京东工业的AI+野望

一台4.2米高、1.2吨重的巨型机器人站在工博会的展台上。它被外国网友拍下来发到网上，直接@了马斯克；一个多小时后，老马本人回应：特斯拉Optimus未来会造出《变形金刚》里的擎天柱。

热闹之外，更值得看的是这台名叫Neo1的机器人背后的分工：研发方是清卓动力，展台上另一个名字是京东工业。清卓动力负责把机器人造出来，京东工业负责另外两件事——帮它把零部件凑齐，帮它找到活儿干。

顺着这条线索往下看，会发现京东工业想做的远不止“卖货”。从辅助设计、识别物料、处理采购，到设备运维、视觉质检、安全巡检，它正在把AI往工业现场里塞。问题也因此变得有意思：一家靠供应链起家的公司，为什么做起工业AI？它手里的商品、客户和供应商资源，又能在这件事上发挥什么作用？

 一、AI正在离开机房，走进车间

10月13日，京东工业与AMD签署战略合作：推动JoyIndustrial工业大模型与AMD Ryzen AI Max系列处理器适配与协同优化，共同开发面向工厂、车间的AI终端，瞄准视觉质检、安全巡检、具身协作、设备运维、备件更换等场景。

如果只看新闻稿，这是一次常规的“模型公司+芯片公司”合作。但把场景换成真实工厂，约束就完全不同了：AI要在车间里识别设备异常，不能让工人在旁边干等着模型慢慢思考；有些工厂连Wi-Fi信号都不稳定，任务又要求快速响应，事事依赖云端并不现实。

京东工业CTO谷应鲲在工博会期间的表述很直接：工业现场的安全预警可能需要“秒级甚至毫秒级响应”——设备出现异常后几秒钟才收到提醒，事故可能已经发生了。CEO王培暖举的例子更具体：车间里人员进入车辆运行轨迹，工业世界模型加上端侧算力，可以推演人员与设备的未来状态，并结合现场环境提前数秒判断碰撞风险，触发报警或让车辆提前减速。

AI与数据智能部负责人王宇辰给出的路径是：对于任务明确的细分场景，以轻量化工业垂类模型为主，与AMD做软硬协同优化，在边缘算力上完成本地化推理。这一路径在满足低时延与确定性响应要求的同时，显著降低单位推理的算力成本。

同场发布的工业世界模型，解决的是另一层问题：结合现场信息理解设备、人员和周边环境的状态，再推演可能发生的变化，让工业现场具备“未来感知”。按京东工业披露，该模型首批落地工业安全预警与人机协作，目标是从事后处置走向事前预警。

评论员视点 · 关键变化是对象 过去模型面对的是商品、订单和业务流程；现在它要面对的是设备在哪、物料在哪、人在哪、现场正在发生什么。理解物理世界，是工业AI从“后台分析”走向“现场作业”的分水岭，而端侧算力决定了这条路径能不能真正在车间里跑起来。

 二、从设计桌开始的一次“入口前移”

今年9月的JDD大会上，京东工业发布了「工业透视」。它由自研工业设计大模型驱动，做两件事：一是拍照识别设备或零部件，找到对应商品并采购；二是用自然语言描述需求，生成设计图纸并拆解物料清单（BOM）。

效率提升很直观：王宇辰给出的案例是，原本需要约30分钟的简单绘图，现在可以缩短到1至5分钟。但真正值得注意的不是画图快了多少，而是供应链信息第一次在设计阶段就参与了进来。

传统流程里，工程师画出一个零件只是开始，后面还要考虑规格合不合适、配套件能不能找到、是不是国产化、供应商有没有货、后续怎么加工装配。如果AI在设计时就能拿到这些信息，设计与采购之间大量反复沟通就有机会被压缩掉。

王宇辰自己也保持了清醒：整个AI CAD行业还处在早期，“有点像两三年前的AI编程”，先辅助修改、再逐步生成完整内容；京东工业从简单零件起步，之后再挑战机床等复杂设备，AI生成图纸后工程师仍需在CAD软件中做系统性调整。

评论员视点 · 这是最像平台公司的一步 把服务入口从采购环节前移到设计环节，意味着京东工业不再只是“订单来了才介入”的渠道，而是试图在需求诞生的那一刻就占住位置。这也是它区别于纯模型公司的地方：不是先有技术再找场景，而是从业务痛点里长出来。

 三、为什么是它：数据、标准与“百川计划”

AI看懂一张零件图纸，不等于学会工业设计。一个零件能不能用，除了形状，还涉及尺寸、公差、材质、配套关系以及后续采购加工条件；同一种工业品在不同企业、不同供应商那里，连名称和参数的表达方式都可能不一样。

这些知识恰好来自京东工业的老本行。公开资料显示，其平台整合约15.8万家供应商、提供8110万个SKU，覆盖80个产品类别，服务超1万家重点工业企业，并有超过40个细分行业的实践积累；2026年上半年公司实现收入130.63亿元，同比增长27.4%。

但“有数据”不等于“能用”。为此京东工业做了三件事：

行业模型层面，京东工业已联合超过130家上游伙伴打造工业行业模型，覆盖六大行业。落地案例包括：德力西电气打通产品数据共建低压电气模型，导购场景中用户对陌生商品的选型决策时长缩短约70%；安全防护领域的PIP保威计划共建个人防护用品专业数据集，把商品信息、合规要求与具体工况结合起来。

硬件侧也有对应产品。京东工业的工业AI眼镜可以识别现场物料与铭牌，再与平台商品信息匹配，辅助查找同款或替代品；工程师可以语音查询选型与维保知识，检修时还能通过AR查看设备三维结构与拆解示意。

京东工业的三层AI基础设施：底层数据与标准、中层模型与智能体、上层行业场景，业务执行结果再回流推动模型进化

四、机器人这张牌：造得出，还得用得上

本届工博会上，京东工业正式上线机器人零部件一站式采购平台，覆盖选型、BOM配套与代工服务。最新披露的数据是：平台已汇聚1600余家产业链供应商、服务500余家本体企业，2026年零部件业务销售额同比增长超200%，动销SKU近6万个，核心零部件占比超50%。

在此之前，京东工业已携手舍弗勒、青岛云路、苏州源控、翼菲智能、厦门宏发、大寰股份、双元科技、上海君屹等企业，发起成立机器人零部件产业发展联盟，方向被概括为三句话：场景定义技术、需求倒逼创新、协同突破瓶颈。它直面的痛点是——很多零部件实验室参数很漂亮，放到真实场景里却不好用、不耐用、不安全、价格高昂。

 京东工业的机器人闭环：供给侧、本体侧、能力侧与场景侧围绕零部件平台形成循环

平台定下了三年目标：助力100家机器人本体厂商实现全品类降本，推动100家零部件供应商业绩倍增。而Neo1这样的项目，是这套逻辑的样本：本体企业负责研发，京东工业提供供应链与客户场景资源，把机器人推进矿山、深海这类高风险作业场景做试点。

更大的需求池来自京东体系内部。京东物流已宣布未来五年采购300万台机器人、100万台无人车、10万架无人机；京东还发布了“智能机器人产业加速计划”，投入超百亿专项资源。这意味着京东工业站在了一个罕见的位置上：它既是供应链服务商，也是需求方和投资生态的一部分。

资本层面，京东工业已于2025年12月11日在港交所主板上市（7618.HK），成为刘强东旗下第六家上市公司；按灼识咨询数据，其2024年在中国MRO采购服务市场交易额占比约4.1%，规模约为第二名的三倍。

评论员视点 · 筹码与边界 京东工业在机器人赛道扮演的是“产业组织者”而非本体厂商。它的筹码是订单、场景与标准话语权；它的边界也很清楚——如果只能吃到零部件流通这一段利润，机器人的价值红利大头仍会落在整机厂和核心部件厂手里。能否用“场景定义技术”反向影响零部件定义，是它能否向上走一步的关键。

五、三道还没过的关

作为评论员，我认为真正决定这条路能走多远的，不是又发布了多少个模型，而是下面三个问题。

1）可复制性：第二次还能复用多少？

给A工厂做完的方案，到了B工厂，设备不同、数据不同、业务流程也不同，又得重新适配一遍。京东工业的解法是依托客户积累找到标杆客户，在典型可复制场景里采集数据、训练模型，验证后再产品化、模型化。它提出的「双飞轮」——产业场景提供需求与反馈、模型能力持续改进、再反哺更多业务——逻辑成立，但需要用“第二次交付成本下降多少”来证明。

2）价值量化：这笔账怎么算清楚？

京东工业披露的阶段性数据是：2026年上半年部署70余个AI智能体，AI增量GMV占重点企业客户GMV的6.5%，AI驱动核心岗位人效提升16.6%。这已经进入可量化的贡献阶段，但它衡量的是京东工业自身的业务口径。

企业关心的是另一笔更朴素的账：花多少钱、解决了什么问题、省下多少钱。效率提升里，多少来自AI，多少来自顺手做的流程优化？算上部署、系统接入与后续维护，到底划不划算？

为此，京东工业与中国工业互联网研究院联合发布《AI赋能企业价值量化评估研究》，提出“业务改善识别—业务价值折算—AI贡献归因—AI净价值核算”的测算路径，并围绕提质、提效、降本、增收四个维度构建指标体系。方向是对的，但仍需更多第三方验证。

3）中小企业的门槛：能否真的用得起？

谷应鲲提到，京东工业服务的对象中还有近千万家中小企业，它们在设备、算力、人才和数据方面基础薄弱。把模型能力、商品标准化能力通过平台开放出去，理论上可以降低单独开发的门槛；但企业需要准备多少数据、做多少系统适配，决定它最终能省多少事。

 结语：AI走进第一百家工厂时

从4.2米高的巨型机器人，到工程师桌上的一张零件图纸，再到企业日常的采购、收发货，京东工业切入的场景差别很大，但背后是同一条逻辑：用已有的商品、供应商、客户资源和供应链能力，为AI找到具体任务，再用AI能力接入实际业务。

它的优势是真实的——不需要凭空寻找场景，供应链业务每天都在接触企业的问题；同行也在沿相似路径推进，比如震坤行以“行家玲珑”工业大模型构建智能体矩阵，覆盖供应链12个环节，客服与采购人效分别提升约42%和52%。这说明赛道的方向已被验证，竞争才刚开始。

但拥有场景只是起点。工业AI的下一站，比的不是发布了多少个模型、展示了多少段Demo，而是当AI真的走进第二家、第三家、第一百家工业企业时，还能不能用得上、用得起，并且持续创造价值。能把一次次项目经验沉淀成产品，让下一家企业少走弯路的公司，才会是最后的赢家。