京東MALL的線下門店里，千尋智能的小墨機器人正有條不紊地制作咖啡，取杯、研磨、萃取，每一個動作的完成，背后都是一次真實物理世界的交互數(shù)據(jù)采集。這是具身智能頭部玩家千尋智能與京東達成深度戰(zhàn)略合作后的首個落地成果。當整個行業(yè)還被真機交互數(shù)據(jù)短缺、采集成本高企的難題困住時，這場合作讓具身智能的“數(shù)據(jù)閉環(huán)”從概念走向了真實的落地場景，并逐步從單點驗證邁入加速落地的新階段。

2026年3月，具身智能頭部企業(yè)千尋智能與京東集團正式簽署戰(zhàn)略合作協(xié)議。雙方宣布將在2026年至2029年期間，圍繞消費級產(chǎn)品定制、技術合作、場景開放落地及營銷共建等方面展開深度合作，共同推動具身智能技術在零售領域的加速應用。

需要關注的是，不同于以往科技企業(yè)與場景方的淺層合作，此次雙方打造了“技術+場景+數(shù)據(jù)”的三位一體落地范式，京東從單純的零售渠道方，轉變?yōu)榍ぶ悄艿摹皵?shù)據(jù)合伙人”，而千尋智能也不再是孤立的技術提供方，而是與場景方深度耦合，共同打通從數(shù)據(jù)采集、模型訓練到商業(yè)落地的全鏈路。

行業(yè)普遍認為，2026 年是具身智能商業(yè)化落地的關鍵一年，而數(shù)據(jù)稀缺問題，正成為制約其在真實商業(yè)場景中跑通落地的核心瓶頸。千尋智能與京東在具身智能數(shù)據(jù)領域?qū)崿F(xiàn)關鍵突破，有效破解了產(chǎn)業(yè)化落地的“最后一公里”難題。

01.

為什么零售場景，會成為具身智能模型進化的關鍵戰(zhàn)場？

千尋智能選擇與京東合作，劍指具身智能模型進化最關鍵的真實場景數(shù)據(jù)。在具身智能發(fā)展進程中，物理世界的真機交互數(shù)據(jù)遠比互聯(lián)網(wǎng)時代的圖文數(shù)據(jù)更為珍貴，也更難獲取。而京東覆蓋全鏈路的零售真實場景，恰好能夠持續(xù)產(chǎn)出這類高價值數(shù)據(jù)。

在京東 MALL 的咖啡制作場景中，依托京東JoyAI大模型與JoyInside技術的支持，遙操員可跨地域?qū)oz機器人實現(xiàn)高精度遠程操作，完成咖啡制作這類非標準化復雜任務。在整個操作過程中，機器人會同步采集多模態(tài)感知數(shù)據(jù)、關節(jié)運動軌跡以及精細力反饋信息。這些數(shù)據(jù)并非實驗室中的仿真合成數(shù)據(jù)，而是包含真實環(huán)境變量、操作邏輯的 “專家級數(shù)據(jù)”，其豐富度與真實性是仿真數(shù)據(jù)無法比擬的。

更關鍵的是，這些從零售場景中采集的高價值數(shù)據(jù)，將直接接入千尋智能的模型訓練體系，用于 Spirit VLA 模型的即時訓練與微調(diào)。機器人每完成一次場景操作，就同步完成一次數(shù)據(jù)采集，模型也隨之完成一輪迭代優(yōu)化。這套 “場景操作 — 數(shù)據(jù)采集 — 模型迭代” 的閉環(huán)體系，讓模型真正具備了實時進化、持續(xù)迭代的能力。

隨著合作深入，雙方還將共建面向具身智能訓練的高質(zhì)量數(shù)據(jù)集，結合零售行業(yè)趨勢、用戶行為模式與機器人操作數(shù)據(jù)的深度洞察，持續(xù)提升模型的場景適應能力，讓高質(zhì)量數(shù)據(jù)供給形成體系化、常態(tài)化的支撐能力。

02.

別人都在追求完美數(shù)據(jù)，千尋智能為何堅信“臟數(shù)據(jù)才是關鍵”？

早在與京東達成深度數(shù)據(jù)合作之前，千尋智能就已搭建起完善的數(shù)據(jù)體系，具備規(guī)?；杉c應用真實交互數(shù)據(jù)的能力。這套體系如同數(shù)據(jù)閉環(huán)的 “燃料供給系統(tǒng)”，為模型持續(xù)進化提供核心動力。

截至目前，千尋智能已累計獲取超20萬小時真實交互數(shù)據(jù)，數(shù)據(jù)類型覆蓋互聯(lián)網(wǎng)人類視頻、遙操作、可穿戴設備采集、真機rollout等多個維度。按照當前節(jié)奏，該數(shù)據(jù)規(guī)模在2026年將突破100萬小時，而與京東的合作將進一步加速這一進程。

數(shù)據(jù)規(guī)模的快速擴張，得益于千尋智能在采集技術上的核心突破：其自研可穿戴采集設備，將單場景數(shù)據(jù)采集成本降至傳統(tǒng)方式的十分之一，正是這一成本優(yōu)勢，讓物理世界的規(guī)?；瘮?shù)據(jù)采集從 “不可能” 變?yōu)?“可實現(xiàn)”。

在數(shù)據(jù)積累上，千尋智能更提出了一套顛覆行業(yè)的思路：“Dirty data is the key to scaling VLA models”。當行業(yè)內(nèi)不少企業(yè)仍在追求 “完美數(shù)據(jù)”，依靠精選、標準化的演示數(shù)據(jù)訓練模型時，千尋智能選擇了一條差異化路徑。在千尋智能看來，真實物理世界本身充滿不確定性，機器人會面臨遮擋、操作失誤、環(huán)境變化等各類非標準化情況，這些看似“不完美”的臟數(shù)據(jù)，反而能讓模型接觸到更貼近現(xiàn)實的復雜場景。以此訓練出的模型，在應對新場景、新任務時，泛化能力將遠超基于仿真或完美數(shù)據(jù)訓練的模型。

為此，千尋智能將80%的資源投入數(shù)據(jù)體系建設，目標是將有效訓練數(shù)據(jù)規(guī)模提升100倍，打造行業(yè)最寬的數(shù)據(jù)護城河。千尋智能判斷，具身智能賽道的終極競爭，最終比拼的就是數(shù)據(jù)的規(guī)模與質(zhì)量，誰掌握海量真實場景數(shù)據(jù)，誰就掌握模型進化的主動權。

03.

為什么這套具身智能數(shù)據(jù)閉環(huán)如此重要？

小墨機器人在京東MALL制作咖啡，不只是一次技術展示，而是把門店真實的商業(yè)需求，和機器人模型訓練的數(shù)據(jù)需求直接綁在了一起。機器人通過智能服務為門店帶來差異化體驗，吸引客流、提升品牌影響力；同時在服務過程中產(chǎn)生的真實環(huán)境、真實操作數(shù)據(jù)，遠比實驗室仿真數(shù)據(jù)更有價值，能直接推動模型能力提升。

目前小墨機器人以跨地域遠程高精度人工操控為主，一邊完成業(yè)務任務，一邊采集真實場景數(shù)據(jù)，用這些數(shù)據(jù)持續(xù)優(yōu)化模型，為后續(xù)機器人自主作業(yè)打下基礎。

千尋智能把這條技術閉環(huán)分成三個階段：

初期人類遠程遙操，是為了建立標準化操作邏輯，收集高質(zhì)量專家數(shù)據(jù)；

中期由機器人自主完成任務人工監(jiān)督，主要收集遮擋、環(huán)境變化等極端復雜場景的數(shù)據(jù)，讓模型更好地學習處理cornor case；

后期機器人實現(xiàn)全自主運行，通過模型的泛化能力實現(xiàn)完美的數(shù)據(jù)閉環(huán)。

這種階梯式推進，最大的價值在于，數(shù)據(jù)積累和模型迭代的同步推進，數(shù)據(jù)采集不做無用功，模型迭代直接匹配實際應用，避免了為了數(shù)據(jù)而采集數(shù)據(jù)，為了訓練而訓練的內(nèi)耗過程，讓數(shù)據(jù)閉環(huán)在真正的商業(yè)化落地當中產(chǎn)生了價值，而這種正向循環(huán)模式在整個行業(yè)來講都是一項了不起的創(chuàng)新。

04.

一套模型跑通工業(yè)與零售場景，千尋智能的數(shù)據(jù)閉環(huán)到底強在哪？

機器人大講堂認為，當前具身智能的泛化性與可遷移性是限制具身智能大規(guī)模落地的核心問題，而千尋智能恰巧通過數(shù)據(jù)閉環(huán)支撐的通用模型底座具備強適配性與可遷移性，破解了這個難題，并驗證了技術的實際落地價值，讓具身智能跨行業(yè)應用有了可落地的實操基礎。

從底層的邏輯來看，工業(yè)與零售場景的技術要求相差很大。能實現(xiàn)單模型適配，除了模型本身的能力優(yōu)秀之外，數(shù)據(jù)閉環(huán)正是推動模型能力進化的核心。

寧德時代產(chǎn)線對操作精度、穩(wěn)定性要求嚴苛，小墨機器人零故障完成近千塊電池操作、插接成功率超 99%，驗證了模型在高精度工業(yè)場景的硬執(zhí)行能力。

京東零售場景存在大量非標準化變量，小墨機器人完成咖啡制作等復雜服務，證明了模型在多元商業(yè)場景的泛化能力。

這種正向的數(shù)據(jù)積累與迭代，讓模型的核心能力持續(xù)打磨，成為跨場景落地的關鍵支撐。

寧德與京東雙場景落地，也為千尋智能打造了一套可復制的具身智能落地模式。這套以數(shù)據(jù)閉環(huán)為核心、通用模型為基礎的模式，并非僅適用于工業(yè)或零售單一領域，而是能根據(jù)不同行業(yè)的核心需求快速適配。

目前雙方計劃將機器人延伸至京東藥房的自動分揀、精準配藥等環(huán)節(jié)，打造無人化智慧藥房；同時針對數(shù)碼家電、巡檢導覽、自動化清潔等零售細分場景的多元化需求，推進產(chǎn)品與方案的聯(lián)合開發(fā)，推動具身智能在B端、C端及G端全面落地。

從更務實角度來看，這套數(shù)據(jù)閉環(huán)邏輯，讓千尋智能掌握了具身智能跨行業(yè)落地的核心方法論，而持續(xù)積累的跨領域真實數(shù)據(jù)，會進一步強化模型的通用能力。未來這套模式有望滲透至醫(yī)療陪護、智慧物流、城市服務等更多領域。

05.

結語與未來：

“2026年被公認為具身智能的GPT時刻，數(shù)據(jù)與算法開始收斂，行業(yè)的規(guī)模化拐點已經(jīng)到來?！鼻ぶ悄軇?chuàng)始人韓峰濤的這一判斷，正在與京東的合作中逐步變成現(xiàn)實。

從寧德時代工業(yè)產(chǎn)線的高精度操作，到京東MALL一杯咖啡的制作，千尋智能以數(shù)據(jù)閉環(huán)為核心，將真實場景的每一次操作，都轉化為模型進化的養(yǎng)料。與京東的戰(zhàn)略合作，只是千尋智能數(shù)據(jù)閉環(huán)戰(zhàn)略的起點，隨著更多場景的開放、更多數(shù)據(jù)的積累，具身智能將真正從實驗室走向產(chǎn)業(yè)深處，這場由數(shù)據(jù)驅(qū)動的產(chǎn)業(yè)革命，正在重構機器人時代的零售新形態(tài)與工業(yè)新范式。