AI进入物理世界，京东物流为什么选择了一条「不性感」的路
上世纪90年代，丹佛国际机场曾经想造一座未来机场。
最能体现他们野心勃勃的一环，是让行李彻底告别人工：从值机柜台出发，自动小车沿地下轨道高速穿梭，把行李直接送到对应航班。
结果，未来没按时到来，反而成了机场的噩梦。
行李被送错、小车堵死轨道、包裹被挤压损坏，机场开港被推迟了整整16个月，每天为一座空转的机场支付超过100万美元的利息和维护费。
近30年后，同样的故事在特斯拉弗里蒙特工厂重演。
2018年，特斯拉团队为了把一块柔软的玻璃纤维垫放到电池包顶部，团队设计了一台结构复杂、配有视觉系统的机器人，但它经常抓不起垫子、放错位置，反而拖累整条产线。马斯克随后追问了一个更基础的问题：这块垫子到底有没有必要？对比测试发现，装与不装，车内噪声毫无变化。
两个相隔近三十年的故事，本质上是一个内核：当单兵或者单线程的进化，无法匹配整个系统时，再先进的技术也会成为拖累。机器越能干，生产未必越有效率。
今天，类似的狂热正在具身智能重演。根据IT桔子数据，2026年上半年，中国具身智能领域融资322起、总额约935亿元，是去年同期的5倍。但机器人行业最热闹的故事，大多发生在实验室和Demo里，在严密控制的稳定环境里，机器人会叠衣服、会做饭、会进工厂，进步看似很快。
但很少有人算过这笔账：Demo场景、家用场景与工业级场景，对效率和可靠性的要求标准，差距到底有多大？当任务基数从几十次变成一天5.5亿次，当环境从灯光稳定的展台变成每天几千万种SKU、包裹形态千奇百怪、随时有人走动的仓库，那些精心编排的Demo，还剩多少说服力？
物理AI离真实落地的“奇点”，到底还有多远？
物流：把物理AI拉回现实的练兵场
2026年世界机器人大会上，包裹分拣跟料箱搬运几乎成了具身智能最拥挤的展示赛道，十多个人形机器人整齐一致地分拣快递包裹，不少游客笑称“机器人太多，快递包裹都不够分了”。
热闹是真热闹，但这些场景大多是分散的、零碎的、缺少串联的：一台机器人在展台上完成一次漂亮的分拣，跟真实世界里物流行业天文数字级的系统复杂度相比，犹如沧海一粟。
真实物流环境，对物理AI提出了高密度、高强度的现实考验。
你知道中国每天有多少件快递包裹在路上吗？根据国家邮政局及央视财经数据，2026年上半年，中国快递日均业务量约为5.5亿件，在618等大促期间，单日最高业务量能够达到7.77亿件。5.5亿件包裹背后，是5.5亿次揽收、运输、分拣、投递。高频的物理动作之下，容错率被压到极致。
与此同时，物流行业的复杂度，远超人们想象。
以“仓储+供应链+配送一体化”京东物流为例，根据财报数据，截至2026年6月，京东物流仓储网络总管理面积超过3600万平方米，约等于5000个标准足球场，其上奔波着超7万辆自营运输车辆、13架自有全货机、超60万名自有配送操作人员，以及1.9万多个配送站与网点。
与此同时，其覆盖的场景也极其复杂，海岛、乡村、城市、跨境出海，不同情境下要攻克的问题完全不同，非标化极重，需要数十万名快递员靠人海与汗水托起这个庞大的系统，亟待物理AI的减负。
物流行业并非从这一轮物理AI热潮才开始自动化。早在十多年前，物流行业就陆续已经引入了输送线、分拣机和搬运机器人，逐渐将最容易标准化、最容易自动化的部分完成了80%。
剩下的20%，才是真正的“硬骨头”。
例如，在商品拣选、非标包裹码放等环节，物品的形态与作业环境不断变化，机械臂抓偏包裹，无人车撞上障碍，机器人拿错商品，立即影响后面的履约环节；仓库本身也很少保持理想状态，一座仓里可能有十几万种SKU，同一件商品的摆放姿态并不固定，纸箱会变形，软包可能滑落，临时增加的货架和地堆还会改变原有动线；订单波动又进一步增加了运营难度，按照高峰配置机器人，平时可能有大量设备闲置，只覆盖日常单量，又要为高峰期留下人工补位的空间。
所有的非标问题一条条叠加起来，成为挡在物理AI落地前的一个个黑洞，阻挡着奇点的来临。
行业并非无动于衷。大量具身智能企业扎堆涌入物流行业正是实例，例如星动纪元宣布进入顺丰、中国邮政的十余个物流中心，瞄准供包、分拣等环节；九识智能与菜鸟合作组建无人车队，瞄准运输环节；赛那德自主装卸机器人则紧盯自主卸货、读码、码垛等环节。
在它们之外，京东物流也提供了一个极佳的观察样本。
众所周知，由于长期直营仓储、配送和供应链，京东物流的人工、仓网、设备都直接进入自身成本结构。这也就意味着，每一个周转环节每提高一个百分点效率，理论上都能直接作用于自己的利润表，这其实是一个驱动力极大的内部ROI验证场。
不久前的9月9日，JDD京东全球科技探索者大会上，京东物流展出了自研工业级大模型“超脑3.0”，更集中发布和升级了异狼、低温版智狼、仓狼、母狼健康版、独狼第六代Plus、飞狼L05等多款新品，让整个“狼族”机器人体系升级至九大品类，十一款机器人，将整个物流产业链的存储、搬运、分拣环节，全部覆盖，似乎是物理AI进驻现实的绝佳答案。但，事实真是如此吗？
想要看明白这条链路，我们不妨从一个包裹的旅程讲起。
一个包裹的旅程
想象一个场景：你在京东APP里浏览商品，甚至还没按下付款，只是把商品拖进购物车，京东物流的整个系统已经开始运转。
“超脑3.0”率先介入：它预测订单、分析库存、规划路径，然后像大脑向神经系统发令一样，把指令下发给分布在仓库、车辆和配送站里的每一台设备、每一个人。
如果把这套“超脑”+“狼族”的系统比作一个人，“超脑”是它的大脑，“狼族”机器人则是它的躯干与四肢。大脑负责思考，预测订单、规划路径、调度资源；躯干与四肢负责执行，取货、拣选、码放、接驳。
京东物流是国内仓储智能化领域的先行者之一。早在2016年，京东物流就建成了行业首批无人仓，此后逐步试水“地狼”AGV、“天狼”托盘机器人、“保姆狼”分播墙等设备；2023年，京东物流又推出“智狼”货到人系统，再加上“飞狼”无人机等，组建成为“狼族”机器人军团。
从“狼族”机器人的底层命名思路可以看出来，京东物流从一开始强调的就不是“单兵作战”，而是模仿狼群群体作战的生物特性，让机器人在供应链各个环节形成集群协同。在“超脑“调度下，不同机器人承接仓储、拣选、搬运、配送不同环节，联动协作产生的价值，远大于各台机器人单独作业之和。
在“超脑3.0”发出指令后，躯干与四肢立刻响应，接下来，这件商品要被找到、取出、搬运、分拣、运输，最终送到消费者手里。
第一步，是先把商品从仓库里取出来。
过去，拣货员一天要在仓库里走三四万步，来回奔波，从一个个货位里找齐一张订单的商品。智狼的出现改变了这一点。作为仓内的“接力手”，“智狼”机器人沿立体货架升降取箱，地面小车负责搬运，两类设备解耦、各司其职。它最大的本事，是把存储做到了12米净空——而行业里多数货到人产品只能利用3到5米的净空。
而且在“算账”层面，京东物流的研发人员向36氪透露，团队通过订单量、租金、坪效人效，反推单机成本和研发方案，把“智狼”的投资回收期压到了两年。在重资行业里，两年几乎是一个快到惊人的回报期。物流行业对自动化设备的要求通常是三年，京东物流直接提速了1/3。据京东物流数据，智狼体系目前在内部每天支撑着近百万单履约，连英国、德国的海外仓都已跑通。
顺便一提，京东智狼家族里还有一位“抗冻战士”。在9月9日的JDD京东全球科技探索者大会上，亮相了新款“低温版智狼”，主要瞄准冷链场景。冷库常年零下20度，工人在里面穿着棉服作业，效率不到常温仓的一半，流失率居高不下。低温版智狼把料箱存储带进冷库：材料做了预收缩补偿，供电换成非接触式无线方案，人在冷藏区拣选，效率接近常温仓，与冷库作业区完全隔离——人不用再进冻库了。
不过，如果商品存放在普通的人工货架、老仓、租赁仓里呢？这是更庞大的存量市场。传统自动化改造的前提，往往是“把仓库改造成机器人喜欢的样子”，例如停产6个月，改货架、划巷道、挪储位，绝大多数小仓、旧仓、老仓根本承受不起，“算账”也划不来。
这时候就轮到“仓狼”出场。仓狼是巷道里的“拣货员”，它直接开进现有仓库，在窄巷道里辨认商品、伸臂抓取。依托自主建图能力，仓狼驶入仓库后就能快速生成环境地图；它还可兼顾巡检盘点任务，在拣货间隙自动核查货架货品。不需要改造货架、不要求仓库适应机器人，机器人直接开进人工作业的仓库，在窄巷道里自主拣选，2周即可完成部署，整仓商品覆盖率超过85%，拣选准确率99.9%，综合拣选效率每小时80件。可别小看80件这个数据，它虽然还比不上最优秀的人类，但它让过去被自动化遗忘的存量仓库，第一次有了参与智能化的资格。
更关键的是，配合“超脑3.0”，“仓狼”可以实现兼容原有人工作业，产能平峰时由部署的机器人承担任务，遇到促销等产能波峰时，系统在上游统一规划人机动线，同一个SKU既可以被机器分拣也可以被人工分拣，真正让物理AI走进仓库。
商品完成拣选、打包后，接下来要按照目的地分流。我们来到了“异狼”的分拣场。
这是整个链条里最苦、最累、也最容易被机器“卡住”的环节。在分拣场里，一位熟练的码货工一天要弯腰几千次，把形态各异的包裹搬进笼车。传统机械臂对软塌的编织袋、鼓包的气柱袋、不规则异形件几乎无能为力，这正是全球自动化公司都绕不开的“非标难题”。
此时，轮到“异狼”出场了。拥有工业灵巧手的异狼，是整条流水线上最酷的“码货工”。研发人员告诉36氪，动手之前，异狼能从京东物流的内部“大脑”里拿到这单包裹的下单时间、出库库房、去向，实时判断尺寸、材质、分拨去向。
随后，异狼通过视觉、力觉、触觉的多传感融合，能够模仿人的大脑与感知，使用自己近100种“手型”，配合视觉、力觉、触觉的多传感融合。例如，判断包裹表面平整的用“吸”，不平整的用“夹”，异形件“吸夹一体”，10秒完成一次从识别到码放的全套动作。
在码垛时，码满一笼车大约要码50-60个包裹，异狼又能聪明地遵循“重物不压轻物”的原则，先在“脑子（云端）”把物理属性模拟一遍，就像人码箱子前，先在脑子里过一遍怎么摞最稳，选择最优方案再执行。
同时，力控反馈让异狼能够学会像人一样推一推、挤一挤、塞一塞旁边的包裹，感觉到阻力就自动停下，把包裹间隙压到最小。研发人员形容，以前码垛像“堆俄罗斯方块，各摞各的、不敢互相搭着”；现在敢交错垒了，“倒垛率”肉眼可见地下降。相比之下，业内大量分拣、码垛机器人用的都是标准纸箱、标准流程，其难度不在一个量级。
京东物流透露，异狼累计完成超过1300万件真实包裹的抓取与码放，在众多园区实现7×24小时常态化生产，单件作业成本较人工分拣下降20%以上，率先实现单机UE（单位经济模型）转正，人工介入率低于千分之一。
随后，我们包裹的旅程继续。
离开仓储和分拣，京东物流“独狼”是地面的“接驳员”。末端配送占了整个物流配送环节约50%的成本，独狼做的事，是把快递员从站点到路区之间每天两三次的往返接过来，让小哥把时间留给最后一百米的送件与揽件。你叫一个快递，10分钟上门取件，半小时后进度条就更新了。
如果目的地需要跨山、跨河或前往海岛，“飞狼”无人机则是空中最特殊的“接驳员”，其载重5公斤、航程40公里、巡航速度72公里/小时，支持机械臂自动换电换货，能够实现整个运营周期的全无人化。
此外，还有无人药房“母狼健康版”，以及跑了许多年的“地狼”AGV、“天狼”托盘机器人、“保姆狼”分播墙等——一个完整的“狼族”，几乎覆盖了整个物流链路。而这一切的调度中枢，是“超脑3.0”。它把亿级包裹的端到端路径规划从分钟级压到秒级，基于小时级货量预测动态调整网络；决策不再停留在辅助层面，而是直接下发给设备和一线员工。
更重要的是，今天，这套“超脑”大模型+“狼族”机器人系统已经在全国超20个省份、全球超10个国家部署，应用于超过1000个场景，将物流产业链中那些最苦、最累、最需要一天步行几万步、弯腰几千次的艰苦环节逐渐解决，让操作员们不用再靠血肉与汗水撑起这个庞大的系统。
也许这才是物理AI走进生活的真实意义。
物理AI的后半程
回看过去二十年，机器被编程为标准化的动作，解决标准化的问题。这是自动化的逻辑。接下来的十年，机器人要自主解决一个“没有被编程过的世界”，货架会歪、包裹会变形、人会突然走过、订单会波动。机器人必须学习现实世界，而不是等待世界为它简化。
而现实世界，恰恰是物理AI最大的卡点。
现实世界是复杂的，复杂到所有人形机器人公司都在抢真实场景数据。2026年上半年，行业融资明显向“数据采集”倾斜，光轮智能两周两轮融资20亿元，成为全球首个具身数据独角兽。数据，正在成为物理AI最稀缺的燃料。
这或许是京东物流最独特的地方。它不仅从场景里长出了“机器狼”，更能把数据能力外溢给整个行业。
今年3月，京东就宣布要建设全球最大的具身智能数据采集中心，发动60万人，两年内采集1000万小时高质量数据。而在9月的JDD京东全球科技探索者大会，京东不仅披露了这1000万小时数据采集行动的初步进展，更是宣布目前首批开源的数据集EgoLive已对外开放，超过8个国家、百所高校和科研机构申请使用。
跟大量需要额外采购的数采公司不同，数据只是京东物流日常运营的副产品，它们来自自己的仓库、产线和配送站，几千个货架，上千万种SKU，构成了其他公司难以复制的壁垒，也正逐渐变成行业的公共基础设施。
回到开头的问题：物理AI的落地“奇点”到底在哪里？
答案不在发布会的大屏幕上。物理AI的落地“奇点”，出现在仓库连续运行的第1000万个小时里，出现在人工接管次数下降的曲线上，出现在每单成本便宜几分钱的账本里。
这也是为什么，在这场物理AI的热潮之中，京东物流是一个极有代表性的行业案例。它的所有实践，都不仅在为自己提升物流运转效率，更是在试图为整个具身智能行业趟出一条能走通的路。
京东物流把这套“超脑”+“狼族”的系统跑通后，等于把一个日处理数亿件量级的真实世界，变成一个巨大的物理AI压力测试场。一款机器人在展台上跑通不叫落地，能连续跑上千万个小时、把人工介入率压到千分之一以内、把投资回收期算进两年以内才叫真正落地。
回过头看开头的两个故事，丹佛机场跟特斯拉工厂栽的是同一个跟头——让单点的先进技术，去硬扛一整套没有被重新设计过的系统。京东物流给出的答案却是反过来的，是直接从3600万平方米仓储网络、7万辆运输车、以及1.9万多个网点中“长出来”的。
当别人秀参数、秀跑分、秀融资、秀Demo的时候，京东物流在算另一笔账：这台机器能不能连续跑、能不能进闭环、效率能不能再提高一个百分点、项目能不能复制到下一座仓库。
京东物流选择的不是一条不性感的路，而是一条重新定义性感的路。当AI不再表演智能，而是开始对真实世界负责。谁先定义这种负责，谁就定义下一个十年。
