在具身智能技術加速向工廠、家庭和醫療場景滲透的背景下，數據獲取與處理能力正成為制約行業發展的核心要素。京東近日宣布推出覆蓋全鏈路的數據基礎設施解決方案，通過整合硬件采集、數據清洗、仿真生成及交易平臺四大模塊，試圖破解行業長期面臨的數據規模不足、場景單一等難題。
該體系的核心在于構建全球規模最大的具身數據采集網絡。京東計劃動員60萬人參與數據采集行動，目標在兩年內積累1000萬小時真實場景視頻數據，覆蓋物流、零售、醫療等20余個行業。支撐這一計劃的硬件載體是自主研發的可穿戴設備JoyEgoCam，其4K級畫質與防抖技術可確保復雜環境下的數據質量，設備重量不足200克的設計則滿足了長時間佩戴需求。
采集后的原始數據將進入AI數據湖進行自動化處理。該平臺具備PB級吞吐能力，可對海量視頻完成清洗、對齊及預標注等操作，處理效率較傳統方式提升300%。通過JoyBuilder仿真平臺，系統能將真實操作數據轉化為百萬級仿真場景，實現跨本體、跨場景的數據遷移與擴增。京東技術委員會主席曹鵬指出，這種"真實+仿真"的混合數據模式，可有效解決傳統數據集場景覆蓋不足、跨設備適配困難等問題。
針對行業數據流通困境，京東同步上線具身智能數據交易平臺。首批開放的2000小時高精標注數據集涵蓋倉儲操作、醫療護理等6大場景，采用區塊鏈技術確保交易合規性。該平臺不僅提供京東自有數據，還通過開放接口接入合作伙伴資源，目前已與3家機器人企業、2家醫療機構達成數據共享協議。
京東的數據優勢源于其商業生態的深度積累。全國3600余個倉儲中心、超萬家線下門店及20萬藥房網絡，構成了天然的數據采集場域。以物流場景為例，分揀機器人的操作軌跡、AGV小車的避障數據等均可直接轉化為訓練素材。這種"生產即采集"的模式，使數據獲取成本較傳統方式降低60%以上。
行業數據顯示，我國具身智能市場規模預計在2030年突破4000億元，但當前訓練通用模型所需的數據量與市場供給存在百倍差距。曹鵬透露，京東正在研發新一代多模態大模型，該模型將整合視覺、觸覺及語音數據，計劃在2025年前實現復雜工業場景的自主決策能力。此次發布的全鏈路數據體系，被視為推動具身智能從實驗室走向產業化的關鍵基礎設施。
