京东MALL的线下门店里，千寻智能的小墨机器人正有条不紊地制作咖啡，取杯、研磨、萃取，每一个动作的完成，背后都是一次真实物理世界的交互数据采集。这是具身智能头部玩家千寻智能与京东达成深度战略合作后的首个落地成果。当整个行业还被真机交互数据短缺、采集成本高企的难题困住时，这场合作让具身智能的“数据闭环”从概念走向了真实的落地场景，并逐步从单点验证迈入加速落地的新阶段。
2026年3月，具身智能头部企业千寻智能与京东集团正式签署战略合作协议。双方宣布将在2026年至2029年期间，围绕消费级产品定制、技术合作、场景开放落地及营销共建等方面展开深度合作，共同推动具身智能技术在零售领域的加速应用。
需要关注的是，不同于以往科技企业与场景方的浅层合作，此次双方打造了“技术+场景+数据”的三位一体落地范式，京东从单纯的零售渠道方，转变为千寻智能的“数据合伙人”，而千寻智能也不再是孤立的技术提供方，而是与场景方深度耦合，共同打通从数据采集、模型训练到商业落地的全链路。
行业普遍认为，2026 年是具身智能商业化落地的关键一年，而数据稀缺问题，正成为制约其在真实商业场景中跑通落地的核心瓶颈。千寻智能与京东在具身智能数据领域实现关键突破，有效破解了产业化落地的“最后一公里”难题。
01.
为什么零售场景，会成为具身智能模型进化的关键战场？
千寻智能选择与京东合作，剑指具身智能模型进化最关键的真实场景数据。在具身智能发展进程中，物理世界的真机交互数据远比互联网时代的图文数据更为珍贵，也更难获取。而京东覆盖全链路的零售真实场景，恰好能够持续产出这类高价值数据。
在京东 MALL 的咖啡制作场景中，依托京东JoyAI大模型与JoyInside技术的支持，遥操员可跨地域对Moz机器人实现高精度远程操作，完成咖啡制作这类非标准化复杂任务。在整个操作过程中，机器人会同步采集多模态感知数据、关节运动轨迹以及精细力反馈信息。这些数据并非实验室中的仿真合成数据，而是包含真实环境变量、操作逻辑的 “专家级数据”，其丰富度与真实性是仿真数据无法比拟的。
更关键的是，这些从零售场景中采集的高价值数据，将直接接入千寻智能的模型训练体系，用于 Spirit VLA 模型的即时训练与微调。机器人每完成一次场景操作，就同步完成一次数据采集，模型也随之完成一轮迭代优化。这套 “场景操作 — 数据采集 — 模型迭代” 的闭环体系，让模型真正具备了实时进化、持续迭代的能力。
随着合作深入，双方还将共建面向具身智能训练的高质量数据集，结合零售行业趋势、用户行为模式与机器人操作数据的深度洞察，持续提升模型的场景适应能力，让高质量数据供给形成体系化、常态化的支撑能力。
02.
别人都在追求完美数据，千寻智能为何坚信“脏数据才是关键”？
早在与京东达成深度数据合作之前，千寻智能就已搭建起完善的数据体系，具备规模化采集与应用真实交互数据的能力。这套体系如同数据闭环的 “燃料供给系统”，为模型持续进化提供核心动力。
截至目前，千寻智能已累计获取超20万小时真实交互数据，数据类型覆盖互联网人类视频、遥操作、可穿戴设备采集、真机rollout等多个维度。按照当前节奏，该数据规模在2026年将突破100万小时，而与京东的合作将进一步加速这一进程。
数据规模的快速扩张，得益于千寻智能在采集技术上的核心突破：其自研可穿戴采集设备，将单场景数据采集成本降至传统方式的十分之一，正是这一成本优势，让物理世界的规模化数据采集从 “不可能” 变为 “可实现”。
在数据积累上，千寻智能更提出了一套颠覆行业的思路：“Dirty data is the key to scaling VLA models”。当行业内不少企业仍在追求 “完美数据”，依靠精选、标准化的演示数据训练模型时，千寻智能选择了一条差异化路径。在千寻智能看来，真实物理世界本身充满不确定性，机器人会面临遮挡、操作失误、环境变化等各类非标准化情况，这些看似“不完美”的脏数据，反而能让模型接触到更贴近现实的复杂场景。以此训练出的模型，在应对新场景、新任务时，泛化能力将远超基于仿真或完美数据训练的模型。
为此，千寻智能将80%的资源投入数据体系建设，目标是将有效训练数据规模提升100倍，打造行业最宽的数据护城河。千寻智能判断，具身智能赛道的终极竞争，最终比拼的就是数据的规模与质量，谁掌握海量真实场景数据，谁就掌握模型进化的主动权。
03.
为什么这套具身智能数据闭环如此重要？
小墨机器人在京东MALL制作咖啡，不只是一次技术展示，而是把门店真实的商业需求，和机器人模型训练的数据需求直接绑在了一起。机器人通过智能服务为门店带来差异化体验，吸引客流、提升品牌影响力；同时在服务过程中产生的真实环境、真实操作数据，远比实验室仿真数据更有价值，能直接推动模型能力提升。
目前小墨机器人以跨地域远程高精度人工操控为主，一边完成业务任务，一边采集真实场景数据，用这些数据持续优化模型，为后续机器人自主作业打下基础。
千寻智能把这条技术闭环分成三个阶段：
初期人类远程遥操，是为了建立标准化操作逻辑，收集高质量专家数据；
中期由机器人自主完成任务人工监督，主要收集遮挡、环境变化等极端复杂场景的数据，让模型更好地学习处理cornor case；
后期机器人实现全自主运行，通过模型的泛化能力实现完美的数据闭环。
这种阶梯式推进，最大的价值在于，数据积累和模型迭代的同步推进，数据采集不做无用功，模型迭代直接匹配实际应用，避免了为了数据而采集数据，为了训练而训练的内耗过程，让数据闭环在真正的商业化落地当中产生了价值，而这种正向循环模式在整个行业来讲都是一项了不起的创新。
04.
一套模型跑通工业与零售场景，千寻智能的数据闭环到底强在哪？
机器人大讲堂认为，当前具身智能的泛化性与可迁移性是限制具身智能大规模落地的核心问题，而千寻智能恰巧通过数据闭环支撑的通用模型底座具备强适配性与可迁移性，破解了这个难题，并验证了技术的实际落地价值，让具身智能跨行业应用有了可落地的实操基础。
从底层的逻辑来看，工业与零售场景的技术要求相差很大。能实现单模型适配，除了模型本身的能力优秀之外，数据闭环正是推动模型能力进化的核心。
宁德时代产线对操作精度、稳定性要求严苛，小墨机器人零故障完成近千块电池操作、插接成功率超 99%，验证了模型在高精度工业场景的硬执行能力。
京东零售场景存在大量非标准化变量，小墨机器人完成咖啡制作等复杂服务，证明了模型在多元商业场景的泛化能力。
这种正向的数据积累与迭代，让模型的核心能力持续打磨，成为跨场景落地的关键支撑。
宁德与京东双场景落地，也为千寻智能打造了一套可复制的具身智能落地模式。这套以数据闭环为核心、通用模型为基础的模式，并非仅适用于工业或零售单一领域，而是能根据不同行业的核心需求快速适配。
目前双方计划将机器人延伸至京东药房的自动分拣、精准配药等环节，打造无人化智慧药房；同时针对数码家电、巡检导览、自动化清洁等零售细分场景的多元化需求，推进产品与方案的联合开发，推动具身智能在B端、C端及G端全面落地。
从更务实角度来看，这套数据闭环逻辑，让千寻智能掌握了具身智能跨行业落地的核心方法论，而持续积累的跨领域真实数据，会进一步强化模型的通用能力。未来这套模式有望渗透至医疗陪护、智慧物流、城市服务等更多领域。
05.
结语与未来：
“2026年被公认为具身智能的GPT时刻，数据与算法开始收敛，行业的规模化拐点已经到来。”千寻智能创始人韩峰涛的这一判断，正在与京东的合作中逐步变成现实。
从宁德时代工业产线的高精度操作，到京东MALL一杯咖啡的制作，千寻智能以数据闭环为核心，将真实场景的每一次操作，都转化为模型进化的养料。与京东的战略合作，只是千寻智能数据闭环战略的起点，随着更多场景的开放、更多数据的积累，具身智能将真正从实验室走向产业深处，这场由数据驱动的产业革命，正在重构机器人时代的零售新形态与工业新范式。
热门跟贴