剛剛官宣！千尋智能 × 京東殺入新零售！整個具身智能圈炸了！

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據采集。這是具身智能頭部玩家千尋智能與京東達成深度戰略合作后的首個落地成果。當整個行業還被真機交互數據短缺、采集成本高企的難題困住時，這場合作讓具身智能的“數據閉環”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，具身智能頭部企業千尋智能與京東集團正式簽署戰略合作協議。雙方宣布將在2026年至2029年期間，圍繞消費級產品定制、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與場景方的淺層合作，此次雙方打造了“技術+場景+數據”的三位一體落地范式，京東從單純的零售渠道方，轉變為千尋智能的“數據合伙人”，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，共同打通從數據采集、模型訓練到商業落地的全鏈路。

行業普遍認為，2026 年是具身智能商業化落地的關鍵一年，而數據稀缺問題，正成為制約其在真實商業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據領域實現關鍵突破，有效破解了產業化落地的“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據。在具身智能發展進程中，物理世界的真機交互數據遠比互聯網時代的圖文數據更為珍貴，也更難獲取。而京東覆蓋全鏈路的零售真實場景，恰好能夠持續產出這類高價值數據。

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，遙操員可跨地域對Moz機器人實現高精度遠程操作，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感知數據、關節運動軌跡以及精細力反饋信息。這些數據并非實驗室中的仿真合成數據，而是包含真實環境變量、操作邏輯的 “專家級數據”，其豐富度與真實性是仿真數據無法比擬的。

更關鍵的是，這些從零售場景中采集的高價值數據，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。機器人每完成一次場景操作，就同步完成一次數據采集，模型也隨之完成一輪迭代優化。這套 “場景操作 — 數據采集 — 模型迭代” 的閉環體系，讓模型真正具備了實時進化、持續迭代的能力。

隨著合作深入，雙方還將共建面向具身智能訓練的高質量數據集，結合零售行業趨勢、用戶行為模式與機器人操作數據的深度洞察，持續提升模型的場景適應能力，讓高質量數據供給形成體系化、常態化的支撐能力。

02.

別人都在追求完美數據，千尋智能為何堅信“臟數據才是關鍵”？

早在與京東達成深度數據合作之前，千尋智能就已搭建起完善的數據體系，具備規模化采集與應用真實交互數據的能力。這套體系如同數據閉環的 “燃料供給系統”，為模型持續進化提供核心動力。

截至目前，千尋智能已累計獲取超20萬小時真實交互數據，數據類型覆蓋互聯網人類視頻、遙操作、可穿戴設備采集、真機rollout等多個維度。按照當前節奏，該數據規模在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。

數據規模的快速擴張，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，將單場景數據采集成本降至傳統方式的十分之一，正是這一成本優勢，讓物理世界的規模化數據采集從 “不可能” 變為 “可實現”。

在數據積累上，千尋智能更提出了一套顛覆行業的思路：“Dirty data is the key to scaling VLA models”。當行業內不少企業仍在追求 “完美數據”，依靠精選、標準化的演示數據訓練模型時，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、環境變化等各類非標準化情況，這些看似“不完美”的臟數據，反而能讓模型接觸到更貼近現實的復雜場景。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據訓練的模型。

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

03.

為什么這套具身智能數據閉環如此重要？

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需求，和機器人模型訓練的數據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生的真實環境、真實操作數據，遠比實驗室仿真數據更有價值，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，一邊完成業務任務，一邊采集真實場景數據，用這些數據持續優化模型，為后續機器人自主作業打下基礎。

千尋智能把這條技術閉環分成三個階段：

初期人類遠程遙操，是為了建立標準化操作邏輯，收集高質量專家數據；

中期由機器人自主完成任務人工監督，主要收集遮擋、環境變化等極端復雜場景的數據，讓模型更好地學習處理cornor case；

后期機器人實現全自主運行，通過模型的泛化能力實現完美的數據閉環。

這種階梯式推進，最大的價值在于，數據積累和模型迭代的同步推進，數據采集不做無用功，模型迭代直接匹配實際應用，避免了為了數據而采集數據，為了訓練而訓練的內耗過程，讓數據閉環在真正的商業化落地當中產生了價值，而這種正向循環模式在整個行業來講都是一項了不起的創新。

04.

一套模型跑通工業與零售場景，千尋智能的數據閉環到底強在哪？

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模落地的核心問題，而千尋智能恰巧通過數據閉環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，讓具身智能跨行業應用有了可落地的實操基礎。

從底層的邏輯來看，工業與零售場景的技術要求相差很大。能實現單模型適配，除了模型本身的能力優秀之外，數據閉環正是推動模型能力進化的核心。

寧德時代產線對操作精度、穩定性要求嚴苛，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場景的硬執行能力。

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場景的泛化能力。

這種正向的數據積累與迭代，讓模型的核心能力持續打磨，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。這套以數據閉環為核心、通用模型為基礎的模式，并非僅適用于工業或零售單一領域，而是能根據不同行業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、精準配藥等環節，打造無人化智慧藥房；同時針對數碼家電、巡檢導覽、自動化清潔等零售細分場景的多元化需求，推進產品與方案的聯合開發，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，這套數據閉環邏輯，讓千尋智能掌握了具身智能跨行業落地的核心方法論，而持續積累的跨領域真實數據，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，數據與算法開始收斂，行業的規模化拐點已經到來。”千尋智能創始人韓峰濤的這一判斷，正在與京東的合作中逐步變成現實。

從寧德時代工業產線的高精度操作，到京東MALL一杯咖啡的制作，千尋智能以數據閉環為核心，將真實場景的每一次操作，都轉化為模型進化的養料。與京東的戰略合作，只是千尋智能數據閉環戰略的起點，隨著更多場景的開放、更多數據的積累，具身智能將真正從實驗室走向產業深處，這場由數據驅動的產業革命，正在重構機器人時代的零售新形態與工業新范式。