2026世界人工智能大会（WAIC）正在上海如火如荼地举行，本届大会吸引了超过1100家人工智能企业参展，规模创下历史新高。与往年不同的是，今年展会上出现了超过300台人形机器人，它们现场演示打螺丝、制作咖啡、搬运纸箱等任务，充分展示了在复杂环境中的适应能力。
行业专家指出，当前人工智能领域在实现智能化的技术路径上尚未形成统一意见，但普遍认为具身数据的短缺是制约行业发展的关键因素。据统计，在过去一年中，15家专注于数据服务的独立具身数据企业共获得约44.7亿元融资，显示出资本市场对该领域的重视。
作为国内领先的数据采集企业，京东在大会期间宣布开源行业最大规模的人类视角数据集EgoLive，并公开了JoyAI全矩阵模型，涵盖图像、视频、音频等多个领域。同时，京东还展示了首款应用于家庭物理场景的硬件产品方案JoyInside"AI Home"，展现了其在模型、数据、终端和场景协同发展方面的战略布局。
京东集团副总裁龚义成在大会期间透露，公司已启动大规模具身数据采集工程，自主研发了量产级第一视角采集设备。这些设备能够全面记录手部动作轨迹和多模态感知数据，为跨本体模型训练提供支持。他强调，数据精度和场景多样性是决定数据质量的关键因素。
在模型训练方面，京东探索研究院副院长段楠表示，团队研究发现，将具身数据与合成数据按适当比例混合训练，能够显著提升模型在仿真和实际环境中的表现。这一发现为优化训练方法提供了新的思路。
龚义成进一步指出，高质量数据对模型训练至关重要。实验表明，使用1万小时优质数据训练的模型，其泛化能力和任务准确率大幅提升；而加入相同时长但质量较低的数据后，模型性能反而下降。这凸显了数据质量在训练过程中的决定性作用。
关于有效数据的标准，龚义成认为，首先要确保数据能够精确描述物理世界的交互过程；其次要覆盖多样化的真实场景和任务类型。他特别强调，数据标注的准确性直接影响后续模型训练的效果，对轨迹等关键信息的标注要求极高。
智元合伙人姚卯青在接受采访时表示，具身数据的采集和处理是技术门槛较高的环节。企业不仅需要具备大规模高效采集能力，还要建立复杂的数据处理管线，包括算法优化、存储传输等基础设施。他警告说，盲目采集数据可能无法为模型训练提供有效支持。
随着行业发展，数据采集领域的竞争焦点正在从单纯追求数据量转向提升处理效率。这包括降低标注、质检等环节的成本，以及优化整个数据处理流程。据《中国具身智能产业发展报告(2026)》显示，截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，远不能满足需求。
龚义成透露，京东通过技术创新已将数据处理成本降至年初的八分之一以下，这为大规模应用和模型训练奠定了基础。他强调，降低数据处理成本是实现行业规模化发展的关键前提。
