第二屆世界人形機器人運動會火熱進行中 京東“機器人之家”全週期保障參賽機器人
8月22日，第二屆世界人形機器人運動會在國家速滑館“冰絲帶”開幕。本屆運動會吸引來自16個國家的666支隊伍、2056臺機器人參賽，參賽規模較首屆大幅提升。作為本屆運動會官方合作伙伴及獨家官方售後服務夥伴，京東攜手大賽組委會共同打造機器人服務保障中心——“機器人之家”，為參賽機器人提供全賽程服務保障。在剛剛結束的世界機器人大會上，京東重磅發佈機器人戰略佈局，立足供應鏈、服務、技術三大維度，明確在機器人領域的發展規劃。其中在服務層面，京東宣佈未來5年將建立覆蓋全球超100個國家的售後服務能力，創造超10萬名機器人售後服務工程師新就業崗位。
而在世界人形機器人運動會上，京東機器人售後服務工程師就已閃亮登場，全面助力保障機器人運動員順利完賽，成為賽場上最令人安心的一道紅色風景線。從WRC到人形機器人運動會，從戰略到實戰，京東的全鏈條產業服務正在助力機器人走進千行萬業，走進每個家庭。“機器人之家”總面積約7000平方米，圍繞機器人賽事保障需求，設置存儲、維修調試、充電等功能區域。其中，3個公共存儲區和26個專屬存儲區可同時容納1500餘臺機器人；維修調試區配備24個維修站點，為參賽機器人提供檢測、調試和維護服務；充電區設置近200個充電櫃，可同時滿足1200餘塊電池充電，並配備100個獨立充電位，滿足不同類型機器人的補能需求。
從存儲到補給，從維護到監測，“機器人之家”為參賽機器人打造了覆蓋賽前、賽中、賽後的全流程保障體系，讓數千臺機器人在賽場背後擁有“居住—補給—維護—監測”的完整服務閉環。在運營管理方面，京東將成熟的供應鏈數字化能力遷移至賽事場景，為“機器人之家”搭建“一機一碼”“一電池一碼”數字化管理體系。每臺機器人、每塊電池均擁有專屬身份標識，掃碼30秒即可完成存取登記，賽隊信息、設備參數全程可追溯，保障2056臺機器人實現“持證上場、有序流轉”。賽場之上，京東機器人售後服務工程師團隊全程值守，為機器人運動員順利參賽提供技術保障。
圍繞智能機器人全生命週期需求，京東打造覆蓋“用、養、修、換”的專業服務體系，提供取送維修、工程師上門、換電補能、測試鑑定、美容保養、設備回收等全場景服務。依託8大自營維修中心，京東已與眾多機器人企業展開合作，並推出機器人維修“120”專屬服務標準，實現1分鐘響應、2小時上門、當日解決。隨著機器人從實驗室加速走向工業、家庭與商業場景，規模化部署背後的服務保障能力正成為產業發展的關鍵支撐。在2026世界機器人大會期間，京東重磅發佈機器人戰略佈局，從供應鏈、服務、技術等維度持續完善機器人產業基礎設施。
供應鏈層面，截至2028年將在機器人領域投入百億資源，助力100個品牌獨立銷售額破10億元，推動機器人走進百萬個終端場景。目前京東已自營合作200餘家機器人品牌，覆蓋個人消費、醫療健康、工業及物流等多個賽道。服務層面，未來5年將建立覆蓋全球超100個國家的售後服務能力，創造超10萬個機器人售後服務工程師新就業崗位，建立80個RoboBase機器人基地，打造集展示交付、維修保養、研發設計、中試組裝、數據採集、生產製造、迭代升級於一體的機器人全生命週期服務平臺。技術層面，京東具身智能JoyInside加速打造“AI Home”智能生態，預計年內實現包含機器人產品在內的超千萬終端設備接入。
京東雲計劃兩年內累計採集超1000萬小時真實場景數據，構建自主可控的AI基礎模型矩陣。當機器人走向更廣闊的應用場景，京東也在探索如何讓機器人技術更貼近大眾生活。在同期舉行的世界人形機器人運動會市集上，京東組團帶來的7款陪伴型機器人亮相展區，與觀眾親密互動，幫教孩子自信開口說外語、培養閱讀習慣、講笑話解壓、提供治癒溫暖陪伴……機器人正以各種各樣的“小切口”，加速走進千家萬戶的日常生活。
從“機器人之家”的千臺級協同保障，到市集上陪伴型機器人的溫情互動，從WRC大會的戰略發佈到運動會賽場的實戰檢驗，京東正在用全鏈條產業服務推動機器人從“實驗室展品”加速成為“能夠被完整交付的商品”，走進千行百業，走進千家萬戶。
Related
相關文章
演員吳越遭 AI 換臉帶貨，微信視頻號：涉事賬號永久封禁、內容清空
AI資訊AI新閒資訊正文演員吳越遭 AI 換臉帶貨，微信視頻號：涉事賬號永久封禁、內容清空發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘演員吳越昨日發聲稱，微信視頻號"花姐美膚日記"利用 AI 炮製了她的虛假帶貨視頻。她曬出的錄屏顯示，該賬號發佈了一段"吳越"出鏡的 AI 視頻：開頭便是"吳越"在帶貨，隨後拼接她公開活動的畫面，並借"吳越"的口吻稱"這個產品不是他們找我，是我找他們的……效果是真的非常直觀"。更離譜的是，視頻末尾還出現了疑似鄧亞萍的帶貨片段，一人冒用牽連多人。據澎湃新聞從微信團隊核實，目前該賬號已被永久封禁，相關內容清空不可見。踩中"清朗"專項整治紅線這起事件正撞在監管的槍口上。9 月 30 日，中央網信辦印發通知，在全國部署為期 2 個月的"清朗·整治短視頻虛假人設亂象"專項行動，重點整治利用 AI 仿冒人物等行為——包括通過 AI 合成虛假音視頻，假冒公眾人物實施虛假代言、營銷等侵權違法活動。當 AI 換臉擬聲的門檻低到隨手可制，公眾人物成了最易被"借臉"的對象。此次微信視頻號快速封號清空的處置，既是平臺對侵權內容的即時止血，也呼應了專項整治對仿冒亂象的零容忍。對普通用戶而言，刷到"明星親自帶貨"時多留個心眼，或許比事後維權更管用——畢竟一鍵生成的假臉，肉眼越來越難辨。相關推薦算力相當於全人類不吃不喝算 200 年！我國首個全國產十萬卡 AI 超集群“曙光 8000”真機震撼亮相在深圳舉行的2026全國高性能計算學術大會上，我國首個全國產十萬卡AI超集群“曙光8000”真機首次公開亮相，並將集中發佈十大重要應用成果。其算力可構建“數字孿生大腦”，模擬百億光年宇宙演化；核心是通過高速互聯技術整合十萬張國產AI加速卡，實現規模與算力突破。Oct 19, 2026108.5k成本砍掉90%！DeepSeek-V4.1-Flash 重磅升級：逆
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。