8月20日消息，2026世界机器人大会论坛于8月19日-22日在北京举行。京东集团技术委员会主席、京东云总裁曹鹏在会上围绕“以数据为基础，构建具身智能超级供应链”进行了主题分享。
曹鹏演讲全文如下：
各位嘉宾，各位朋友，大家好！
今天非常高兴来到WRC会场，与大家一起交流和探讨具身智能产业未来发展的方向与趋势。
过去几年，人工智能在数字世界中取得了十分显著的进展，并深刻推动了各行业的变革。如今，AI正从数字世界逐步走向物理世界，开始具备理解环境、识别并操作物体、完成复杂任务的能力。那么，下一阶段人工智能持续发展的关键生产要素是什么？我们的判断是：数据。谁能够获取高质量、真实场景、规模化的数据，谁就更有机会在下一阶段机器人与具身智能发展中建立长期竞争优势。
我们可以看到，过去一年可以说是人工智能规模化落地的关键元年。一方面，越来越多的人形机器人正从实验室和原型机阶段迈向量产与交付；另一方面，在工业、物流、服务业等丰富场景中，行业也正在积极尝试让机器人承担更多具体任务。
为什么机器人产业还没有真正迎来全面爆发？我认为，现在已经处在爆发前夜。之所以尚未全面爆发，核心原因在于机器人、具身模型在任务理解能力以及泛化能力方面仍存在不足。在我们的实验场景中，在京东物流的一些特定标准化任务里，机器人其实已经能够做到与人工接近甚至持平，无论是效率还是成本，都已非常接近人工水平。但问题在于，这样的能力还无法大规模复制到更多、更复杂的场景中，原因就在于模型泛化能力不足。模型泛化效果不理想，本质上又是因为缺少足够的数据来支撑训练，所以机器人仍然更多停留在具体场景、单点任务中，难以真正实现规模化复制。
在行业内，大家普遍认为，如果要训练出具备规模化复制能力和良好泛化能力的“机器人大脑”，所需数据量至少是千万小时级别。但目前行业中真正能够用于这类模型训练的数据，往往只有十万小时量级，两者之间存在巨大的缺口。更进一步说，不同机器人本体采集的数据还会带来跨本体泛化与适配的问题。未来机器人发展的瓶颈，表面上看是大脑的泛化能力，实质上则是我们是否拥有足够多、足够好的数据去“喂养”它。这也是我今天想分享的一个核心观点。
机器人的数据也分为不同层级。越往上层，数据精度越高、效果越好、对特定本体的适配性越强，但同时泛化性可能更弱、采集成本也更高；越往下层，数据规模通常更大、采集成本更低。针对整个链条，我们都会进行系统化、全方位的数据采集与能力支持。
为什么京东要做这件事？因为京东拥有一个非常独特的优势，就是京东的超级供应链。京东是一个业务形态非常丰富的集团，涵盖零售、健康、物流、家政、工业等多类场景。这些场景中沉淀了大量与真实物理世界操作相关的数据。它们不是实验室中的模拟数据，也不是数采工厂中的虚拟样本，而是真实商业系统长期运行、持续演化过程中产生的数据。这里面包含的都是真实任务链路、真实人机协作关系以及真实事务流转过程。
比如京东MALL、七鲜、养车等门店，以及全国4000多个仓库网络、零售药房、家政等业务场景，这些都决定了我们一方面能够进行大规模数据采集，并在真实业务场景中持续生产数据；另一方面，这些数据天然具备更强的泛化性，能够覆盖不同区域、不同人群、不同物体和不同任务对象。第三，我们可以采集多模态数据，不仅包括视频、音频，还包括人的操作轨迹、姿态、动作信息等。我们希望为具身智能发展贡献一份力量。下一阶段，我们将启动全球领先的大规模数据采集计划，目标是在两年内采集超过1000万小时的人类真实场景数据，同时采集超过100万小时的机器人本体数据。这项计划将覆盖京东内部各类员工、外部行业从业者以及城市中的普通市民，预计将动员超过10万人参与。
所有数据采集都将建立在合法合规的前提下，确保数据安全、可靠、可控。我们希望通过这项计划，为具身智能行业提供可持续的数据基础设施。
接下来大家可以看一段视频，更直观地感受一下我们在宿迁开展真实场景数据采集的过程。
刚才视频展示了现场数据采集的实际场景。与此同时，采集所需设备也在持续研发和升级。除了头戴式第一视角设备之外，还包括带有压力传感能力的手套、手环等。下一步，我们计划让整个数据采集体系从视觉进一步扩展到全身、全模态，覆盖视觉、手部姿态、力触觉、身体关键点等多维信息，从而完整记录人在真实世界中的操作过程。
数据采集只是第一步，真正更难的是如何把采集到的数据转化为对模型有价值的高质量数据资产。我们构建了覆盖采集、存储、标注、训练、评测、仿真等多个环节的完整数据体系。这套体系能够让原始视频逐步转化为推动具身智能持续进步的数据资产与训练燃料。
这段视频展示了将原始采集视频数据转化为模型可用资产的全过程。大家可以看到，数据从最初的一段视频出发，经过任务描述、手物识别、手部动作分析、深度建模重建等多个步骤，最终不再只是普通视频，而是变成能够被模型训练直接调用的高质量数据资产。这些数据经过一整套数据生产流水线处理之后，就可以被具身模型企业和机器人公司直接应用。
有了这些数据之后，还有一项非常关键的技术就是仿真。仿真技术一方面可以帮助我们进一步放大数据规模，另一方面也能帮助我们更高效地进行效果评估与模型测试。我们自研的仿真评测体系与真实环境中的评测结果一致性可达到90%以上，评测效率相比真机评测可提升3—4倍，从而显著降低模型训练成本和实际部署成本。
仅靠我们自己来做整个生态显然远远不够。为此，我们还建设了可覆盖全行业的具身数据交易平台，推动行业中的具身数据、模型能力和相关资源在平台上实现流通与交易。平台将集成十万项子任务颗粒，能够满足不同行业、不同企业在数据交易与模型训练方面的多样化需求。
有了数据之后，我们还要帮助行业和客户把这些数据真正转化为有价值的模型。JoyBuilder面向数据加工、数据标注、质量控制等环节提供体系化能力。它可以支持数十万条数据导入，自动标注准确率可达到95%，整体处理成本可降低60%。这意味着客户无需从零搭建完整的数据采集、标注和处理团队，就能够一站式获得高质量服务。对于客户和具身智能公司接入整个体系后，在研发团队配置和研发周期不变的情况下，任务成功率会得到显著提升，数据训练成本也将大幅下降。
数据是否真正有效，最终还要通过结果来验证。我们也会持续开展大量功能性验证。比如在JoyAI—RA具身模型测试中可以看到，第一人称视觉数据对模型有效性的提升非常明显。从1000小时到5000小时，再到10000小时，每一个数据量级的提升，都会让模型在已知任务和未知任务泛化场景中的表现取得显著进步，而且相关结果已经超过了开源领域如π0.5这样的行业标志性模型。这说明，我们所构建的数据体系和数据质量对模型能力提升具有明确价值。下一步，我们还会继续投入更大规模的数据，进一步验证后续效果。
当然，仅有人类数据和模型仍然不够，模型如何与机器人本体高效适配，并实现操作对齐，依然是一个很大的挑战。为此，我们自主研发了一套人机对齐算法，能够在预训练、后训练到微调阶段提供完整的模型服务。该算法可以将人类采集的手部动作与各种灵巧手、夹爪以及机器人本体数据进行对齐，从而让人类数据真正被机器人学习、理解和使用。
未来，人工智能在物理世界中的操作不会仅限于手部，而是会逐步覆盖全身。我们也在大力采集覆盖全身动作轨迹、力反馈等数据，记录人体更完整的动作特征，推动人的动作能力向不同具身本体实现更精准的迁移。从手部到上肢，再到全身，我们都在持续推进与演进。
总体来看，我们将面向行业提供一整套从数据采集、标注、训练，到模型、算力的一体化全栈服务，帮助行业伙伴、合作客户快速提升模型能力，进而推动具身智能和机器人产业加速发展。
最后，我想用一句话总结今天的分享：我们相信，具身智能行业一定会重构这个物理世界，而京东供应链将成为这一重构过程中的第一站和最后一站。未来，机器人一定会进入家庭、仓库、门店、工厂、医院以及城市服务的方方面面。当AI真正理解物理世界、进入物理世界，并且能够在物理世界中持续学习和进化时，一个全新的智能化时代必将到来。谢谢大家！
