先把三个数字摆平：300 万台机器人、100 万台无人车、10 万架无人机，时间是「未来五年」，主体是「京东物流」。这是 11 月 4 日下午乌镇那场演讲里最容易被截图转发的部分。
但同一场演讲里还有一组数字，转发得少得多：两年内采集超过 1000 万小时高质量人类真实场景视频，以及超过 100 万小时机器人本体运行数据。
前一组是采购单，给供应链看的；后一组是生产计划，给自己用的。两组放在一起，才构成一次完整的表态——京东不只想买机器人，它想成为那个「先把数据攒出来、再把机器人买进来」的角色。
300 万台摊到五年，是每年 60 万台。这个数字单独看没有参照系，得找个分母。
高工咨询在 11 月 3 日的年会上给出另一个口径：2026 年中国人形机器人出货量预计超过 5 万台，全球接近 6 万台。如果拿 60 万台去比 5 万台，比值是 12。
这个 12 必须加三条注解才成立。第一，品类不同。京东说的「机器人」是物流设备总称，仓库里跑的 AGV、AMR、分拣臂、堆垛机都算，人形机器人只是其中最不确定的一小块。第二，时间不同。60 万台是年均值，2026 年这一年京东一台都未必买得到这么多。第三，性质不同。「计划采购」四个字里有回旋余地，它不等于已签合同。
| 维度 | 京东口径（11-04） | 行业口径（11-03 高工） | 能不能直接比 |
|---|---|---|---|
| 数量 | 五年 300 万台（年均 60 万台） | 2026 年中国人形出货超 5 万台 | 不能，品类不对齐 |
| 品类 | 物流全设备（AGV/AMR/分拣/操作臂等） | 人形机器人整机 | 不能 |
| 性质 | 计划采购，未见合同与违约条款 | 已发生的出货统计 | 不能 |
| 可核实度 | 企业单方演讲口径 | 第三方咨询机构测算 | 均需保留 |
所以 12 倍这个数，正确的读法是「京东一家报出的采购意愿，量级上已经超过了当前全行业一年的产出」。它说明的不是京东要买多少，而是需求侧第一次给出了比供给侧大一个数量级的数字。这种落差在产业早期很常见，通常最后不是靠产能补上，而是靠口径缩水消化。
报道里给了一组底数：京东 AI 已落地零售、物流、健康、工业等 3000 多个场景；全网运营 3800 多个仓库；连接 20 多万家合作线下零售药房；布局 1 万多家京东 MALL 及各类门店；还有 5 万多名自运营保洁师，一年服务近千万户家庭。
这组数字解释了两件事。
一是为什么采购单位是「万台」而不是「台」。3800 个仓库，每个仓库放 100 台设备就是 38 万台；1 万家门店，每家两台就是 2 万台。对京东这种体量，万台是自然单位，对一家区域集成商，百台就已经是大项目。同一句「规模化」，在两种公司嘴里的含义差两个数量级。
二是为什么它敢同时报数据目标。1000 万小时人类视频要靠「人」来拍，而京东手里正好有一支带编制的、每天在真实货架和真实家庭里作业的队伍——5 万名保洁师、数十万仓储与配送员工。这批人不需要被「组织去采数据」，他们本来就在干活，只需要在干活时把视角记录下来。这是国内极少数不需要额外搭棚就能采到长尾场景的组织形态。
这里有个容易被忽略的细节：曹鹏提到「某具身智能基础模型公司接入京东云真实场景数据后，在研发团队配置和周期不变的前提下，模型对未知物体的操作成功率显著提升」。这句话没有给数字，也没有点名客户，但它把京东的商业模式讲清楚了——卖的不是数据，是「在真实场景里验证过」这件事本身。对模型公司来说，能拿到一批带真实作业上下文、带失败样本的数据，比多买几张卡更稀缺。
把 1000 万小时摊到两年，是每年 500 万小时、每天约 1.37 万小时。假设一人一天有效采集 6 小时，需要约 2280 人同时在采，全年无休。
这个量级放在行业参照系里是什么位置？同日《学习时报》那篇文章给出的存量数字是「国内真实物理交互场景合规数据仅 50 万小时」，而商业化落地需要「数千万小时」。两相对照，京东一家两年报出的 1000 万小时，相当于现有存量的 20 倍。
当然，这两个数字的口径大概率不同：学习时报说的「合规数据」是已经过确权、可用于训练的数据，京东说的是「采集量」——采集下来到能用，中间还隔着清洗、标注、确权三道工序。但即便打三折，量级上的冲击仍然成立。
按本号的素材纪律，这里必须把话说清楚：「300 万台」不是 11 月 4 日的新消息，它在 2025 年 10 月就已经出现过。11-04 窗口内的新增量有三条——① 首次在国际会议场合完整陈述，并把「算力、数据、场景、供应链」四段体系讲成一套逻辑；② 首次给出 JoyAI-Sim 的两个量化指标（仿真与真实评测一致性约 90%、效率为真机评测的 3.2 倍）；③ 首次把「智元已进入智狼仓」这一具体客户案例放到台面上。这三条才是今天值得记的部分，采购数字只是背景板。
顺带说一句：这类「五年采购 N 百万台」的表述，在产业史上出现过很多次，兑现率差异极大。判断它靠不靠谱，不看总量，看三个细节——有没有分年度拆解、有没有对应的运维人力规划、有没有把「采购」和「框架协议」分开表述。这三条目前一条都没给。
如果这张单子按最乐观的方式兑现，最先被填满的不是整机厂的产线，是交付与运维这一层。60 万台设备摊到 3800 个仓库和 1 万家门店，平均每个点位十几台；十几台设备需要一个能到场、能换件、能调参的人。这个岗位的供给，现在几乎为零。
报道里提到京东物流已建成 8 大维修中心，五年内要把售后能力铺到 100 多个国家、创造 10 万个售后工程师岗位——这条来自一篇行业公众号稿件，未见京东原始材料，按单一信源处理。但即便只信一半，它也指向一个方向：机器人产业的下一段人力缺口，不在算法工程师，在懂现场的技术员。
对区域型服务商来说，这既是机会也是压力。机会在于，头部平台把设备铺开之后，本地的到场服务只能外包；压力在于，外包的计价方式通常是按次、按台、按响应时长，利润薄且要求标准化。想在这条链上站住，得先把自己的人效和备件周转做成可报价的东西，而不是靠关系接单。
最后回到那三个数字。300 万台是一个方向，不是一个承诺。它最有价值的地方，是让整个行业第一次看到需求侧愿意给出的量级上限——至于这个上限哪一年能落到地上，取决于有多少人愿意蹲在仓库里，一台一台把设备调通。