電廠 | 京東的“具身智能超級供應鏈”，從數據開始

記者 何暢

繼宣布將建成全球最大具身數據采集中心之后，京東在具身智能領域又有新動作。4月16日，京東舉辦具身智能生態發布會，發布具身智能數據基礎設施全景圖，覆蓋“采、存、標、訓、評、仿、測”，自研超高清采集終端JoyEgoCam、具身大模型JoyAI-RA、具身智能數據交易平臺等先后亮相。

當前，具身智能正在加速進入應用場景。但一個問題在于，缺乏高質量、可用性強、真實場景下交互的數據。由于硬件標準不一、數據采集流程分散，采集到的數據難以直接用于模型訓練。數據、硬件、算力和模型共同限制了具身智能所能發揮的作用，以至于人們往往調侃“只能看機器人翻跟頭、轉手絹”。

一直以來，京東都在強調供應鏈方面的優勢。某種程度上來說，隨著前述基礎設施的搭建和使用，京東希望打通從數據采集到模型測試的全流程閉環，將原始雜亂數據精煉為驅動模型進化的高價值“數據燃料”，并推動具身智能在零售、物流、物流、工業、健康等場景的規?；虡I落地，打造自己的“具身智能超級供應鏈”。

京東稱，將發動最多60萬人進行數據采集行動，在兩年內積累1000萬小時人類真實場景視頻數據，由超過10萬京東員工和50萬外部協作人員共同參與，包括京東線下零售業態的店員、京東物流的快遞員、京東家政的保潔人員等。電廠了解到，除了采集設備，現階段京東也會為這些參與采集的人員提供一定的報酬。

談及當前數據采集的難點，京東集團副總裁、京東云基礎云業務總經理龔義成告訴電廠，首先是如何找到對具身模型有用、可定義、可規?；臄祿安杉臄祿S度很重要”。其次是大規模數據的處理，涉及很強的技術性和成本的控制。除此之外，還需要考慮模型數據的飛輪，“數據對模型要有效”。

會上，京東云自研的可穿戴式超高清采集終端JoyEgoCam亮相。京東方面介紹，JoyEgoCam配備4K高清攝像頭，支持60幀幀率與130度超廣角拍攝，可實現毫秒級動作細節捕捉，重投影誤差小于0.2像素，整機重220克，內置車規級6軸IMU與多傳感器融合單元，可以“即戴即采”，讓普通人也能完成專業級數據采集。而除了通過頭部設備對數據進行采集，未來京東還將進行手部、肢體乃至整個動態軌跡的采集。

接下來的流程也相對清晰：經過采集的數據進入上傳和加工階段，匯入AI數據湖平臺后，經PB級吞吐能力自動完成清洗、對齊、轉換與預標注，轉為標準訓練集。JoyBuilder仿真平臺批量生成高逼真仿真數據，一站式實現人類操作數據→仿真操作數據→真機操作數據的高效數據增值轉換與泛化擴增。治理后的數據再匯聚至JoyBuilder模型開發平臺，自研AI算子矩陣貫穿始終，涵蓋去畸變、語義描述、深度重建等環節。目前，京東日處理數據量已達數十萬條，數據有效率達95%，整體處理成本降低60%。

模型反哺數據標注與采集，數據質量越高，模型迭代效率與精度越高。京東方面透露，以自采數據為核心訓練的京東具身大模型JoyAI-RA，在真機實驗上成功率達到73.5%。

同步上線的還有京東具身智能數據交易平臺，匯聚京東業務場景下的多模態數據資源，支持數據方、開發者、應用方多方協同。平臺首批定向開放2000小時高精標注數據集，技術社區也即將上線。

“京東認為整個具身領域發展到今天還是一個非常早期的階段，我們希望通過這樣千萬小時的數據采集項目，通過京東的微薄之力為整個行業做一點事，推動整個行業快速發展，也希望各位伙伴能夠加入我們的項目，一起推動具身行業繼續向前發展。”京東集團技術委員會主席、京東云總裁曹鵬說道。