每經(jīng)記者｜王郁彪    每經(jīng)編輯｜畢陸名    

“龍蝦”火爆出圈、機器人跳舞打拳刷屏、數(shù)字人直播帶貨“如假包換”，隨著AI技術(shù)的加速迭代，整個行業(yè)也來到了尋找場景落地的關(guān)鍵期。如何實現(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)應用的階段性進展，包括開源大模型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，京東集團相關(guān)技術(shù)負責人在接受《每日經(jīng)濟新聞》記者（以下簡稱“每經(jīng)記者”）采訪時表示，“龍蝦”這個放大器的作用肯定在今年還會持續(xù)，預計到今年底或明年此時，我們有望看到L4級模型問世；屆時，許多大家現(xiàn)在想象不到的應用方式將百花齊放。

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”，相對傳統(tǒng)數(shù)字人擁有更自然靈動的交互形態(tài)。每經(jīng)記者在現(xiàn)場觀看數(shù)字人“吃播”示例時，明顯能夠感覺到其在動作、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競賽，國內(nèi)科技大廠的角力場幾乎完全轉(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，全方位對準產(chǎn)業(yè)端，能否后來居上？

談“龍蝦”競賽：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”成了近來科技圈關(guān)注的焦點。

相較于推出自家“龍蝦”產(chǎn)品，京東云選擇基于JoyAI大模型，通過開源OpenClaw架構(gòu)推出輕量云主機一鍵部署、一體機等產(chǎn)品形態(tài)。

該技術(shù)負責人告訴記者，很多人看到的是“龍蝦”，我們看到的其實是模型。

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

在問及現(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，該技術(shù)負責人指出，核心問題仍在于基礎(chǔ)模型的能力。去年的基模能力剛剛突破第二級，即便是去年爆火的DeepSeek，也僅處于Reasoning（推理）層級，其模型層面尚未具備Agentic（自主代理）特性。

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

在技術(shù)路線層面，該技術(shù)負責人則認為，可能很快就會看到大模型進入下一個Innovation層級，即模型本身具有創(chuàng)作能力?！斑@個創(chuàng)作不是簡單的創(chuàng)作一段話或者一首歌，而是真的在一些高難度的，需要人類充分發(fā)揮智慧的地方，AI去替代。當然現(xiàn)在還沒有發(fā)生，可能一年內(nèi)就會發(fā)生，但這個技術(shù)路線是確定的?！彼M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間，快的話可能今年年底就會見分曉。能不能趕上這一波Agentic模型，再趕上Innovation模型，對于一家公司來說，窗口期可能就一年的時間。

“不過，‘龍蝦’這個放大器的作用在今年還會持續(xù)，L4級別的模型出來，那時候又會有很多大家現(xiàn)在想象不到的應用方式百花齊放?！痹摷夹g(shù)負責人表示。

首發(fā)“自由態(tài)數(shù)字人”，但規(guī)?；瘧萌詾楫斍疤剿髂繕?/h2>

在觀看京東數(shù)字人JoyStreamer技術(shù)進展時，每經(jīng)記者注意到，目前數(shù)字人行業(yè)三大技術(shù)痛點正被逐一解決，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與靈活擺姿，具備鏡頭跟隨及流暢出畫入畫的能力，且在臉部遮擋場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酶M一步？京東數(shù)字人相關(guān)負責人告訴記者，規(guī)模應用最大的挑戰(zhàn)在于，減少商家端的實際操作，不要對其生成有太多依賴條件。比如，原來30分鐘拍攝素材，到3分鐘再到單張圖片。

“去年我們推出的復刻模式是，其歷史直播過的素材都可以用來做數(shù)字人直播的生成?！彼硎尽?/p>

每經(jīng)記者了解到，在解決數(shù)字人規(guī)模應用的問題上，Agent（智能體）技術(shù)產(chǎn)品的出現(xiàn)也帶來了一些利好。該負責人舉例稱，目前會通過Agent打通目前已在平臺上錄入的海量信息，包括商品本身、優(yōu)惠活動等問題。一來是可以準確、高質(zhì)量地回答用戶問題，二來是可以減少對商家的依賴，這使得該方案適用于數(shù)字人的大規(guī)模推廣。

數(shù)字人在應用過程中的實際收效如何？每經(jīng)記者從京東方面了解到，直播間的轉(zhuǎn)化是毫無疑問的最終業(yè)務指標。但也會看過程指標，比如，用戶在直播間停留時長是多少，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，具身智能賽道多筆大額融資落定。此外，3月20日，上交所受理宇樹科技科創(chuàng)板IPO申請，預計募資規(guī)模42.02億元，有望成為A股“人形機器人第一股”。

京東去年在具身智能領(lǐng)域罕見地完成了“六連投”，且近年來多次發(fā)布機器人產(chǎn)業(yè)計劃。前幾日的中國發(fā)展高層論壇2026年年會上，京東集團CEO許冉透露，京東正在建設(shè)全球規(guī)模最大、場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，就是真實場景數(shù)據(jù)匱乏，導致模型訓練不足，進而影響產(chǎn)業(yè)落地。“在兩年內(nèi)我們將積累超過1000萬小時的真實場景數(shù)據(jù)，覆蓋物流、家庭、城市等五大場景?！痹S冉稱。

對于該項目的進展，京東相關(guān)負責人在此次采訪中透露，數(shù)據(jù)采集過程中，京東將發(fā)動內(nèi)部超過10萬名各類職業(yè)員工，以及外部最多50萬各行業(yè)人員，其中在宿遷就將發(fā)動超10萬市民，開展“人類規(guī)模最大的數(shù)據(jù)采集行動”。

每經(jīng)記者了解到，該項目具體落地執(zhí)行周期為，未來一年內(nèi)，積累500萬小時人類真實場景視頻數(shù)據(jù)，兩年內(nèi)將超1000萬小時，并同步采集100萬小時機器人本體數(shù)據(jù)。

京東具身智能業(yè)務相關(guān)負責人告訴記者，剛開始大家都關(guān)注機器人的硬控和VLA雙臂或者靈巧手的操作，讓機器人表現(xiàn)得像人，能聽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器人和機器狗的公司都已經(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無阻導航（視覺語言導航）這一塊，并將其集成到我們的JoyInside里，去結(jié)合不同的機器人和機器狗，做更多人機交互的工作。”該負責人補充說。

封面圖片來源：楊卉