京东正在把 AI 变成比 " 赚钱 " 更底层的东西：整个生意的操作系统。
作者丨苏迪
编辑丨张丽娟
2026 年，AI 行业最热闹的景象是什么？
是智谱市值一度突破 8000 亿港元，超越小米、百度、京东；是可灵一个业务线的融资估值就达到 200 亿美元；是面壁智能估值突破 200 亿元；是宇树科技 IPO 发行后估值约 610 亿元。
整个行业陷入到如何用 AI 为市值建立最高的壁垒，正在以前所未有的速度吞噬资本市场的想象力。
所有人都在筑城的时候，京东却在把AI引向整个供应链生态。把数字人直播免费给商家用，把模型代码挂到 Hugging Face 上让人随便下载，把花了大价钱采集的 1000 万小时人类视角数据向产业免费开放。
这事怎么看都不像一门好生意。京东到底图什么？
从模型溢价到产业溢价
这个问题，得放到一个更大的趋势下面琢磨。
前两年，AI 的主线是参数规模的军备竞赛。各家公司在上下文长度、多模态能力、推理速度上你追我赶，资本市场也乐意为 " 下一个突破性模型 " 支付溢价。
但进入 2026 年，一个越来越明显的信号是：模型本身正在商品化。当顶尖模型的能力差距缩小到消费者感知不到的区间，" 谁拥有最好的基座模型 " 就不再是竞争的决定性因素。
取而代之的是另一个问题：这个模型能在什么场景里解决什么具体问题？一个能写论文的通用大模型，对一家县城服装厂来说毫无意义；但一个能预测下周哪款 T 恤会卖爆、并自动调整库存的垂直模型，价值千金。
商业模式随之改变。早期的 AI 商业化路径很清晰，训练一个模型，包装成 API 或 SaaS 产品，按调用量或按席位收费。
但这条路有一个天然的瓶颈，它的客户主要是科技公司和大型企业，而中国有几千万中小商家，它们请不起年薪百万的算法工程师，也买不起按 token 计费的 API。
产业 AI 的逻辑则完全不同。它不把自己当成一个 " 产品 " 来卖，而是当成一种 " 能力 " 来嵌入。
当一个 AI 模型深入供应链、物流、制造、医疗等真实场景，解决实际问题，它的价值不再由 " 卖了多少 API" 衡量，而是由 " 改变了多少产业的成本结构 " 衡量。后者的想象空间，比前者大一个数量级。
高盛在年中发布了一份报告，将 " 物理人工智能 " 列为中国三大最具投资价值的 AI 细分领域之一。
中信证券也给出了类似判断：2026 年下半年 AI 商业化进入业绩验证期，科技行情将从估值扩张转向产业兑现和结构分化。
这套新逻辑，对京东而言反而顺理成章。
刘强东在 2026 APEC 工商领导人中国论坛上坦言，京东大模型研发实力并非顶尖，但线下场景数据是独有优势。
这句话基本就划定了京东 AI 的基因。
产业里长出来的AI
京东 AI 不是一个 " 先有技术、再找场景 " 的故事。
京东没有成立一个独立的 AI 事业部，没有让一群博士坐在实验室里写论文，然后拿着成果去业务部门 " 推销 "。它的 AI 团队分散在零售、物流、健康、工业的各个业务线里。
这种组织形态在全球科技巨头中几乎是个异类。Google 把 DeepMind 独立出来，Meta 有 FAIR，阿里曾经把达摩院捧到战略核心位置。
独立化的好处是资源集中、目标纯粹、容易出突破性成果。但坏处也很明显，技术团队和业务团队之间永远隔着一堵墙，容易陷入 " 拿着锤子找钉子 " 的困境。
京东的选择是反过来的：让 AI" 长 " 在业务里。
这意味着什么？意味着京东的 AI 工程师不是在优化某个通用模型的 benchmark 分数，而是在解决 " 双十一期间华南某仓库的拣货路径怎么缩短 3 分钟 " 这种具体问题。
意味着它的数据不是从互联网上爬来的公开语料，而是过去二十年积累的零售交易数据、物流路由数据、供应链波动数据，而这些数据对 OpenAI 和 Google 来说，是拿不到、也理解不了的。
京东集团 CEO 许冉曾 2026 年一季度的财报电话会议上说得直白：" 京东不片面追求运动式的 AI，追求的是可持续发展、真正为产业创造价值的 AI。"
对此，京东还提过一个公式：人工智能的价值 = 模型 × 体验 × 产业厚度 ²。
这个公式最值得关注的地方在于 " 产业厚度 " 被加了平方，意思是 AI 的价值不取决于模型有多大，取决于它在多深厚的产业场景里扎了多深的根。
今年一季度，京东首次开源基础大模型 JoyAI-LLM Flash。这不是一个 " 拼参数 " 的模型，它在同等任务准确率下，Token 消耗仅为行业其他模型的四分之一到五分之一。
京东还构建了全栈 AI 产品矩阵，包含 JoyAI 基础大模型、京东物流超脑大模型、京东健康京医千询大模型、京东工业 JoyIndustrial 大模型、JoyAI-RA 具身智能模型等垂域模型。
财报数据显示，今年上半年，京东体系研发投入同比增长53%。
这种 " 长在业务里 " 的组织方式，不是为了让 AI 好看，而是为了让 AI 好用。这可以拆成三个层面来理解：
第一层是向内提效。
这是京东 AI 最扎实的基本盘。AI 能卖多少钱还有待验证，但帮京东省钱已经成为现实。
在零售端，AI 嵌入采销、定价、库存、营销全流程。采销智能体帮采购员分析市场、预判商机。以前要花大量时间翻报表、对数据、猜趋势，现在 AI 把分析结果直接推到你面前。
物流端的变化更直观。" 狼族 " 机器人军团已成行业标志。" 异狼 " 机械臂专为分拣码货设计，通过视觉和触觉多模态大模型分析包裹形状和材质，每 10 秒完成从识别到吸附、抓取、码放的全套动作。" 异狼 " 已经从单臂进化到双臂。
京东物流 " 超脑大模型 2.0" 搭配 " 狼族 " 军团，其中 " 智狼 " 货到人解决方案已应用于全球超 60 个仓库，已在英国和德国落地。物流环节自动化率达 95%。
效率的改善直接体现在财务表现上。2026年第二季度，京东经营利润达45亿元，而去年同期为经营损失9亿元，经营利润率从-0.2%提升至1.3%。这是 AI 嵌入供应链各环节后释放出的真实红利。
第二层是向外赋能。
数字人直播 JoyStreamer 免费开放，已经服务超过 8 万商家，一季度开播量同比激增 10 倍。今年一季度，数字人开播量同比激增 10 倍；二季度，数字人开播账号数同比增长 3 倍，日均活跃开播账号激增 6 倍。
今年 618 期间，数字人直播开播时长与成交金额均同比实现超 4 倍增长，订单转化率同比提升 77%。
京东还把人类第一视角数据集 EgoLive 开源了。那是行业最大的同类数据集，60 万人参与采集，两年攒了 1000 万小时真实数据，来自真实的生活和作业现场。这些数据直接变成了具身智能模型可学习的 " 燃料 "。
第三层是布局未来。
京东规划了从 " 数字智能 " 到 " 附身智能 " 再到 " 物理智能 " 的三段式路线。
先通过数字智能改造京东现有业务，再通过附身智能争夺家庭和智能硬件入口，最后实现具身智能，让机器人在物理空间中感知、理解、决策、执行任务。
2025 年，京东物流计划五年内投入 300 万台机器人、100 万台无人车、10 万架无人机。2026 年 6 月，京东又投了主打通用世界模型的无界动力。京东的目标很明确：建成全球最大的物理世界运营中心。
这三层合在一起，构成了一套完整的 " 产业 AI" 逻辑。京东不是在做一个 AI 产品然后卖掉，而是把 AI 嵌入到整个供应链的每一个环节，从内部效率到外部生态再到未来布局，形成一个完整的闭环，重塑京东的整个成本结构和商业边界。
京东AI值多少钱？
商业边界被重新划定了，那划出来的地盘到底有多大？
如果用传统估值框架根本套不进去。它不卖 API，不独立上市，也没有单独披露 AI 业务收入。那怎么衡量它的价值？
亚马逊是离京东最近的对标。亚马逊也有电商、物流、机器人，全球部署超 75 万台。但它的 AI 长在硅谷里，有独立实验室、AWS 云服务，卖的是技术和基础设施。
京东反着来。亚马逊的 AI 值多少钱，看 AWS 营收增速；京东的 AI 值多少钱，看供应链成本结构被压低了多少。一个是技术公司的卖法，一个是产业公司的算法。
另外一家值得参考的是 Palantir。这家公司不训练大模型，而是帮政府和巨头企业整合分散的数据源，用 AI 提炼决策依据。2025 到 2026 年，Palantir 市值从数百亿美元冲到数千亿美元，资本市场给它的高估值，本质上是在为 " 数据驱动的产业智能 " 买单。
亚马逊也好，Palantir 也好，证明了一个事实：产业 AI 这条路，资本市场认。
但京东和它们都不一样。把京东 AI 拆开来看，每一个模块都能找到单独的对标公司，但没有一个能覆盖京东的全链路。
Ocado 和 Symbotic 把自动化仓做到极致，但卖的是系统，不是生意。Stitch Fix 把零售预测做到极致，但只做了推荐或快反，不是全链路。Synthesia 把数字人做成软件订阅，京东免费铺给 8 万商家，铺的是基础设施。Nuro 把无人配送跑通了技术，但没跑通商业模型，而京东的无人车是物流的成本项，不单独算账。
不止国外，国内的极智嘉、海康机器人、快仓这些物流机器人公司，智谱、面壁这些大模型公司，宇树科技这些具身智能公司，它们都在各自的垂直赛道里做得很深。但它们手里的，都只是京东产业 AI 版图中的一块拼图。
极智嘉可以把仓库机器人做到全球领先，但它没有零售场景；智谱可以训练出参数惊人的基座模型，但它没有物流数据；宇树科技可以把机器人硬件做到极致，但它不知道仓库里的 SKU 怎么摆放效率最高。
京东的特殊之处在于，它同时握住了所有拼图。自营零售提供需求数据，自建物流提供履约网络，供应链连接工厂和仓库，产业场景提供落地土壤。当 AI 同时掌握 " 卖什么、怎么卖、怎么送、怎么造 " 的全链路信息时，它能优化的空间是单点玩家的指数倍。
看懂了这些对标，就能理解京东产业 AI 的估值逻辑为什么很难用传统框架来衡量。
如果你把它对标 OpenAI 或智谱，按 API 调用量估值，那显然不对，因为京东根本不靠卖 API 赚钱。如果你把它对标亚马逊 AWS，按云服务的 PE 估值，也不对，因为京东的 AI 不是独立业务，而是嵌入在每一个业务环节里的 " 成本压缩器 "。如果你把它对标极智嘉或海康机器人，按硬件出货量估值，更不对，因为机器人只是京东 AI 的物理载体，不是全部。
京东产业 AI 真正的价值，在于它改变了 " 成本结构 " 这个词的定义。
传统零售的成本结构是什么？是采购成本、仓储成本、物流成本、人力成本、营销成本，各项相加。京东的 AI 不是在每一项上省几个点，而是在用 AI 重新设计这些成本之间的逻辑关系。
当 AI 可以预测需求时，库存成本就不仅是仓储费用，而是 " 预测准确率 " 的函数；当机器人可以 24 小时分拣时，物流成本就不仅是人力工资，而是 " 自动化率 " 的函数；当数字人可以免费直播时，营销成本就不仅是投放费用，而是 " 内容生产效率 " 的函数。
截至2026年6月30日，京东自由现金流达318亿元，同比增长44.6%。这正是AI重构成本结构后释放出的真金白银。
这个能力，短期内看不到直接的财务回报，但长期来看，它可能重新定义零售、物流、制造的成本底线。而这个底线，才是所有竞争对手最终必须面对的。
从这个角度看，京东现在 " 不靠 AI 赚钱 "，恰恰是因为它正在把 AI 变成比 " 赚钱 " 更底层的东西：整个生意的操作系统。
当然，京东的做法未必是唯一答案，但它走通了一条可以验证的路，那就是 AI 可以不靠卖模型、卖算力赚钱，而是靠改变产业的成本结构来创造价值。这条路一旦跑通，它的意义就不只属于一家公司了。
登录后才可以发布评论哦
打开小程序可以发布评论哦