每經(jīng)記者｜王郁彪    每經(jīng)編輯｜畢陸名    

“龍蝦”火爆出圈、機(jī)器人跳舞打拳刷屏、數(shù)字人直播帶貨“如假包換”，隨著AI技術(shù)的加速迭代，整個(gè)行業(yè)也來(lái)到了尋找場(chǎng)景落地的關(guān)鍵期。如何實(shí)現(xiàn)成本、效率、性能的平衡，以及如何打通產(chǎn)業(yè)落地的“最后一公里”，這些難題都需要更多的“參考答案”。

3月24日，京東公布了部分AI研發(fā)應(yīng)用的階段性進(jìn)展，包括開(kāi)源大模型JoyAI-LLM Flash、推出自家“龍蝦”產(chǎn)品組合，以及率先推出“自由態(tài)數(shù)字人”等。

就“龍蝦”這一話題，京東集團(tuán)相關(guān)技術(shù)負(fù)責(zé)人在接受《每日經(jīng)濟(jì)新聞》記者（以下簡(jiǎn)稱(chēng)“每經(jīng)記者”）采訪時(shí)表示，“龍蝦”這個(gè)放大器的作用肯定在今年還會(huì)持續(xù)，預(yù)計(jì)到今年底或明年此時(shí)，我們有望看到L4級(jí)模型問(wèn)世；屆時(shí)，許多大家現(xiàn)在想象不到的應(yīng)用方式將百花齊放。

而在數(shù)字人技術(shù)研發(fā)方面，京東JoyStreamer推出“自由態(tài)數(shù)字人”，相對(duì)傳統(tǒng)數(shù)字人擁有更自然靈動(dòng)的交互形態(tài)。每經(jīng)記者在現(xiàn)場(chǎng)觀看數(shù)字人“吃播”示例時(shí)，明顯能夠感覺(jué)到其在動(dòng)作、姿態(tài)等都更加流程自然，即使臉部遮擋也能保持高保真質(zhì)感。

字節(jié)與阿里密集打響AI競(jìng)賽，國(guó)內(nèi)科技大廠的角力場(chǎng)幾乎完全轉(zhuǎn)向技術(shù)落地深度與生態(tài)協(xié)同廣度的全面較量。京東的“AI解法”另辟蹊徑，全方位對(duì)準(zhǔn)產(chǎn)業(yè)端，能否后來(lái)居上？

談“龍蝦”競(jìng)賽：能不能趕上Agentic模型，窗口期就只有一年

“龍蝦”智能體以及背后的“Token（詞元）經(jīng)濟(jì)”成了近來(lái)科技圈關(guān)注的焦點(diǎn)。

相較于推出自家“龍蝦”產(chǎn)品，京東云選擇基于JoyAI大模型，通過(guò)開(kāi)源OpenClaw架構(gòu)推出輕量云主機(jī)一鍵部署、一體機(jī)等產(chǎn)品形態(tài)。

該技術(shù)負(fù)責(zé)人告訴記者，很多人看到的是“龍蝦”，我們看到的其實(shí)是模型。

兩年前，OpenAI給大模型定義了5個(gè)Level（等級(jí)），第一級(jí)是Conversation（對(duì)話），第二級(jí)是Reasoning（推理），第三級(jí)是Agentic AI，即AI達(dá)到了一個(gè)整體系統(tǒng)，在系統(tǒng)中自主采取行為解決問(wèn)題。第四級(jí)為Innovation（創(chuàng)新）階段，處于該階段的系統(tǒng)不再依賴(lài)人工干預(yù)，且具備自主的創(chuàng)新思維。最后一級(jí)為Organization（組織），即達(dá)到或超越人類(lèi)水平，能夠提升工作中的效率。

在問(wèn)及現(xiàn)在的“龍蝦”與去年的Manus（全球首款通用AI智能體）有何不同時(shí)，該技術(shù)負(fù)責(zé)人指出，核心問(wèn)題仍在于基礎(chǔ)模型的能力。去年的基模能力剛剛突破第二級(jí)，即便是去年爆火的DeepSeek，也僅處于Reasoning（推理）層級(jí)，其模型層面尚未具備Agentic（自主代理）特性。

該技術(shù)負(fù)責(zé)人補(bǔ)充說(shuō)：“而做Agent其實(shí)需要大量的工程、策略、流程，最終把它‘包’起來(lái)。去年底今年初的ClawCode模型，在模型層面就突破了L3級(jí)，真正來(lái)到了Agentic層面了?！?/p>

在技術(shù)路線層面，該技術(shù)負(fù)責(zé)人則認(rèn)為，可能很快就會(huì)看到大模型進(jìn)入下一個(gè)Innovation層級(jí)，即模型本身具有創(chuàng)作能力。“這個(gè)創(chuàng)作不是簡(jiǎn)單的創(chuàng)作一段話或者一首歌，而是真的在一些高難度的，需要人類(lèi)充分發(fā)揮智慧的地方，AI去替代。當(dāng)然現(xiàn)在還沒(méi)有發(fā)生，可能一年內(nèi)就會(huì)發(fā)生，但這個(gè)技術(shù)路線是確定的。”他進(jìn)一步解釋。

他還判斷，AGI在軟件模型這一塊，可能就這一兩年的時(shí)間，快的話可能今年年底就會(huì)見(jiàn)分曉。能不能趕上這一波Agentic模型，再趕上Innovation模型，對(duì)于一家公司來(lái)說(shuō)，窗口期可能就一年的時(shí)間。

“不過(guò)，‘龍蝦’這個(gè)放大器的作用在今年還會(huì)持續(xù)，L4級(jí)別的模型出來(lái)，那時(shí)候又會(huì)有很多大家現(xiàn)在想象不到的應(yīng)用方式百花齊放。”該技術(shù)負(fù)責(zé)人表示。

首發(fā)“自由態(tài)數(shù)字人”，但規(guī)?；瘧?yīng)用仍為當(dāng)前探索目標(biāo)

在觀看京東數(shù)字人JoyStreamer技術(shù)進(jìn)展時(shí)，每經(jīng)記者注意到，目前數(shù)字人行業(yè)三大技術(shù)痛點(diǎn)正被逐一解決，包括音視頻不同步、多模態(tài)控制不協(xié)調(diào)、長(zhǎng)視頻身份失真。

除了常規(guī)披露技術(shù)路線外，京東數(shù)字人JoyStreamer率先推出“自由態(tài)數(shù)字人”。其支持人物自然走動(dòng)與靈活擺姿，具備鏡頭跟隨及流暢出畫(huà)入畫(huà)的能力，且在臉部遮擋場(chǎng)景下也能保持高保真質(zhì)感。

數(shù)字人技術(shù)的提升是否意味著行業(yè)離數(shù)字人規(guī)?；瘧?yīng)用更進(jìn)一步？京東數(shù)字人相關(guān)負(fù)責(zé)人告訴記者，規(guī)模應(yīng)用最大的挑戰(zhàn)在于，減少商家端的實(shí)際操作，不要對(duì)其生成有太多依賴(lài)條件。比如，原來(lái)30分鐘拍攝素材，到3分鐘再到單張圖片。

“去年我們推出的復(fù)刻模式是，其歷史直播過(guò)的素材都可以用來(lái)做數(shù)字人直播的生成?！彼硎?。

每經(jīng)記者了解到，在解決數(shù)字人規(guī)模應(yīng)用的問(wèn)題上，Agent（智能體）技術(shù)產(chǎn)品的出現(xiàn)也帶來(lái)了一些利好。該負(fù)責(zé)人舉例稱(chēng)，目前會(huì)通過(guò)Agent打通目前已在平臺(tái)上錄入的海量信息，包括商品本身、優(yōu)惠活動(dòng)等問(wèn)題。一來(lái)是可以準(zhǔn)確、高質(zhì)量地回答用戶問(wèn)題，二來(lái)是可以減少對(duì)商家的依賴(lài)，這使得該方案適用于數(shù)字人的大規(guī)模推廣。

數(shù)字人在應(yīng)用過(guò)程中的實(shí)際收效如何？每經(jīng)記者從京東方面了解到，直播間的轉(zhuǎn)化是毫無(wú)疑問(wèn)的最終業(yè)務(wù)指標(biāo)。但也會(huì)看過(guò)程指標(biāo)，比如，用戶在直播間停留時(shí)長(zhǎng)是多少，用戶在直播間里的交互輪數(shù)是多少，以及如何反映用戶對(duì)商品的潛在需求等。

具身智能產(chǎn)業(yè)為何需要數(shù)據(jù)中心？

具身智能從去年爆火到今年熱度依然不減。3月以來(lái)，具身智能賽道多筆大額融資落定。此外，3月20日，上交所受理宇樹(shù)科技科創(chuàng)板IPO申請(qǐng)，預(yù)計(jì)募資規(guī)模42.02億元，有望成為A股“人形機(jī)器人第一股”。

京東去年在具身智能領(lǐng)域罕見(jiàn)地完成了“六連投”，且近年來(lái)多次發(fā)布機(jī)器人產(chǎn)業(yè)計(jì)劃。前幾日的中國(guó)發(fā)展高層論壇2026年年會(huì)上，京東集團(tuán)CEO許冉透露，京東正在建設(shè)全球規(guī)模最大、場(chǎng)景最全的具身智能數(shù)據(jù)中心。

目前具身智能領(lǐng)域的一大痛點(diǎn)，就是真實(shí)場(chǎng)景數(shù)據(jù)匱乏，導(dǎo)致模型訓(xùn)練不足，進(jìn)而影響產(chǎn)業(yè)落地。“在兩年內(nèi)我們將積累超過(guò)1000萬(wàn)小時(shí)的真實(shí)場(chǎng)景數(shù)據(jù)，覆蓋物流、家庭、城市等五大場(chǎng)景。”許冉稱(chēng)。

對(duì)于該項(xiàng)目的進(jìn)展，京東相關(guān)負(fù)責(zé)人在此次采訪中透露，數(shù)據(jù)采集過(guò)程中，京東將發(fā)動(dòng)內(nèi)部超過(guò)10萬(wàn)名各類(lèi)職業(yè)員工，以及外部最多50萬(wàn)各行業(yè)人員，其中在宿遷就將發(fā)動(dòng)超10萬(wàn)市民，開(kāi)展“人類(lèi)規(guī)模最大的數(shù)據(jù)采集行動(dòng)”。

每經(jīng)記者了解到，該項(xiàng)目具體落地執(zhí)行周期為，未來(lái)一年內(nèi)，積累500萬(wàn)小時(shí)人類(lèi)真實(shí)場(chǎng)景視頻數(shù)據(jù)，兩年內(nèi)將超1000萬(wàn)小時(shí)，并同步采集100萬(wàn)小時(shí)機(jī)器人本體數(shù)據(jù)。

京東具身智能業(yè)務(wù)相關(guān)負(fù)責(zé)人告訴記者，剛開(kāi)始大家都關(guān)注機(jī)器人的硬控和VLA雙臂或者靈巧手的操作，讓機(jī)器人表現(xiàn)得像人，能聽(tīng)懂人話并按人的想法反饋，這叫‘言行一致’。目前市面上大部分做機(jī)器人和機(jī)器狗的公司都已經(jīng)涉及了這一領(lǐng)域，但這只是其中的一部分（功能/階段）。

“除此之外，我們京東探索研究院的老師們還在做VLN無(wú)阻導(dǎo)航（視覺(jué)語(yǔ)言導(dǎo)航）這一塊，并將其集成到我們的JoyInside里，去結(jié)合不同的機(jī)器人和機(jī)器狗，做更多人機(jī)交互的工作?！痹撠?fù)責(zé)人補(bǔ)充說(shuō)。

封面圖片來(lái)源：楊卉