OpenClaw 的爆火让 AI 加速走进更多人的日常工作与生活中，但与之而来的安装/卸载难、token 贵、数据安全等问题，也让不少开发者和中小企业望而却步。3 月 24 日，京东在媒体沟通会上正式公布多项 AI 研发应用的阶段性进展，为了满足个人开发者与企业的多样化需求，其推出的“龙虾天团”包括轻量云主机一键部署、一体机、云上 SaaS 版等多元产品形态，此外，京东还首次开源轻量化大模型 JoyAI-LLM Flash，该模型与 OpenClaw 高度适配，大幅降低 AI 使用门槛。
在数字人领域，京东数字人 JoyStreamer 以三大核心技术解决行业音视频不同步、多模态控制不协调、长视频身份失真等痛点，性能超越国际 SOTA 水平；在具身智能领域，推出 JoyInside 附身智能，为智能家电、机器人等装上 AI 大脑。会上，京东还披露了具身数据采集中心最新进展，将在未来建成全球规模最大、场景最全的具身智能数据采集中心。
从“龙虾天团”，到首次开源大模型，再到数字人与具身智能的深入布局，京东试图从模型、工程到应用场景，打通 AI 落地的关键路径。
从“养虾”到“用虾”，京东云推出“龙虾天团”
OpenClaw 火速出圈，成为 2026 年 AI 领域最受关注的现象级事件之一。目前，行业内已涌现出多种“龙虾”产品形态，从本地“虾”到云端“虾”，产品迭代与上新速度持续加快。日前，京东云推出“龙虾天团”，基于开源 OpenClaw 架构，提供轻量云主机一键部署、一体机以及云上 SaaS 等多种形态，覆盖个人开发者、中大型企业从“养虾”到“用虾”的不同需求场景。
就“养虾”而言，开发者在实际使用过程中会遇到诸多门槛。本地部署往往需要逐步完成环境配置与依赖安装，流程繁琐且容易出错；云端部署又涉及配置复杂、成本不透明等问题。
针对这些痛点，京东云推出的本地虾支持本地一键部署，此外，京东云还推出了云端一键部署能力，将原本复杂的部署流程简化为开箱即用的在线体验，使“养虾”从技术操作转变为服务调用。
特别之处在于，京东云推出的“龙虾”产品在记忆功能上做了进一步优化。传统模式下，不同“龙虾”实例之间相互割裂，用户即便维护多个实例，也无法共享上下文与历史信息，导致使用过程频繁中断、难以连续。京东通过引入“记忆共享”机制，使得不同部署形态下的“龙虾”具备统一的记忆能力，实现跨实例的无缝衔接，从而在连续任务中保持上下文一致性。
对于企业而言，数据安全与合规是前提，针对企业级安全与合规需求，京东针对 OpenClaw 做了两个加固版本：其一是完全自研的企业级产品，面向企业内部场景进行系统化设计；其二是基于 OpenClaw 的企业加固版本，在原有能力之上增加漏洞扫描、安全加固以及规模化稳定性优化，确保其能够在企业环境中安全、稳定地落地运行。
在实际应用中，企业在使用大模型时往往面临数据无法“出域”的问题。大量代码、业务数据及敏感信息无法调用外部 API，纯云端方案难以适用。对此，京东推出了基于国产芯片的一体机方案，将模型、推理能力与系统环境集成在本地设备中，实现开箱即用的私有化部署。此外，京东还自研云原生推理框架优化推理成本，同时推出 CodingPlan 大模型套餐包，适配不同模型与业务场景，降低企业整体使用成本。
数据显示，京东云“龙虾”系列产品上线后，近一周 token 调用量环比增长高达 455%。
京东相关技术负责人在接受媒体采访时指出，“龙虾”出圈现象的本质在于，底层模型能力的跃迁。当前，基座模型能力已经达到了 L3 Agentic Level，“龙虾”作为放大器，能够将模型的价值进一步释放。未来一年，模型能力或将达到 L4 Innovation，具备创造能力。“龙虾这个放大器的作用肯定在今年还会持续放大，到年底或者明年 3 月，希望能看到 L4 的模型出来，那时，将有很多大家现在想象不到的应用方式百花齐放。”
首次开源大模型 JoyAI-LLM Flash，主打高 token 利用率
在模型层，京东首次开源基础大模型 JoyAI-LLM Flash 的 Instruct 版本，该模型具备高效响应、轻量化部署、高精确度等核心优势，与“龙虾”适配度极高。
在第三代 Agentic AI 架构中，任务执行涉及多步推理、反复调用与迭代执行，token 消耗量呈指数级增长，成本问题成为关键瓶颈。针对“龙虾”实际应用中最普遍的 token 成本高痛点，京东通过 JoyAI-LLM Flash 进行了深度优化，并提出 token efficiency 理念，即在完成相同任务的前提下，所需 token 数量最少。
从实际对比结果来看，在任务完成率接近的情况下，JoyAI-LLM Flash 的 token 消耗仅为其他模型的四分之一或五分之一。在 token 效率方面，JoyAI-LLM Flash 通过 MTP 方式实现训推协同一体，大幅提升推理效率。相比传统模型，推理效率提升 1.8 倍。
此外，传统方法在训练过程中容易出现 loss 震荡或 reward 下降，随着训练时间延长，性能往往迅速衰减甚至崩溃。对此，JoyAI-LLM Flash 引入了基于“纤维丛”理论的 FiberPO 强化学习方法。FiberPO 可以持续提升和优化，也使得 JoyAI-LLM Flash 在 19 个权威基准测试中表现优异。
京东数字人 JoyStreamer 公布三大核心技术
在数字人领域，行业长期存在的三大核心难题：音视频不同步、多模态控制冲突以及长视频中的身份失真。
针对这些问题，京东数字人 JoyStreamer 构建了三项关键技术能力：
双教师 DMD 后训练技术，无需额外增加训练数据，就能让数字人精准响应复杂指令、完成复杂动作；
动态 CFG 调制策略，从根源上解决数字人“手脚动作与面部表情不协调、口型和声音对不上”这类多维度控制冲突；
历史帧+伪最后一帧结构，可稳定生成 30 秒以上长视频，全程保障数字人形象不变形、动作不卡顿，满足直播、长视频、广告片等商业场景的实际需求。
据介绍，京东数字人技术演进主要围绕三个维度展开：一是提升表现力与感染力，二是提高制作效率，三是推动模型从单一形象走向通用化。在这一过程中，技术路径也经历了从大量素材拍摄，到 AIGC 替代，再到“单图驱动”的逐步演进。目前，只需要一张图片+文本描述，就能驱动数字人完成复杂动作与互动。
在电商场景中，这一能力已经形成规模化应用。京东数字人及 AIGC 产品相关负责人在接受媒体采访时表示，目前京东已有 7 万商家深度使用数字人直播，覆盖几乎所有品类。
此外，京东还进一步提出“自由态数字人”的概念。与传统动作受限的数字人不同，自由态数字人可以自然走动、灵活切换姿态，甚至在镜头中实现出入场与遮挡等复杂表现，从而更接近真实主播的表现形式。
JoyInside 为万物装上 AI 大脑，未来将打造全球最大具身数采中心
在具身智能领域，京东依托 10 余年多场景智能交互沉淀与 JoyAI 大模型能力，推出 JoyInside 附身智能，为智能家电、机器人等植入“高情商大脑”。
据了解，JoyInside 具备超拟人对话、全年龄段适配、言行高度协调等优势，2026 年初新增“欢乐星球社交玩法”与 TTS 语音升级，联合京东京造打造国内首个跨品类智能硬件社交网络，实现多设备互联互通，并覆盖八大方言交互。
其核心在于“交互关系”的构建。例如，不同设备之间可以互加好友，实现跨设备通信与互动；在家庭场景中，可以通过玩具实现远程陪伴与情感连接。这种设计，使 AI 能够从工具进一步转向“关系媒介”。
目前，JoyInside 已与近百个家电家居品牌、超 40 个机器人与 AI 玩具品牌深度合作，覆盖多元场景。
此外，京东还打造了 JoyInside 一站式开发平台，实现了 AI 硬件从创意到量产的全闭环赋能。今年 3-4 月，京东正式举办“AI 终端新物种”京东 JoyInside 首届创新大赛，面向全球开发者、硬件厂商、AI 创新团队，围绕智能家电、机器人、消费电子等终端品类，征集基于 JoyInside 交互的 AI 硬件创新方案。通过京东云的技术底座、产业资源与零售渠道，优秀项目将获得从创意孵化到产品包销的全链路支持，加速 AI 终端从概念走向规模化商用。
在具身智能数据采集方面，当前大量模型仍依赖仿真数据训练，缺乏真实场景支撑。为从源头破解行业“数据荒”，京东将发挥零售、物流、工业、外卖、家政等场景丰富的优势，建成全球规模最大、场景最全的具身智能数据采集中心。数据采集过程中，京东将发动内部超过 10 万名各类职业员工，以及外部最多 50 万各行业人员，其中在宿迁就将发动超 10 万市民，开展“人类规模最大的数据采集行动”。
按照规划，未来一年内，京东将积累 500 万小时人类真实场景视频数据，两年内将超 1000 万小时，并同步采集 100 万小时机器人本体数据；推动具身智能产业从算法仿真迈向真实数据驱动，撬动万亿级机器人产业生态发展。
从“龙虾天团”降低 Agent 使用门槛，到 JoyAI-LLM Flash 重构模型效率，再到 JoyStreamer 与 JoyInside 打通应用与硬件场景，京东正在尝试构建一条从模型到底层数据、再到产业落地的完整 AI 路径。
在模型能力持续跃迁的背景下，真正的竞争正在从“能不能做”转向“能不能规模化落地”。围绕成本、安全、效率与真实场景的系统性优化，正在成为 AI 走向产业深水区的关键。
