潘越飞：你是说，如果训练数据不够，换个箱子你就可能不会搬？
机器人：不光是搬。箱子的大小、摆放位置变了，怎么伸手、怎么抓取、用多大力度，都可能需要重新适应。
潘越飞：这还不简单？我现场给你拍一个！
机器人：但拍视频只是第一步，还要清洗、标注，再结合动作轨迹等数据，才能更好地支持模型训练。
潘越飞：明白了。你要的不是一段视频，而是能让你真正学会干活的数据。
缺那种真实人类在真实环境里，抓取、分拣、操作的，第一视角视频、动作轨迹，以及按任务需要采集的力觉、触觉数据，这种高质量、适配具体任务的数据，并不好获取。
所以这次我来到乌镇互联网大会，就是来找一个，最适合机器人的现实世界实验场。
你别说，还真找到了一个。
在京东的仓储、分拣、配送等业务场景里，一线员工每天都在完成真实的操作任务。这些持续发生的操作，为采集高质量训练数据提供了丰富的来源。
更关键的是，京东还自研了 JoyEgoCam 采集设备，采集第一视角操作视频，记录手部操作过程和人与物体的交互，经过清洗、标注和质量校验，转化为支持物理 AI 训练的数据。
有了数据之后呢？
京东把云、数、模、端、场、链，连接起来，做成了一个 " 超级 AI 供应链 "！云提供算力，数提供数据，模型支撑任务理解与决策，端负责执行，场负责验证，链负责产业落地，最后形成了一个持续循环。
现在，京东的目标是，计划两年内积累 1000 万小时人类真实场景视频数据，并同步采集机器人本体数据。
Open X-Embodiment 等开源数据集，已经汇集了大量真实机器人操作轨迹。
京东想做的，是依托真实业务场景，持续积累覆盖更多任务的高质量数据。
不光能跑通，还要全行业赋能。
京东还推出了具身智能数据交易平台，把相关数据服务能力开放给行业。
自己做验证，把能力开放给生态，让更多机器人公司用上数据和工具，推动行业协作。这些服务能否真正帮助企业降低研发和部署成本，才是关键。
物理 AI 这条路，最终拼的不是谁的算法更酷，而是谁能让机器人，在真实世界里稳定工作。
这就是物理 AI 时代的护城河，不在云端，在地面。
AI 的下半场，属于主动从屏幕走到现场，让机器人走进工厂、门店和千家万户的玩家。
