界面新聞記者 | 查沁君
界面新聞編輯 | 文姝琪
在京東的一次高層會議上，集團高級副總裁、探索研究院副院長何曉冬曾帶著一條機器狗走進了會議室。這不是普通的機器人，它一邊跟著何曉冬行走，一邊用自然的語音與在場人員互動、聊天。
會議結束后，不少高管圍上來圍觀這條“能說會動”的機器寵物，甚至有人當場表示：“我也想買一條?！?/span>
這個看似輕松的“遛狗”畫面背后，是京東想要在AI和機器人賽道上施展拳腳的信號。在2025年世界人工智能大會（WAIC）上，京東正式發(fā)布具身智能平臺品牌“JoyInside”，與眾多機器人企業(yè)達成合作，不久前還一口氣宣布投資了三家機器人公司——千尋智能、逐際動力、眾擎機器人。
2025年，具身智能成為人工智能領域最火熱的新戰(zhàn)場。在剛剛結束的WAIC上，大模型和機器人相結合成為主旋律，展會現(xiàn)場幾乎變成了一場機器人技能秀。各大科技巨頭紛紛展示人形機器人、四足機器人、AI玩具與智能Agent系統(tǒng)，試圖搶占下一個AI落地風口。
然而，在何曉冬看來，具身智能并不只是“給機器人加上大模型”那么簡單，而是涉及“大腦（智能）+小腦（運動）+輸入輸出交互”的復雜系統(tǒng)工程。想要真正從實驗室走入家庭和生活場景，遠比想象中難得多。
“公眾對AI的期待值很高，所以它很容易在一個點就引爆。但是真正要落地，比如走入家庭，還有很多問題要解決。大模型本身也還沒有充分跟機器人結合。”何曉冬對界面新聞等媒體表示。
但他個人對行業(yè)比較樂觀，“任何產(chǎn)業(yè)只要開始走入用戶以后，特別是C端用戶，迭代速度會非常快，就像自動駕駛，機器人可能也會走類似的路徑”。
具身智能的“三件套”
如果用一句話概括具身智能，可以是 “有智能的物理機器”，或是兩足人形、四足狗，也可以是其他形態(tài)。
何曉冬對具身智能的理解比較寬泛，不局限于人形機器人，只要能在物理世界與用戶交互、且具備一定情商智商的智能體都屬于具身智能，但需要有以下三個核心模塊：
一是控制運動的“小腦”，確保機器能在物理世界行動，“完全沒有運動能力，體驗會有明顯欠缺”；
二是作為 "大腦" 的智能中樞，僅有運動能力會顯得單調(diào)，而“大腦”能提升可體驗性、交互性和感知性；
三是IO輸入輸出交互，這是常被忽視卻至關重要的一環(huán)，具身智能機器人涉及機器人、世界和用戶三方交互，用戶的命令、需求要被感知，機器人也要能給出回饋。
“市場上很多機器人公司擅長控制和運動技術，但缺乏大模型、語音交互、對話智能體等能力?！被谶@一認知，京東將JoyInside定位為“附身智能”平臺——“附身”在這些公司之上，補齊短板。
目前，JoyInside已與包括Fuzozo芙崽、火火兔、元蘿卜AI、心大陸、Folotoy、嚕咔博士、眾擎機器人、云深處、魔法原子等在內(nèi)的多家公司達成合作，并限時免費開放大模型技術接入。
不同于多數(shù)企業(yè)從工業(yè)機器人起步，京東具身智能的戰(zhàn)略重心開始傾向于家庭、陪伴等生活化場景。原因在于，這些場景不僅體量大、頻次高，也是最具用戶粘性和消費潛力的方向，更能驗證智能體與人的情感聯(lián)結能力。
以JoyInside與“云深處”合作的機器狗為例，這款原本用于管道巡檢的四足機器人，現(xiàn)在正變身為一款可交互、可陪伴的家庭寵物。它既能自主行走，又能聊天互動，還具備一定任務執(zhí)行能力，被何曉冬稱為“行走的搜索引擎”或“家庭助手的雛形”。
“這塊的空間會比原來大一個到兩個數(shù)量級，對用戶來說體驗也更直接。”何曉冬說。
他甚至將具身智能的普及類比于汽車的演進：“就像現(xiàn)在每家都有車，未來可能每家都有一個人形機器人或其他形態(tài)的機器人?！?/span>
除了技術平臺與產(chǎn)品合作，京東還在通過投資加速具身智能生態(tài)構建。就在WAIC召開前一周，京東先后宣布投資千尋智能、逐際動力（LimX Dynamics）以及眾擎機器人等三家機器人企業(yè)，持續(xù)加碼產(chǎn)業(yè)側投入。
對于投資策略，何曉冬在媒體溝通會中表示，京東看重三個標準：第一，具身智能是戰(zhàn)略性賽道，值得長期投入；第二，它能納入京東服務生態(tài)、帶來用戶體驗躍升；第三，只要符合“大腦+小腦+IO”的系統(tǒng)邏輯，就能被京東視為合作與投資對象，并透露下一步的投資計劃仍在推進中。
技術落地難題待解
具身智能無疑是今年最火爆的賽道之一，據(jù)IT桔子數(shù)據(jù)顯示，今年內(nèi)國內(nèi)具身智能行業(yè)的投資事件，已超過110起，總投資金額超過120億元。
就在剛結束的2025WAIC現(xiàn)場，機器人也是當之無愧的焦點，各類機器人上演“技能大比拼”，從翻滾、跳躍到精準操作，技術展示吸引了大量關注。這種熱度背后，是行業(yè)對具身智能的高期待，但也引發(fā)了“概念是否過熱”的討論。
何曉冬認為，公眾對AI技術的高期待容易讓某個領域快速“引爆”，但具身智能要真正落地——比如走進家庭——還有諸多難題待解。
“最典型的是手部操作?！彼e例，“手雖然小，但關節(jié)多，靈活度遠高于腳?，F(xiàn)在很多機器人能做前滾翻、后滾翻，但論自由度難度，可能還不如一只手的操作復雜。機器人要做服務，手部精準控制是繞不開的坎。”
另一大挑戰(zhàn)是大模型與機器人的深度融合。比如空間智能，讓機器人進房間后快速識別誰在什么位置；再比如語義理解，讓它把桌上的水杯拿過來，它要能精準定位是哪個水杯——這些看似簡單的場景，背后涉及視覺識別、語義推理、空間建模等多重技術，目前還沒完全解決。
盡管存在挑戰(zhàn)，何曉冬對行業(yè)前景仍持樂觀態(tài)度，他以自動駕駛為例，早期大家爭論先做L2還是L3，用模擬數(shù)據(jù)還是真實數(shù)據(jù)。但特斯拉先推L2，通過攝像頭收集大量真實數(shù)據(jù)，這兩年技術進步很明顯。機器人可能也會走類似路徑——先落地到具體場景，積累用戶數(shù)據(jù)，再快速迭代。
在他看來，面向C端的機器寵物可能是率先爆發(fā)的賽道?！梆B(yǎng)一只真狗成本高、麻煩多，要喂食、遛彎、處理衛(wèi)生，而高情商的機器狗能提供類似的陪伴感，還不用費心照顧，市場潛力很大。”
在具身智能進入C端市場的過程中，如何控制token消耗成本、實現(xiàn)商業(yè)變現(xiàn)，也成為企業(yè)普遍面臨的問題。
Fuzozo芙崽的開發(fā)企業(yè)珞博智能創(chuàng)始人孫兆治在接受界面新聞等媒體采訪時稱，產(chǎn)品上線以來用戶平均每日使用時長達1-2小時，token（大模型調(diào)用成本單位）消耗量非常驚人。“這類產(chǎn)品并非簡單對話機，而是背后有復雜的agent機制和情緒、記憶管理能力，每次交互都在調(diào)用多種模型?！?/span>
“目前沒有哪家公司靠賣token掙錢?！焙螘远Q，“如果純拼token單價，只會導致價格越來越低，體驗越來越差，形成不健康的生態(tài)，就像早期智能音箱的價格戰(zhàn)，最后大家都把體驗放在了后面。”
在定價機制上，F(xiàn)uzozo將采用“月度付費會員制”，而非一次性買斷，“希望做成類似美國SaaS公司的模式”。
目前來看，雖然具身智能的風口已至，但從爆款產(chǎn)品到真正可用的系統(tǒng)，還有很長一段路要走。