京东云JoyBuilder升级：具身智能模型训练效率提高3.5倍
12月8日上午消息，新浪科技获悉，京东云近期对其JoyBuilder模型开发平台进行了全面升级。该平台现已成功支持业内顶尖模型GR00T N1.5的千卡训练，成为业界首个支持具身智能千卡级LeRobot开源训练框架的AI开发平台。经平台优化后，训练效率较开源社区版本提升了3.5倍。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
通过软硬件的深度协同优化与算法层面的突破，平台大幅提升了模型训练的效率和稳定性。在超过1亿数据量的千卡训练任务中，整体训练时间从原先的15小时大幅缩短至仅22分钟，有力推动了具身智能迈向规模化落地应用。
据介绍，围绕具身智能模型的训练需求，京东云AI+Infra及相关技术团队基于JoyBuilder模型研发平台，展开了全栈性能优化：
在具身数据链路优化方面，平台重构了具身数据预处理与加载流程，实现了CPU数据处理与GPU计算的异步执行，减少了等待耗时。针对海量小数据文件，自研的高性能并行文件系统——云海JPFS（Jingdong Parallel File System）通过分布式元数据管理与智能预取技术，支持高并发访问。在1024卡训练集群上，读取带宽超过400GB/s，有效保障数据持续高速供给。
在具身模型计算优化方面，针对主流开源VLA（视觉-语言-动作）模型的计算特点，平台从注意力层（Attention）、Token裁剪和训练后量化等多个维度进行了极致优化，全方位提升了模型的训练效率。
在具身模型基础设施方面：平台通过搭建3.2T RDMA后端网络，并基于多通道优化、拓扑感知调度与智能震荡抑制等技术，保障了千卡间集合通信的高吞吐与低延迟，同时在单点故障时能快速恢复，支持长周期训练的稳定运行。此外，基于云原生的AI数据湖，平台优化了数据调度与流水线，提升了端到端的处理效率。
此次京东云JoyBuilder模型开发平台的升级，基于其在全链路数据处理、模型计算效率和AI基础设施等方面的全面优化，能够支持当前业界主流的LeRobot训练数据最新协议，并成为业内首家支持具身模型千卡级开源训练框架的AI开发平台。
责任编辑：杨曦
相关攻略
亚马逊按下“重启键”：下一代Alexa能否重夺AI语音王座？ 科技圈又有新动静了。就在今天，亚马逊发出了人工智能主题活动的邀请函，时间定在2月26日。多方信源，包括路透社的报道均指向一个焦点：亚马逊计划在此次活动上，正式推出其下一代、基于生成式人工智能的Alexa服务。 话说回来，自2014年面世以
派欧算力云产品介绍 人工智能的浪潮正席卷各行各业，企业和开发者们面临一个共同的挑战：如何快速、经济且高效地获取AI算力，将创意迅速转化为市场产品？面对这一需求，一站式AI云服务平台——派欧算力云，提供了颇具吸引力的答案。本文将带你深入剖析派欧算力云的核心功能、独特优势以及应用路径，看它如何为企业的A
京东开源图像模型JoyAI-Image-Edit，从平面修图升级为三维空间重塑 4月7日，京东探索研究院正式宣布，开源自研的JoyAI-Image-Edit图像模型。这不仅是又一个开源工具，更标志着图像生成编辑技术的一次关键转向：从二维平面迈入了三维空间。 简单来说，这个模型被设计为业内首个将“空间
Anthropic启动Project Glasswing计划，集结科技巨头共筑软件安全防线 近日，人工智能公司Anthropic启动了一项名为“Project Glasswing”的新计划。这项计划的核心目标，是借助其尚未公开发布的Claude Mythos Preview模型，来加强全球关键软件基
就在 OpenAI 都停了 Sora，所有人以为 Seedance 2 0 要一统天下的时候，没想到不知哪里冒出来一匹马。 周二晚间，在知名 AI 评测分析平台 Artificial Analysis 上，一个代号为「HappyHorse-1 0」的神秘视频生成模型空降榜首，引发了 AI 社区热议。
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个