京東段楠｜物流業自動化將達98% 累積零售等20年數據 助AI走進具身智能
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
過去數年，人工智能（AI）的發展，主要集中於數字世界，由大型語言模型（LLM）生成文字、代碼，進一步延伸至圖像、語音、影片等多媒體內容。京東集團（09618）副總裁、京東探索研究院副院長段楠接受本報訪問時表示，下一階段重要方向，是讓AI走向物理世界，處理真實場景任務。他更估計在未來約5年，部分最常見的物流場景，自主操作比例有機會達到97%至98%，人類則可以專注決策，體現「人機協作」。
段楠指出，「京東對AI大戰略方向的定位，就是要去做去中心化的AI，聚焦具身模型。」最近更加提出「全球最大物理世界運營中心」定位，這一願景旨在把AI能力與其零售、物流、工業、健康、產業發展等業務場景結合，利用本身優勢，形成從數據、算法、應用到評測的閉環。
段楠將京東AI的技術路線分成3個階段：一開始是「數字智能」，利用互聯網數據來訓練模型；第二階段則是「附身智能」，將模型能力延伸至枱燈、電視機、雪櫃、可穿戴設備等終端；第三階段就是「具身智能」，把AI部署到機械人硬件上，使其能夠真正進入物理世界執行任務。
要讓AI真正走進物理世界，最大挑戰並非模型而是數據。段楠認為，具身智能「不像大模型，在很多方面缺乏規模化」，物理AI需要採集「不僅僅是圖像、聲音、文字這些訊息，還有很多力學、觸覺、運動的軌跡、物體的材質等」，這類數據過去鮮有被大規模記錄，需要從硬件設備從頭搭建流程。京東20多年來深耕零售、物流及供應鏈，積累大量真實業務數據，正是發展物理AI重要基礎。
除了真實數據，仿真數據亦是具身智能的重要「燃料」。段楠提到，真實數據採集效率較低，仿真環境卻可以高效率並行生成數據。他以無人車為例，指出像車禍等一類「長尾、不常見的Corner Case」，難以在現實中採集相關數據，仿真數據正可補足。
強調人機協作 不因AI裁員
當然，模型能力最終仍須回到真實場景驗證。段楠表示，「你Benchmark（基測）可以測，但是Benchmark做得好，也不代表你真的就做得好。」像物流場景裏，機械臂處理包裹的成功率，這種以業務實際結果為核心的評測方式，才屬於具代表性的指標。
物理AI未來亦將逐步改變物流作業模式。段楠估計，隨着數據累積、模型迭代，未來約5年部分最常見的物流場景，自主操作比例有機會達到97%至98%，人類主要處理餘下2%至3%的例外情況，但他強調目標是讓「人機協作」，讓人更多去做決策選擇。
因此，段楠不認為機械人與AI會取代人類，尤其物理AI仍處於數據獲取和數據飛輪早期階段，在相當長時間內仍然需要人類參與。此外，京東領導層已經表明，不會因為AI開除員工。
港教育享優勢 籲力拓物流AI
談及AI人才，段楠表示，以前業界認為數學好、編程好很重要，但現在這兩樣正被AI替代，加上現在研發工作已高度規模化，難靠一人單打獨鬥成事，因此未來優秀人才還要「具備非常靈活的與人協作的能力」，以及「能夠和AI共生……快速的去使用各種各樣新的AI的模型和能力」。
最後，段楠表示香港具備全球頂級高校，學生非常聰明、質素很高，又有很強的國際化背景，尤其香港本身就與物流比較相關，部分AI學者本身長期研究物流相關問題，所以他覺得「香港是一個非常非常好的紐帶」，能在具身智能、物流AI方面發揮。
採訪、撰文：郭文德
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
