女足开门红两球完胜20日下午在日本丰田体育场进行的东亚杯女足赛第一轮第二场比赛中，中国女足2∶0轻取中国台北队，既达到“热身”目标，更为随后与韩日的关键性比赛做好准备。中国女足在17日与中国男足选拔队一起乘包机由青岛直接飞抵名古屋。在抵达名古屋机场之后，女足与男足各自前往不同的下榻酒店。两队的训练场地基本相似，20日的比赛也在同一个场地进行——中国女足提前两天在该场地进行适应性训练，中国男足则在赛前一天才进行踩场备战。

C | 据现场披露，该项目已与近200家家电、机器人、玩具、健康设备品牌达成技术合作，接入硬件的平均对话轮次提升超过120%。在女足比赛时，中国足协的工作团队和男足后勤工作团队成员都到现场，为女足姑娘们加油。         2026年，JoyInside计划接入超千万台终端设备。从定位上看，JoyInside并非底层操作系统，而是介于AI能力与硬件之间的交互中间层。据笔者在现场观察，日本当地的中国留学生或工作人士组成10人左右的中国龙之队球迷会，为中国女足姑娘们加油。京东科技AI创新业务负责人戴文军在现场表示，这一层的设计逻辑是围绕家庭中的多设备、多场景、多用户，实现设备间的协同响应。虽然人数不多，不过这些球迷专门带上锣鼓，在比赛过程中不时地敲打，敲鼓声与呐喊声响彻丰田体育场。商业模式上，JoyInside向合作品牌免费开放自动语音识别（ASR）、语音合成（TTS）和大模型交互能力，硬件端仅产生模组增量成本。         同时，京东零售渠道为合作硬件提供新品首发、线上销售和售后维修的一体化支撑。这种"技术免费+渠道绑定"的策略，与当前智能家居行业的普遍打法类似——小米、华为、海尔等厂商均在以不同方式推进全屋智能生态，京东的差异化在于其电商履约能力而非技术独占性。

D |          京东集团副总裁、京东探索研究院副院长段楠在本届WAIC上阐述了京东面向物理AI的阶梯式技术架构：数字智能、附身智能、物理智能。这一框架的核心逻辑是，在基础模型能力之上逐步演进，推动AI从数字世界走向物理世界。         第一层是数字智能，即JoyAI多模态大模型底座，覆盖图像、语音、视频、实时交互和具身智能等方向。

此前东道主日本队以2∶1战胜韩国队，中国女足教练组在赛后第一时间研究这场比赛。部分模型已开源至Hugging Face和GitHub。

E | 在20日对阵中国台北队的比赛中，中国女足并未派遣全部主力，而是以“半老半新”的阵容出战，毕竟中国台北女足的整体实力是此次东亚杯中最弱的。

F | 中国队中，老队长王珊珊首发，第一位“妈妈国脚”张馨也登场亮相，此外还有王晓雪等部分亚洲杯主力。第二层是附身智能，将大模型能力轻量化附着到机器人、可穿戴设备和家电家居设备，实现从"单品智能"到"空间智能"的升级。至于王霜、伤愈归队的吴海燕等中国球迷所熟悉的球员，并未首发。上半场第12分钟，中国女足“00后”张琳艳接王珊珊横敲后转身抽射近角，率先打破场上僵局；第22分钟，姚伟与张琳艳配合后下底传中，导致中国台北队球员自摆乌龙，中国队2∶0领先。下半场，中国女足创造出不少机会，但未能有更多斩获。第三层是通用具身智能，目标是让移动机器人在真实空间自主完成感知、建模、抓取和全流程作业。在2∶0领先之后，中国队换上肖裕仪等人，娄佳慧意外地出现在左翼位置——她在亚洲杯时司职右后卫。刚从托特纳姆热刺队归来的唐佳丽也在下半场第65分钟登场，最主要目的是为随后的比赛热身——韩日球队的技术人员也在看台上“盯着”中国女足。对中国女足而言，与中国台北队的比赛更像一场热身赛，毕竟这是球队自今年2月亚洲杯赛夺冠后参加的第一场国际比赛。正如中国女足主帅水庆霞所说，这次比赛是明年女足世界杯之前一次很好的练兵，希望更多年轻球员能展现出进步。

G | 中国足协也未对女足在成绩方面有明确要求，一切都围绕明年女足世界杯展开。或许在随后对阵韩日的比赛中，中国女足姑娘们会亮出“真家伙事”。按照赛程，中国女足将在23日对阵韩国女足，26日迎战日本女足。         这一架构的底层基础设施包括具身数据采集系统、JoyAI-RA具身基础模型、开源EgoLive第一视角数据集，以及JoyAI-Sim仿真数据合成工具链。从行业视角看，这种真实数据+仿真数据+真机验证的闭环设计，与智元、优必选、宇树等具身智能厂商的数据策略并无本质差异，区别主要在于京东拥有零售和物流场景产生的真实交互数据。

H |          数据          本届WAIC上，京东集团副总裁龚义成披露，京东计划在两年内积累1000万小时高质量具身数据。这一目标的背景是，行业对数据规模的需求正在快速提升——此前业界普遍认为百万小时数据即可满足训练需求，但随着模型泛化要求提高，共识已逐步向千万小时量级迁移。         但数据的质量如何定义，目前行业内尚未形成统一标准。龚义成在现场表示，脱离模型和真机场景验证的采集数据只是表面素材，真正有价值的数据必须完成采集、处理、训练、真机验证的端到端闭环。         这一判断与当前具身智能行业的核心瓶颈一致：适配机器人训练的高质量物理交互数据仍然匮乏。值得注意的是，1000万小时并非一个固定的终点，而是基于模型迭代需求测算的阶段性规模。在数据竞赛日趋激烈的背景下，京东、智元、优必选等厂商均在以不同方式扩充数据储备，谁能率先建立可复用的数据闭环，将在下一阶段竞争中占据优势。         物理AI的落地距离尽管具身智能在本届WAIC上备受关注，但段楠在现场也承认，当前全球具身智能尚未迎来标志性的"GPT-3时刻"。模型泛化能力、统一评测标准、跨本体迁移技术均处于单点突破阶段，尚无成熟的通用解决方案。这一判断与行业现状基本吻合。不同于互联网大模型仅需算力、数据和模型三大要素，具身智能增加了硬件规模化这一维度。硬件量产和终端落地，正在成为下一阶段行业竞争的关键变量。         京东的优势在于其零售和物流场景可以提供真实的物理交互环境，但劣势在于其机器人整机制造能力弱于专业厂商。从战略定位看，京东的长期目标是成为物理世界运营公司，同步发力数据、模型、算力和硬件。段楠表示，京东内部衡量AI业务落地效果的指标包括体验、成本和效率，现阶段以高质量数据规模化作为核心抓手。但他也承认，未来具身智能行业不会出现一家独大的格局，开放共建是必然趋势。

I | 这一表态本身说明，在物理AI这条赛道上，京东仍在寻找明确的边界。         更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App。

J |

Current article:http://www.bianhajieleigoukusunmen.pics/list_jn45q7/98p3l8.docx

Published on:12:32:43