半导体、物流、食品饮料与生命科学等领域。

不过，大规模自动化也引发用工讨论。据 Interesting Engineering 报道，起亚工会已要求设立专门机构，在 AI 时代维护劳工权益。现代汽车副会长张在勋回应称，机器人集群的运营、训练与维护仍需要人类员工，用工需求将持续存在。

据日经亚洲 9 月 26 日报道，索尼集团将从下个月起，要求其芯片业务子公司的员工全面恢复到岗办公，成为最新一家缩减远程办公政策的日本大型企业。

覆盖约 8000 名员工

此次调整原则上强制覆盖索尼半导体解决方案公司（Sony Semiconductor Solutions）约 8000 名员工。索尼半导体解决方案公司是索尼集团全资子公司，核心业务涵盖图像传感器等半导体产品的研发、设计与制造，总部位于日本神奈川。

核心目标是加速物理 AI

索尼方面表示，收紧远程办公机制是组织架构改革的一环，核心目标是加速「物理 AI」领域的研发进程。通过恢复线下办公，公司希望提升芯片、算法与设备团队之间的跨部门联合研发协作效率与决策执行力，进而推动新业务的孵化与开拓。

在索尼看来，硬件项目往往需要反复联调，线下协作在沟通和决策上更高效。与此同时，公司正着手打造更多有助于日常交流的休闲互动空间，以及专供深度专注工作的独立工作间。

特殊情况仍可远程

针对育儿、照料家庭等特殊情况，公司仍保留远程办公机制，并非「一刀切」全面取消弹性安排。

物理 AI 为何重要

物理 AI 指向能够理解并与物理世界交互的人工智能，常被归入具身智能范畴，涵盖机器人等对视觉感知与实时决策要求较高的方向。作为全球图像传感器的主要供应商，索尼的半导体业务处于这类应用的感知层上游。加强相关研发协作，被视为索尼在人工智能从软件走向软硬件结合趋势下的重要布局。

何小鹏认为：“基本上我们机器人的硬件、软件、设计及供应链都是我们自己的。过去我一直不愿意把机器人拿出来，主要是因为不能量产，市面上很多机器人能力演示都是通过剪辑之后放出来的。”

他还表示，小鹏机器人从研发到量产走得非常痛苦，但也快乐。他们已经逐步开始量产，等到（今年）四季度、明年的一季度和二季度，他们机器人的能力可能会有跳跃。

IT之家注意到，小鹏 G9L 汽车今天正式上市，该车定位“黄金大五座科技旗舰”，拥有超级增程、纯电两种动力选择，限时优惠价 23.18 万元起。该车拥有华为联合研发百万像素 AI 数字投影大灯，首发智能四电机行政中岛，首发搭载第二代 VLA 全新版本，号称跻身国内 L2 级智驾第一梯队。

算力底座：国产 10 万卡集群落地

京东云已与摩尔线程等合作伙伴建成国产万卡智算集群，并规划进一步建设国产 10 万卡集群，目标是为大模型训练、机器人仿真推演、产业 AI 规模化运行提供稳定算力支撑。算力集群实现多类国产算力的异构统一调度，通过软硬件协同提升算力利用效率，对内承接京东自身的大模型训练与机器人仿真，对外向机器人企业、制造厂商和科研机构开放算力服务。京东 2026 上半年体系研发投入同比增长 53.2%，已连续三个季度加速投入。

数据底座：1000 万小时具身视频

物理 AI 需要的不是互联网文本，而是人类在真实场景中”如何干活”的视频。京东规划两年内累计采集超过 1000 万小时真实操作视频，发动最多 60 万人参与。配套建设了覆盖”采、存、标、训、评、仿、测”全流程的具身数据基础设施；首批开源数据集 EgoLive 已对外开放，包含约 2000 小时第一视角数据、65866 个任务片段，覆盖 346 项真实世界任务，已获得超过 8 个国家、百所高校和科研机构申请使用。

模型底座：JoyAI 矩阵首度亮相

京东已形成覆盖多模态模型、世界模型和具身模型的 JoyAI 基础模型矩阵。本届大会发布了两款新模型：JoyAI-Video 定位统一音视频基础模型，从视听生成迈向物理模拟；JoyAI-Echo WM 作为实时可交互的世界模型，在公开测评基准 WBench Navigation 中以 81.6 分位列第一。配套更新的还有京东物流”超脑”3.0（亿级包裹路径规划从分钟级压缩到秒级、具身模型多任务执行成功率 96.7%）、京东工业 JoyIndustrial 2.0、京东健康京医千询 3.0 等垂直模型。

五年规划：百万台机器人

围绕机器人产业规模化落地，京东公布了”六项全球领先”目标：两年内建成全球最大具身数据采集中心、五年内布局 80 余个机器人产业基地（RoboBase）、联合发起机器人零部件产业发展联盟、京东零售 2028 年前投入百亿资源支持 100 个品牌独立销售额突破 10 亿元。物流侧规划五年内采购 300 万台机器人、100 万台无人车及 10 万架无人机，目前京东物流已部署”九狼”系列机器人及升级版具身灵巧臂，”狼族”机器人家族覆盖物流存储、搬运、分拣、配送全链路，集群已在国内 20 多个省份、海外 10 多个国家规模化部署。

曹鹏在会上表示，物理 AI 正迈向规模化落地，竞争焦点已转向算力、数据和场景，正从模型和本体的单点竞争走向体系化竞争。对于京东如何做 AI，他的回答是：京东的 AI 不是在论文里，而是在生产线上、在仓库里、在配送站，在整条供应链的全流程中一单一单磨出来的。

六个方向，六项”全球第一”

按照公布的内容，”物理 AI 加速计划”聚焦具身机器人的六大方向——数据、机器、制造、销售、物流、服务，目标是建立全球领先的规模化能力，在具身智能领域拿下六项”全球第一”。

数据方面，京东目标打造”全球最大的具身数据训练中心”，计划两年内累计采集超过千万小时的人类真实场景数据，并融合海量网络数据、仿真数据与真实机器人数据，构建”理解—生成—行动”一体化的具身智能技术模型。

基地建设方面，京东目标打造”全球最大的机器人产业基地”，未来五年在全国布局 80 个基地，构建覆盖展示、交付、维修、保养、研发、设计、组装、数据采集、生产制造及迭代升级的机器人全生命周期服务平台。

从零部件到售后，全链条量化目标

制造层面，京东目标成为”全球最大的机器人核心零部件供应商”。未来三年通过标准化与规模化应用实现聚品聚类和成本优化，投资核心部件、自建工厂，并助力 100 家整机厂商实现全品类降本，推动 100 家零部件供应商业绩倍增。

销售方面，依托渠道优势，京东目标打造”全球最大的机器人零售渠道”。到 2028 年将投入超过 100 亿元资源，助力 100 个品牌实现独立销售额突破 10 亿元，推动机器人走进百万个终端场景。

物流领域，京东目标打造”全球最大规模的具身机器人应用集群”。目前其已在供应链领域落地应用场景最广、规模最大、品类最全的联合开发集群，覆盖仓储、分拣、运输、配送全链条；未来五年计划采购超过 300 万台机器人、100 万台无人车和 10 万架无人机，推动物流全流程自动化升级。

服务方面，京东目标打造”全球最大的具身机器人服务平台”。未来五年将建立覆盖 100 多个国家的售后与服务网络，创造超过 10 万个机器人售后服务工程师岗位。

算力与模型同步推进

支撑这套计划的是算力与模型两块底座。算力方面，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划进一步建设十万卡集群，作为自主可控的超大规模算力底座。

数据层面，京东云正在推进 1000 万小时人类真实场景视频采集计划，建设覆盖”采、存、标、训、评、仿、测”全流程的具身数据基础设施，首批开源数据集 EgoLive 已对外开放。

模型方面，京东已形成覆盖多模态模型、世界模型和具身模型的 JoyAI 基础模型矩阵，并在 JDD 上发布实时可交互的世界模型 JoyAI-Echo WM。据披露，该模型在面向交互式世界模型的公开评测 WBench Navigation 中取得 81.6 分，排名第一。

按照京东的表述，随着上述目标逐步落地，其希望推动 AI 从千行百业走向千家万户，建设全球最大的物理世界协同体系，最终成为全球领先的物理世界运营中心。对具身智能行业来说，把供应链场景同时当作训练场和落地场，是一条与纯技术路线差异明显的路径。