不求最大，但求最實：京東“龍蝦”的那些事

在這一輪由“龍蝦”（OpenClaw）引爆的AI浪潮里，大廠、小廠的動作幾乎是整齊劃一的。

不完全統計顯示，目前至少有40+中國AI企業發布了龍蝦或類claw產品，但它們的共同特點是——發布會越來越像一場技術表演，智能體被描述成“下一代操作系統”，每一家都在試圖用更宏大的敘事，證明自己站在未來的正中央。

但就在這樣的背景下，一場發生在京東總部普通會議室里的小范圍溝通會，卻意外地成為觀察這家公司AI路徑的一個絕佳窗口。

沒有宏大敘事，沒有激進路線圖，甚至連“顛覆性”這樣的詞都很少出現。

取而代之的，是一些聽起來并不“性感”的表達：token效率、企業安全、本地部署、成本優化。

但恰恰是這些詞，構成了京東AI最清晰的一條主線：

不求最大，但求最實。

——導語

01

京東的龍蝦，為什么不一樣？

在2026年這個AI技術幾乎以“周”為單位迭代的節點，大大小小AI企業之間的博弈已經從“參數至上”的虛火，轉向了“落地為王”的實戰。

2026年3月24日，京東總部2號樓的一間會議室里，沒有炫酷的燈光秀，沒有動輒萬億參數的口頭承諾，京東把近期的AI“硬貨”搬上臺前。

首先的重點，未能免俗的還是現在那個被無數企業追捧的龍蝦上。

“龍蝦”——這個因OpenClaw而火爆的智能體統稱，既是目前AI產業的焦點，也是很多人爭論的焦點。

有人認為它是普羅米修斯偷來的天火，第一次把“用AI制造AI”的權利下放給了小微個體；也有人認為，它會像剛剛死掉的Sora一樣，成為一個現象級但很快會被時代拋棄的產品。

京東沒有參與這種爭論，它在思考一個極其現實的問題：養“龍蝦”太貴了。

京東相關技術負責人在會上提出了一個冷峻的觀察：自“龍蝦”火爆以來，Token的消耗量呈暴漲趨勢，企業的費用也在暴漲 。在第三代智能體（Agentic AI）時代，由于需要多步思考、反復執行和調用模型，Token成本已成為制約AI大規模落地的“緊箍咒” 。

針對“養蝦”暴露出來的這一痛點，京東提出了一個核心概念：Token Efficiency（Token效率）。

這里涉及到一個概念，即帕累托最優（Pareto Optimality），又稱帕累托效率。

用通俗的話說，這是指資源分配達到一種理想狀態。如果把它著落到京東的“龍蝦價值觀”上，可以用這么一句話來概括—— 京東追求的是在完成同等任務的前提下，消耗最少的Token；或者從另一面看，是讓每一個Token對應完成更多的任務 。

說起來容易，做起來難。

但京東交出的答卷是——在對比測試中，京東模型在保證正確率的同時，Token消耗量僅為市面開源模型的1/4甚至1/5 。

作為這種token消耗上力求降本增效的產品觀念帶來的直觀結果就是：京東云“龍蝦”天團上線后，近一周Token調用量環比增長高達455%，這種爆發式增長背后，正是成本優化帶來的紅利釋放 。

這其實向外界傳遞了一個清晰的信號：京東的AI邏輯，不求在概念上“最大”，但求在產業場景中“最實”。

但我想多說一句的是，這和京東在AI領域的底蘊，關系很大。

目前國內AI企業可以說分為兩種——大廠追求全棧，靠垂直整合來給出成本最優；獨立AI企業專攻大模型，但分發、渠道和生態則盡可能輕。

而京東選擇的是一條非典型的路徑——既有基礎模型的研發在日積月累，以真實的產業發展需求為導向，做更實用的道路。

基礎模型的研發香火不能斷，因為這是保證京東有強大端到端優化能力的基礎——最好的證明，是京東首次開源了基礎大模型JoyAI-LLM Flash的Instruct版本 。這款模型并非為了在參數規模上比拼，而是強調“輕量級、高性能” 。

參數不大，但很先進——京東的模型引入了基于“纖維叢”理論的FiberPO強化學習方法，解決了傳統方法在長學習過程中容易“崩掉”的難題，實現了持續的優化提升；同時，通過MTP（Multi-Token Prediction）方式，推理效率相比傳統情況提升了1.8倍，大幅縮短了智能體思考和響應的時間 。

但這一切的一切，都是為了應用。

02

向實而生，深耕業務毛細血管

如果要概括京東AI的最大特點，就是一切以實際業務結合為基石。

這種“實”，體現在和京東龐大的、超級復雜的業務體系，以及背后支撐這個巨大的產業鏈、供應鏈的體系性能力，正在悄無聲息但落點清晰的進行一次沉默的“AI內生變革”，它體現在和京東業務息息相關的數字人、具身智能、供應鏈、萬物互聯等每個需要AI底層能力的細節中。

京東數字人JoyStreamer正在重新定義直播間的生產力 。

在數字人方面，京東數字人的性能開始超越國際SOTA：在音視頻同步、多模態協調等方面達到商用級標準，并在自由態動作下表現優異 。

“自由態”是其中的關鍵詞——JoyStreamer 率先推出的“自由態數字人”，打破傳統數字人動作僵硬、姿態固定的局限，支持自然走動、靈活擺姿，鏡頭跟隨、出畫入畫流暢，臉部遮擋也能保持高保真質感。

舉一個典型的例子——吃播。

實際上，吃播是數字人領域里最難的細分場景之一，而京東數字人現在達到的高度是——一邊試吃食品的同時一邊回答用戶的問題，在唇形模型方面不會出現任何穿模現象，而且清晰度足夠高。

在數字人領域，京東已經可以做到可以生成分鐘級的長視頻。同時，文本可控性非常強，能夠嚴格遵循文字提出的需求，指定照片中的人物做動作和表情。

能實現這一點，我覺得除了京東的技術追求外，有一個根本的原因——目前，在京東平臺上，已有超過7萬商家深度應用數字人，覆蓋全品類，且數字人直播與真人直播在京東流量池中實現同權競爭 。

這就是典型的痛點驅動需求，需求變成技術，技術推動產業變革的路徑——而這，恰好是京東做AI的特點——一切從實際中來，一切以應用為標準。

京東很少在AI上喊口號，但這并不表示京東不想用AI鏈接千家萬戶。

一個新的概念出現了——附身智能（JoyInside）。

在這條路上，京東提供一站式開發平臺，通過首屆“AI終端新物種”創新大賽，為開發者提供從算法平臺到零售渠道的全鏈路支持 。

在實踐中，它支持超擬人對話，甚至讓毛絨玩具之間能像人一樣“加好友”、傳聲，解決了留守老人或兒童的社交陪伴需求 。

最重要的是，它為幫助那些需要引入AI能力，但又不可能有太多的預算，也不需要重復造輪子的產業鏈企業提供了最短的賦能鏈路——目前，近百個家電品牌、40多個機器人與AI玩具品牌已經植入這種“新大腦” 。

在今年爆火的具身智能領域，京東也有宏大的布局謀篇。

具身智能落地的最大瓶頸是真實場景數據的匱乏 。京東為此啟動了“人類規模最大的數據采集行動” ， 計劃一年內積累500萬小時、兩年內超1000萬小時的人類真實場景視頻數據，并同步采集100萬小時機器人本體數據 。

如果說數字人和JoyInside、具身智能等是“看得見”的AI，那么供應鏈，是京東最核心但最容易被忽視的部分。

在溝通會中，有幾個細節非常值得注意：云服務不漲價+token價格保持穩定+ 通過自研推理與資源調度降低成本。

同時，在硬件側也有幾個關鍵詞值得抓住——小批量生產支持、成本分攤能力、產業鏈整合。

還有一句話讓我印象深刻：“在京東供應鏈、銷售到交易、物流這些環節都是有AI的應用” 。

這句話非常容易被聽漏，但信息量很大。它說明，對于京東供應鏈來說，AI不是單點工具，是全鏈路滲透，AI已經進入供應鏈全流程，而不是停留在某個節點。

這些關鍵詞、這些能力疊加起來，構成了一件事情：

對京東來說，AI不再是一個單點技術，而是嵌入到整個供應鏈系統。而供應鏈系統，是京東最深的護城河。

結語

京東AI的終極卡位

站在這個AI時代的風口浪尖，未來的AI公司可能會分化為三類生存形態：

第一類，靠規模化降本的傳統大廠：這類公司未必是每一項技術的絕對開創者，但擁有極強的技術整合能力和規模效應，靠算力與數據的龐大體量拉平競爭距離 。

第二類，追求極致創新的獨立模型商，它們沒有云業務包袱，追求技術代差，與基礎設施廠商深度嵌套，在細分領域做到無可替代 。

第三類，就是京東這樣的“非典型AI企業”。

一方面，它們是AI與業務深度耦合的實踐者，它們或許不會在財報中單獨列出一項巨額的“AI收入”，但AI已經像骨髓一樣融入了業務的每一個環節 。

這樣的企業，不會去努力的在AI的舞臺中央刷存在感，但AI的戰略布局清晰可見：體量適當的AI基建 + 基礎模型能力持續自研 + 全場景、全鏈路場景落地 。

它不滿足于僅僅提供一個對話框或一套API，而是將大模型部署在物流配送的路徑規劃中，植入在商家的直播間里，封裝在老百姓家里的智能水壺和智能玩具上——在京東的語境里，AI的成功不取決于它在測試榜單上的排名，而取決于它能否讓一個初學者安全、輕松的養龍蝦；能否讓一個中小商家在凌晨三點依然能精準回答用戶的咨詢，能否讓物流成本再降低一個百分點 。

不求最大，但求最實。這種把AI做進“基石”里的務實風格，或許也是通向AGI的另一條可能路徑。