2026年6月1日，京东工业正式启动「百川计划」，宣称要打造工业领域首个大模型生态共建体系。表面看，这不过是一份技术合作倡议；但放在中国MRO工业品市场3.7万亿规模、数智化渗透率却不足10%的语境下审视，这实际上是京东工业向整个行业发出的一个信号：工业AI的话语权，不能留给通用大模型，更不能留给竞争对手。
工业大模型的困境，从来不是算力不足，而是数据太「脏」。京东工业自己坦承，工业品行业数据「杂乱散」，标准缺失，通用大模型在这个领域「幻觉」严重。这不是谦虚，而是行业共识。当你面对9770万个SKU，涉及从一颗螺丝到整套自动化设备的全品类覆盖时，你会发现工业数据的复杂性远超消费互联网。商品参数、规格型号、售后标准，甚至同一款产品在不同工厂的命名方式都可能截然不同。京东工业基于9770万SKU数据沉淀推出JoyIndustrial大模型，并在此基础上发布「AI智采管家」，本质上是在证明一件事：只有真正浸泡在工业供应链里足够久的企业，才有资格训练工业大模型。
但京东工业显然不满足于此。百川计划的核心逻辑，是把京东自己的数据壁垒转化为行业的数据基础设施。通过「数据共建、模型共创、应用共享」的三层架构，京东试图联合上下游伙伴，将供应商侧的商品参数、规格、售后数据统一标准、清洗治理，形成可流通的工业数据集。这一步棋的深意在于：谁掌握了工业数据的标准制定权，谁就掌握了未来工业大模型的训练话语权。在MRO行业，数据主数据重复率高达15%—20%，超60%的工业品缺乏标准化规格参数，这种混乱不是 bug，而是传统分销时代遗留的「护城河」——现在京东要用AI把它拆掉。
值得注意的是，京东工业在2026年已经形成了清晰的双轮战略。年初的「百舸千帆」计划聚焦商业增长，联动百家品牌、服务千家客户，目标规模倍增；而6月启动的百川计划则聚焦AI技术生态，一个管「赚钱」，一个管「筑墙」。这种分工绝非偶然。当震坤行推出「行家玲珑」MRO垂直大模型、阳采集团凭借AI大模型驱动入选工业互联网产业联盟标杆案例、苏宁易采云升级「灵思大模型」时，京东工业必须回答一个问题：在工业AI赛道上，除了规模，你的不可替代性在哪里？
答案或许是「供应链全链路」。与竞争对手多聚焦于采购环节不同，京东工业的大模型布局覆盖了从商品治理、供需匹配到伴随出海的完整链条。其「工品查」能将十万级商品处理时长从月级压缩至小时级，人效提升10倍以上；在汽车行业，某新能源车企通过其数智供应链将采购周期从21天压缩至7天，全年库存成本减少约3000万。这些数字背后，是京东工业试图构建的「数据-模型-应用」闭环——百川计划正是这个闭环的开放接口。
从市场层面看，这个时机选得精准。国研大数据研究院与京东工业联合发布的报告显示，2024年中国工业供应链总成本约115.2万亿元，通过数智化转型可降低成本5.88%，对应6.8万亿元的降本空间。而毕马威的数据则指出，中国MRO市场数智化采购渗透率仅为9.8%，但年复合增长率高达21.7%，约为传统渠道增速的4倍。这意味着，工业AI不是「要不要做」的问题，而是「谁能先做出可用性」的问题。京东工业2025年收入同比增长17.4%，已对接约20.5万家制造商，这些业务体量为其大模型提供了天然的训练场和试验田。
当然，百川计划面临的挑战同样真实。工业领域的「生态共建」从来不是请客吃饭，供应商是否愿意把核心数据拿出来共享，取决于信任机制和商业回报的设计。京东工业需要证明，加入百川计划不是单向的数据输出，而是能获得技术反哺和业务增量。另外，JoyIndustrial大模型目前落地近40款AI智能体、服务3000余家重点企业，但与整个工业市场的海量中小企业相比，规模化复制的能力仍需验证。工业场景的碎片化、非标化特征，决定了大模型落地不可能像消费互联网那样快速爆发。
但无论如何，百川计划的启动标志着中国工业大模型竞争进入了「生态对抗」的新阶段。此前的竞争是单点工具的比拼——谁家的AI选品更快、谁的客服机器人更智能；而现在，竞争升维到了数据生态和模型基础设施的层面。京东工业率先喊出「生态共建」，既是对自身9770万SKU数据资产的自信，也是对行业痛点的精准卡位。
在工业数智化转型的浪潮中，数据是新的石油，但原油必须经过冶炼才能驱动引擎。百川计划的本质，就是京东工业试图搭建一座「炼油厂」——把散落在产业链各处的工业数据，转化为可训练、可流通、可商用的高价值燃料。这座炼油厂能否吸引足够的「矿工」加入，将决定京东工业能否从「工业供应链服务商」真正跃迁为「工业AI基础设施提供者」。而6.8万亿的降本空间，就是这场博弈最大的赌注。