一句话看懂：京东在 9 月 9 日的 JDD 大会上抛出一个反差判断：AI 写代码越来越快，企业整体效率却没同步提升，问题出在编码之外的“上工程”与组织协作，而不在模型本身。
事件核心：发生了什么
9 月 9 日，2026 京东全球科技探索者大会（JDD）在北京亦庄举行，主题为“JoyAI·跃迁物理世界”。会上发布京东 APP 16.0，新增 AI 购物助手“东东”，把 AI 能力接入从需求产生、选品到下单履约的完整链路，同时保留搜索、货架等原有入口。
更值得留意的是智能零售论坛上京东零售产研团队的分享。他们复盘过去两年企业级 AI 实践后指出：AI Coding 率上去了，研发效率并没有等比例提升，反而把压力推给了代码评审、测试和评测。团队把研发链路拆成“上工程”（需求、架构、任务拆分、跨部门协调）和“下工程”（Review、测试、发布、运维），认为 AI 目前主要解决中间的编码环节，真正复杂的是前端的需求定义与协同。麦肯锡 2026 年全球 AI 调研也呈现类似落差：80% 受访者称 AI 提升了个人效率，但只有 37% 认为 AI 对所在企业 EBIT 有正向影响，这一比例与 2025 年几乎持平。
为什么重要
这组数据指向一个行业转折：企业 AI 的主战场正从“帮一个人完成任务”转向“帮一个组织完成协作”。京东给出的解法是 JoyOxygenSE（软件工程）和 JoyOxygenRetail（零售经营）两个项目，流程高度一致——目标确认、业务推理、业务对齐、Agent 执行、持续对齐。以“膨胀券”案例为例，系统先识别出约 30 个业务域和上百个系统的影响，由各业务域负责人审核边界与规则，确认后才调度研发、测试、算法、SRE 等 Agent 执行。底层能力被概括为 Model × Context × Learning Loop，团队判断基础模型能力长期会趋同，企业差距更可能来自业务 Context 的质量、模型切换灵活性，以及评测、权限、调度、反馈体系。需要说明的是，目前公开信息显示这套方法论仍缺少量化的 ROI 结果。
对用户/开发者/创作者的影响
对开发者而言，岗位重心可能继续从“写代码”向“定义问题、审核方案、处理异常”迁移，评审与上下文维护会成为新的瓶颈环节。对使用京东 APP 的用户，购物入口的交互方式会逐步向 AI 助手倾斜，但短期内搜索和货架仍是主路径。对企业采购方，评估 AI 工具时应把 Context 建设、权限与反馈机制纳入考量，而不是只看模型跑分和 Coding 率。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 JoyOxygenSE 与 JoyOxygenRetail 能否给出研发周期、会议数量、经营收益等可核对数据；二是“分布式对齐”是否会把审核负担转嫁给业务专家，反馈机制能否自然嵌入原有工作流；三是电商垂类评测集、MaaS 平台与自研推理引擎 xLLM 的国产硬件适配进展，是否影响推理成本与供应稳定性。
来源：InfoQ CN
