马斯克回应巨型机器人：京东工业如何以供应链为基，构建产业AI新生态
近日，中国工博会上由清卓动力研发的4.2米高、重1.2吨的巨型机器人Neo1引发海外关注。面对网友关于“现实版高达”的提问，埃隆·马斯克在社交媒体上回应称，特斯拉Optimus未来将打造《变形金刚》中的擎天柱。
这台剑指矿山、深海等高风险作业场景的Neo1机器人，其背后不仅有着清卓动力的研发支持，更离不开京东工业在供应链与终端场景资源上的深度赋能。此次合作揭示了京东工业的新战略动向：从传统的供应链服务向工业AI领域延伸，试图通过打通设计、制造、部署链路，解决工业场景中的实际痛点。
AI走向工业现场：端侧部署与世界模型的应用
10月13日，京东工业与AMD签署战略合作协议，旨在推动JoyIndustrial工业大模型与AMD Ryzen AI Max系列处理器的适配与协同优化，共同开发面向工厂车间的AI终端。双方聚焦于视觉质检、安全巡检、具身协作及设备运维等具体场景。
工业现场对AI的要求远高于通用场景。设备异常识别需具备极低的时延和高确定性，且部分工厂网络环境有限，难以完全依赖云端算力。为此，京东工业提出“工业大模型＋算力盒子”的解决方案，通过轻量化垂类模型与边缘硬件的软硬协同，实现本地化推理，既满足实时响应需求，又显著降低单位推理成本。
此外，京东工业发布的工业世界模型旨在提升AI对现场环境的理解与推演能力。该模型能结合人员、车辆运动轨迹及空间位置，提前预判碰撞风险，为安全生产提供预警。这种能力无需调用庞大的通用模型，更适合在特定工业场景中高效运行。
从辅助设计到供应链前置
除了现场作业，京东工业还将AI应用延伸至研发设计环节。今年9月发布的「工业透视」产品，包含AI CAD功能，允许工程师通过自然语言描述生成设计，或解析现有图纸生成物料清单（BOM），并直接链接至选型、报价与采购流程。
据官方数据，简单绘图时间可从30分钟缩短至1-5分钟。更重要的是，该模式将供应链信息前置到设计阶段，帮助工程师在绘图时即可考量规格匹配、国产化替代及库存情况，大幅减少设计与采购间的沟通成本，实现业务流程的闭环优化。
依托供应链积累，破解工业AI数据难题
工业AI落地的核心难点在于数据的非标准化。同一零部件在不同厂商间存在命名、参数表达差异，导致AI难以准确识别与匹配。京东工业的优势在于其长期积累的供应链数据，包括商品参数、供应商资料及客户需求信息。
为解决数据标准化问题，京东工业推进商品标准化进程，并通过「百川计划」联合超过130家上游伙伴共建专业数据和行业模型，覆盖六大重点行业。这些经过清洗和规范的专业数据，成为训练工业大模型的坚实基础。
智能硬件与行业模型的落地实践
基于标准化的数据能力，京东工业推出了工业AI眼镜。工程师可通过眼镜识别现场物料铭牌，实时匹配平台商品信息，查找同款或替代品；同时支持语音查询选型知识及AR查看设备三维结构，辅助检修作业。
在垂直行业模型方面，京东工业与德力西电气合作打造低压电气模型，使陌生商品选型决策时长缩短约70%；与PIP保威共建个人防护用品数据集，结合合规要求与工况信息，提升安全防护产品的匹配精度。
京东工业JoyIndustrial 2.0架构进一步明确了分工：工业大模型负责理解状态，专业智能体负责规划任务并调用工具，最终通过业务系统执行操作。目前，该体系已应用于京东内部供应链系统及工品汇的AI搜索等服务中。
从定制项目到可复用产品：工业AI的商业化挑战
工业AI规模化推广面临的最大障碍是不同企业间设备、数据及流程的差异性。若每个项目均需重新适配，高昂的交付成本将阻碍商业化进程。京东工业采取的策略是依托标杆客户，在典型可复制场景中验证模型，随后将方案产品化，推广至需求相近的其他客户。
这一过程依赖于「双飞轮」机制：产业场景提供反馈驱动模型迭代，改进后的模型反哺更多业务场景，从而降低后续交付成本。数据显示，2026年上半年，京东工业AI增量GMV占重点企业客户GMV的6.5%，核心岗位人效提升16.6%。
然而，企业最终关注的是投入产出比。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》，试图建立统一的评估标准，量化AI在业务改善、成本节约等方面的实际贡献，特别是针对对成本敏感的中小企业。
综上所述，京东工业切入工业AI的路径并非单纯的技术研发，而是基于其深厚的供应链资源，从具体业务痛点出发，将AI能力嵌入设计、采购、运维等环节。其核心竞争力在于能够将项目经验沉淀为标准化的产品与服务，降低工业企业使用AI的门槛。未来，能否在多行业中实现低成本、高效率的规模化复制，将是检验其商业模式成功与否的关键。