跟着M r.Q M，"赢"战移动互联网！宝子们好，上周跟大家分享了"AI平台C端商业化研究报 告"，AI平台带来的流量变化巨大，不过这种变化并非中立、客观，而是围绕着平台的商业版 图、内容生态结构、用户底座这三大因素推进的，其中，各平台生态内的头部信源主导内容 引用的情况已经非常明显，涉及到"信源引用策略"、"用户决策链路牵引"和"用户真实购买需 求的匹配"等整个"消费决策"链路，对于行业来说，显然是值得探讨的，毕竟，健康、良好的 产业生态，才是"行稳致远"的关键！ 继续咱们的每周深度解读今天给大家分享一下刚刚过去的6 1 8大促。Qu e s t M o b i l e数据显 示，在2 0 2 6年初国补、春节拉动消费高增长的背景下，2 0 2 6年" 6 1 8 "全周期的行业DAU均 值达7亿，6 . 1 6 - 6 . 1 8抢购期行业DAU均值达7 . 1 4亿，均显著高于去年同期。同时，2 0 2 6年 5 - 6月，快递揽收量与投递量均同比增长8%左右，显示出" 6 1 8 "作为确定的营销节点，依旧 受到用户较多关注。 实际上，2 0 2 6年5月开始，" 6 1 8 "内容互动量开始释放，内 ...

公司概况与市场地位 - 公司是中国领先的电商巨头，运营大型在线零售平台并拥有广泛的物流网络，其综合业务结构常被与美国亚马逊相提并论 [1] - 公司在高度动态的市场中与其他大型科技公司积极竞争，其股票表现是投资者的关注焦点 [1] 评级调整与股价 - 2026年6月24日，投资机构大和将其对公司的评级从持有下调至中性，暗示其预计公司股票表现将与大盘同步 [2] - 评级调整时，公司股价为26.12美元 [2] 法律风险与市场反应 - 律师事务所 Pomerantz LLP 正在对公司涉嫌证券欺诈进行积极调查，调查具体涉及公司重大“618”购物节期间可能存在的虚假广告指控 [3] - 上述事件导致公司股价在2026年6月11日下跌了1.37% [3] 分析师观点与评级 - 根据Zacks数据，公司获得的平均经纪商推荐评级为1.36（评分范围1-5），介于强力买入和买入之间，这一评级基于24家经纪商 [4] - 在这24家经纪商中，有19家给出了强力买入推荐 [4] 财务状况与运营效率 - 外卖补贴战的放缓有效降低了公司的现金消耗率，即公司消耗现金储备的速度 [5] - 运营效率的这一战略性改善正在帮助显著提升公司的利润率，增强了投资者对公司长期前景的信心 [5]

战略合作概览 - 魔法原子与京东正式签署战略合作协议，双方将围绕消费级具身智能产品及教育、巡检、导览等重点场景展开深度合作 [2] - 合作以技术共研、产品共创、场景共拓、生态共建为核心，旨在打造覆盖研发创新、产品孵化、场景落地、渠道销售与服务运营的全生命周期合作体系 [2] - 双方同意在合作期间共同投入产品、供应链和资源，力争实现魔法原子品牌产品在京东平台的销售额规模达到10亿元人民币 [2] 合作双方优势 - 魔法原子作为国内具身智能领域代表企业，拥有覆盖核心零部件、本体研发、运动控制、多模态感知、具身智能模型及场景解决方案的全栈自研能力，核心硬件自研率超过90% [3] - 魔法原子已形成覆盖人形机器人、四足机器人、灵巧手及具身智能软件平台的完整产品体系 [3] - 京东在“智能机器人产业加速2.0计划”基础上投入百亿级资源，持续完善产业生态、渠道体系、供应链能力及服务网络建设 [3] 合作历史与基础 - 双方合作由来已久，早在2025年便围绕京东的JoyInside具身智能交互能力展开合作，共同探索消费级四足机器人MagicDog创新应用 [3] - 2025年，魔法原子高动态双足人形机器人MagicBot Z1在京东平台实现独家首发 [3] - 2026年央视春晚舞台上，魔法原子机器熊猫、人形机器人等多款产品火爆出圈，验证了其从技术研发到产品工程化落地的综合实力，为战略合作全面升级奠定基础 [3] 技术与产品协同 - 魔法原子将发挥在人形机器人本体控制、运动规划、多模态感知、具身智能算法及场景化应用方面的技术优势 [4] - 京东将开放JoyInside具身智能交互能力，并结合海量用户洞察、消费趋势分析及场景数据积累，共同推动机器人在家庭服务、教育陪伴、智慧导览等场景中的能力升级 [4] - 双方将依托各自在产品布局和用户洞察方面的优势，共同推进针对不同用户群体和应用场景的机器人产品创新与迭代 [4] 场景落地与商业化 - 魔法原子已形成覆盖大健康、工业柔性制造、巡检安防、智慧导览、公共安全、智慧物流、赛事文娱、科研教育及家庭生活九大场景的解决方案体系 [6] - 在消费市场，双方将利用京东全渠道销售网络、全域营销资源及用户服务体系，加速具身智能机器人进入家庭服务、教育陪伴、智慧生活等场景 [6] - 在产业市场，双方将围绕教育培训、智慧巡检、智能导览、物流分拣等重点领域，共同打造标准化、一体化场景解决方案，推动机器人在真实业务场景中的规模化部署 [6] - 双方将共同构建覆盖研发、销售、交付、运维及服务保障的机器人产业生态体系，依托京东覆盖全国的渠道网络提升市场覆盖能力和用户触达效率 [6] 全球化发展 - 双方将积极探索国际化合作机遇，依托魔法原子覆盖全球50多个国家和地区的业务布局，以及京东在全球供应链、国际服务体系等方面的资源，共同推动中国具身智能机器人走向国际市场 [7]

文章核心观点 - AI交互模式正从被动的“回合制”问答，转向主动的、基于实时视觉感知的“在场”式交互，京东开源的JoyAI-VL-Interaction模型是这一转变的关键实践，其核心是解决“何时交互”而非“如何回答”的问题[2][3][5] - 该模型通过一个轻量化（8B参数）的前台模型持续观察视频流，判断环境变化的重要性并决定是否响应或委托后台处理，旨在以低延迟、低成本的方式将AI深度融入物理世界的运营场景[11][14] - 京东的战略是通过开源中等规模、高效率的模型系列（包括JoyAI-VL-Interaction, JoyAI-LLM Flash, JoyAI-Image, JoyAI-RA），构建一套连接感知、判断与行动的AI系统工程，以支撑其“全球最大物理世界运营中心”的愿景，将AI从屏幕内的工具转变为组织真实世界生产力的系统[15][16][17][18][21] AI交互范式的转变 - 当前多模态AI的交互模式主要是“回合制”，即用户提问、AI回答，这种模式不适合持续变化的真实世界，真正的需求在于AI能在变化发生、人未及反应时主动介入[2][3] - 理想的AI应具备“在场”能力，能够像现场同事一样，通过持续观察视觉等环境信号，自主判断何时该说话、何时该保持沉默、何时该将复杂任务委托给后台系统[5][7] - 交互的难点在于让AI学会人类的社交隐性能力——知道何时不打扰，JoyAI-VL-Interaction将“沉默”设计为一个需要学习的动作，以避免AI变得烦人[8] JoyAI-VL-Interaction模型的技术特点与优势 - 模型定位为实时视觉语言交互模型，核心目标是判断交互时机，而非单纯提升回答质量[5] - 采用轻量化设计，参数量为8B，目标是在单张RTX 3090级别显卡上即可部署，强调低延迟和低成本持续在线[11] - 采用前后台分工架构：前台轻量模型负责“看情况”，实时感知并判断是否响应；后台强大模型负责“想明白”，处理复杂推理和任务[11] - 采用了AdaCodec视频编码和长程记忆设计，能高效处理连续视频流，对稳定画面使用少量token表示，在变化发生时投入更多资源，实现低成本巡检与有事迅速聚焦[14] - 在人类评测中表现优异：在六个真实流式场景中，相比豆包内视频通话助手的整体胜率为77.6%，相比Gemini的整体胜率为87.9%，在监控预警场景中对两者的胜率均为100%，优势体现在更早、更准地判断该不该说[8][9] 京东的AI战略与业务协同 - 京东的业务涵盖仓储、配送、零售、健康、工业等密集连接线下流程的场景，其“全球最大物理世界运营中心”的愿景需要AI将真实世界的状态变化转化为可理解、可预测、可调度的数据和动作[15] - 京东的AI布局是一套系统工程：JoyAI-LLM Flash（中等规模高效模型）、JoyAI-Image（视觉理解与空间智能）、JoyAI-RA（具身智能）、JoyAI-VL-Interaction（现场交互），共同目标是让AI能在物理世界中持续观察、判断并触发行动[16][17] - 战略逻辑形成闭环：物理世界业务提供场景和数据，开源模型吸引开发者和生态，具身智能连接感知与行动，最终通过各类终端将AI能力带回现场，目标是提供一种高效组织真实世界的能力[20][21] 开源的意义与未来应用场景 - 开源8B轻量级模型具有现实意义，使得开发者能部署、企业能试点、硬件厂商能嵌入，从而有机会在大量真实场景中被反复打磨，让真实需求参与定义下一代交互[14][18] - 实时视觉交互让AI从“被召唤”变为“在现场”，其应用想象力在于琐碎但高价值的物理世界运营场景，如家庭看护、门店缺货与排队管理、工厂安全监控、机器人决策等，这些场景的及时性与低成本是AI转化为生产力的关键[18] - 模型的开源是寻找和验证场景的开始，标志着AI竞争正从屏幕内的问答走向屏幕外的运营[18]

文章核心观点 - 行业正从被动“预测下一个Token”的问答模式，向主动“预测下一个物理状态”的交互范式演进，AI需成为真实世界的主动参与者[6][8] - 京东开源全球首个全栈开源实时视觉语言交互模型JoyAI-VL-Interaction，旨在解决传统AI在快速变化或无声场景下“来不及提问”的局限性，通过视觉驱动实现自主判断与响应[4][6][10] - 视觉是AI感知物理世界不可替代的通道，视觉交互模型是连接物理与数字世界、实现具身智能的关键，其应用将重塑人机协同方式[17][20][37] 模型技术与能力总结 - **模型定位与能力**：JoyAI-VL-Interaction是全球首个全栈开源实时视觉语言交互模型，能在连续视频流中自主判断何时回应、保持沉默或分发复杂任务[6][14] - **性能表现**：在六个真实流式场景测试中，对阵国内头部模型胜率达77.6%，对阵国外模型胜率达87.9%，在监控预警场景胜率达100%[17] - **技术特点与设计**：模型将语音作为可插拔I/O，视觉语言成为驱动决策的“一等驱动模态”[14] 模型被设计为8B参数的前置交互层，负责环境感知与即时沟通，复杂任务分发给后台Agent[23][24] 通过视频编码、长程记忆和上下文压缩等技术，实现亚秒级端到端延迟，支持在单张3090显卡上部署[23][24][27] - **开源生态**：模型、推理系统及应用搭建路径全栈开源，已获得vLLM-Omni的day-0支持并合入主线，降低开发者部署门槛[23][26][28] 行业趋势与竞争格局 - **范式转变共识**：行业共识认为AI正从“预测下一个Token”转向“预测下一个物理状态”，交互性作为模型自身能力来规模化是未来方向[6][13] - **先行者判断**：京东与Thinking Machines Lab几乎同时提出交互模型概念，强调自主响应范式相较于传统问答具有更大的人机协同想象力空间[12][13] - **竞争差异点**：相比多数聚焦语音交互的玩家，京东选择以视觉为核心切入，源于其更接近物理世界运营现场的战略位置和真实业务需求[20] 应用场景与市场潜力 - **核心应用场景**：模型适用于老人儿童看护、盲人辅助、AI眼镜、赛事解说、门店巡检、仓储物流、机器人协作等无需用户主动提问的场景[15] - **具体应用想象**：包括赛事直播自动解说、股票盯盘异常提醒、家庭安全预警、AI眼镜环境识别、服务盲人等[30] 长期看，模型将赋能机器人、无人车、仓储、门店等物理空间，使其成为“有分寸感”的智能助手[30][34] - **京东战略落地**：京东物流计划五年内投入300万台机器人、100万台无人车、10万架无人机，这些硬件将成为模型的重要应用载体[36] 公司战略与数据壁垒 - **物理世界数据资产**：京东拥有3000多个覆盖零售、物流、健康、工业的真实业务场景，是训练视觉交互与具身模型最稀缺的燃料[20][31][33] - **数据采集计划**：公司宣布两年内积累1000万小时高质量真实场景视频数据，动员60万人参与采集，并已建成具身智能数据采集中心及全链路数据基础设施[33] - **多模态布局**：一个月内连续开源专注于实时理解交互的JoyAI-VL-Interaction和擅长长视频实时生成的JoyAI-Echo，打通了视频多模态的输入与输出两端[34] - **长期愿景**：京东旨在成为“全球最大物理世界运营中心”，通过开源推动主动交互从实验走向主流，让AI更深入地融入物理世界[35][37]