10月13日，京东工业在第26届中国国际工业博览会上发布工业世界模型，完成其模型体系从认知工业供应链到连接物理世界的跃迁，推动工业AI应用从中心化分析向端侧实时决策延伸，让工业现场真正具备“未来感知能力”。同期，中国工业互联网研究院与京东工业在工博会主论坛联合发布《AI赋能企业价值量化评估研究——从“AI应用评价”迈向“AI价值评价”的探索》，首次提出面向业务场景的价值量化评价框架。工博会现场，京东工业“工品智炼”平台荣获中国工博会大奖，AI智采管家获得CIIF数智技术奖。从认知供应链到连接物理世界，一条“让经过真实供应链验证的AI能力走出企业、向产业开放”的落地路径正在清晰展开。

一、构建工业世界模型：从认知供应链到连接物理世界

从模型能力到物理现场，京东工业的AI布局沿两条主线同步推进。此前推出的JoyIndustrial 2.0工业大模型，已构建起“理解工业对象与业务状态、完成任务规划与工具调用、链接业务系统与转化业务动作”的三层能力体系：底层通过工业大模型理解对象与业务状态，中间通过“研、产、供、服”专业智能体完成任务拆解与工具调用，上层连接业务系统将判断转化为真实行动，业务结果再回流数据推动持续进化。据中国工业新闻网报道，JoyIndustrial 2.0上线以来累计调用量已超10亿次，并获得中国工业互联网研究院国际第一梯队认证。

本次工博会发布的工业世界模型，则将能力进一步下沉到物理现场。据京东工业介绍，该模型由多模态工业大模型、超空间表征世界模型与端侧智能构成混合架构，覆盖物料入场、仓储配送、生产制造、设备运维、质量交付等作业维度，实现对人员、设备、物料、环境与作业流程的状态理解、未来推演、风险预测与任务规划（如图1所示）。这意味着，工业大模型的认知能力不再停留在“看懂供应链”，而是进一步延伸至“理解物理世界”——对现场状态进行实时表征与推演，为前瞻式决策提供依据。

图1　京东工业世界模型混合技术架构示意（资料来源：人民网、科技日报、新浪财经，2026年10月）

二、端侧决策：让复杂现场具备“未来感知能力”

京东工业世界模型聚焦生产制造、设备运维、物流流转、质量检测等高价值场景的核心需求，实现前瞻式决策。其核心技术从两个层面展开：一是工业世界模型本身的训练算法，二是与AMD在计算层面深度融合的推理优化。前者充分利用京东工业在工业数据、行业知识与作业流程上的长期积累，交付工业垂域世界模型；后者结合AMD在高性能计算与边缘部署方面的技术能力，探索具备现场状态理解、动态推演与风险预测能力的工业智能应用。

  这一模式推动工业AI应用从中心化分析向端侧实时决策延伸：复杂现场的风险预判、变化推演、任务理解和辅助决策在本地完成，从而降低响应时延、增强数据安全性、提升部署灵活性（如图2所示）。京东工业透露，世界模型将在工业安全预警、人机协作等场景首批落地，实现从事后处置走向事前预警的转变。“工业AI的下一站，就是从中心化分析走向端侧实时决策，让复杂现场真正具备未来感知能力。”京东工业技术负责人表示

图2　工业AI落地范式演进：从中心化分析到端侧实时决策（资料来源：据京东工业公开发布信息整理）

三、从“AI应用评价”迈向“AI价值评价”

 随着AI应用在产业中加速渗透，“业务改善是否真的发生、其中有多少真正来自AI、相关收益能否覆盖投入”成为企业必须回答的问题。工博会主论坛上，中国工业互联网研究院与京东工业联合发布的《AI赋能企业价值量化评估研究——从“AI应用评价”迈向“AI价值评价”的探索》，在行业中首次提出面向业务场景的价值量化评价框架。

   研究推动评价视角由“AI应用水平”向“AI驱动能力与价值”延伸，将评价重点落在企业运用AI推动业务改进的能力，以及由此形成的可验证价值贡献。在测算方法上，研究提出“业务改善识别、业务价值折算、AI贡献归因、AI净价值核算”的评价路径，统一业务边界与比较口径，识别应用AI前后的业务变化，确定AI的实际贡献；在指标体系上，围绕提质、提效、降本、增收四个维度，将场景业务指标与企业经营数据相衔接（如图3所示）。该研究为企业开展AI应用成效评估提供了具有业务解释力的分析框架，有助于企业识别具有实际价值的应用场景，提高投入决策的针对性。

图3　AI赋能企业价值量化评估框架：四维指标与四步评价路径（资料来源：中国工业互联网研究院与京东工业联合发布《AI赋能企业价值量化评估研究》，2026年10月13日）

四、工博会荣誉与开放生态

在工博会现场，京东工业的大模型创新与场景落地获得多项荣誉。其“工品智炼”平台——全球首创的工业供应链商品数据智能生产与能力开放平台——荣获中国工博会大奖，是十大获奖产品中唯一聚焦工业供应链领域的平台。据人民网上海频道报道，“工品智炼”联动百家上游合作伙伴搭建可信数据供给网络，依托JoyIndustrial工业大模型完成商品数据智能加工，将物料治理、合规审核、聚品降本封装为可组合调用的22个智能体应用，推动商品数据治理人效提升10倍，端到端任务成功率由60%提升至90%，P95任务耗时缩短30%；目前平台已服务14个行业80余家企业（如图5所示）。面向中小制造企业的AI智采管家则获得CIIF数智技术奖，提供从设计需求、选型采购到供应链交付的全链路AI化方案。

图5　京东工业AI落地关键成效数据（资料来源：人民网上海频道，2026年10月12日；中国工业新闻网，2026年9月）

从企业内部应用到产业开放，京东工业正把AI能力从“组织资产”转变为“社会公用能力”。“未来，京东工业希望让经过真实供应链验证的AI能力，走出京东、向产业开放、服务更多企业，让AI真正成为工业供应链的普惠生产力。”京东工业技术负责人表示。

五、数字仿真网行业观察体会

京东工业发布工业世界模型，是工业AI从“认知”走向“物理世界”进程中的一个标志性事件。数字仿真网长期关注工业仿真、数字孪生与物理AI的融合发展，结合本次发布梳理如下观察体会。

（一）世界模型与工业仿真同源共振：“无仿真，不智能”

数字仿真网专家观点指出，世界模型的生命力即来自于仿真计算——“没有仿真，世界模型便缺乏演化机制；没有世界模型，智能则失去理解与预测的框架”，并据此提出“无仿真，不智能”的判断（引自中国数字仿真网专家观点《仿真智能计算+“无仿真、不智能——可计算世界模型”》，2026年5月）。京东工业世界模型所强调的“状态理解、未来推演、风险预测”，本质上与仿真验证、数字孪生推演同属“以计算模拟物理过程”的方法论：工业现场的数据与机理被转化为可计算、可推演的表征，模型在虚拟空间中预演风险、推演变化，再作用于物理世界的决策（如图4所示）。世界模型将仿真的价值从“产品验证”延伸到“现场运行”，仿真则成为世界模型持续演化的核心机制，两者正在形成深度耦合。

图4　数字仿真网观察：世界模型、仿真计算与智能的共生逻辑（资料来源：中国数字仿真网专家观点，2026年5月）

（二）端侧决策背后：算力与部署架构之变

数字仿真网在《工业AI 2025 九大印象》中指出，工业AI在产业端加速渗透，推动算力需求持续攀升；企业通过部署边缘智能，将智能决策嵌入生产控制、设备运维、质量管控等核心环节，显著拓展了智能算力的需求覆盖面；而算力管制背景下，国产GPU等自主算力正加速补位。京东工业与AMD在推理优化层面的合作、将决策能力下沉至端侧的架构选择，与这一行业趋势高度一致：端侧决策意味着模型必须兼顾精度、时延与功耗约束，推理优化与边缘部署能力将成为工业世界模型落地成色的关键变量。

（三）从“事后处置”到“事前预警”：工业AI的价值范式迁移

数字仿真网观察到，制造业正经历从“物理试错”迈向“数字验证”的拐点；世界模型的出现，则把这一逻辑进一步推向现场运行环节。传统工业安全管理以事后处置为主——故障发生后再响应；工业世界模型通过本地化的状态理解与风险预测，把预警能力前置到事故发生之前，实现“从事后处置走向事前预警”。在工业安全预警、人机协作等首批落地场景中，世界模型扮演的是“现场推演者”而非“事后分析者”的角色。这标志着工业AI的评价尺度，正从“模型性能有多好”转向“能为现场避免多少损失”。

（四）场景、数据与生态：工业大模型竞争的新壁垒

数字仿真网关注到，通用大模型的竞争正从参数竞赛转向场景与数据竞赛。京东工业依托墨卡托标准商品库、“百川计划”数据生态与真实供应链场景，为工业世界模型提供了训练与迭代的一手数据来源；正如行业观察所判断的，“模型本身不再是壁垒，真正的壁垒是模型背后的场景和数据”（引自36氪《世界模型入口战：字节向左，京东向右》，2026年9月）。在工业垂域，谁拥有更完整的作业流程数据、更深的行业知识沉淀，谁就更有机会让世界模型“懂现场”。

（五）对国产工业软件与仿真产业的启示

数字仿真网认为，“当世界模型开始运行世界”（引自数字仿真网栏目观察），工业软件的形态与价值将随之改变。对国产CAE与工业仿真厂商而言，京东工业的实践提示三点：其一，仿真与AI的融合窗口已经打开，物理机理与数据驱动结合的“可计算世界模型”有望成为新一代仿真能力底座；其二，端侧、边缘部署将催生轻量化仿真推理与实时预测的新需求，这是国产工业软件差异化突围的潜在空间；其三，工业安全预警、人机协作等场景对“预测—验证—执行”闭环的要求，将牵引仿真工具从研发辅助走向现场决策支持，国产工业软件需要在场景适配与生态协同上提前卡位。

六、结语

从JoyIndustrial 2.0到工业世界模型，京东工业完成了一次“从认知供应链到连接物理世界”的跃迁；从中心化分析到端侧实时决策，工业AI的落地范式正在被重新定义。当世界模型让工业现场具备“未来感知能力”，当价值量化评估让AI投入可度量、可归因，工业AI正从“技术叙事”走向“价值叙事”。数字仿真网将持续关注工业世界模型与仿真技术的融合发展，见证AI成为工业供应链普惠生产力的进程。