9月9日，以“JoyAI·跃迁物理世界”为主题的2026京东全球科技探索者大会在北京亦庄举行。相比往年对模型参数与Agent的集中讨论，今年释放出的信号是：AI正在从“能做什么”，走向“怎么真正进入现实世界和业务系统”。
企业谈AI提效，最常用的指标之一是AI Coding率。前端、后端、测试、算法都开始使用AI，模型能生成的代码越来越多。但京东零售产研团队在内部实践中发现，代码产量的增长并没有带来研发效率的同步提升，反而增加了代码审查、测试和评测环节的压力。
他们把研发链路拆成“上工程”和“下工程”：代码产生之前的需求沟通、方案设计、任务拆分、系统评估和跨部门协调属于上工程；代码产生之后的Review、测试、发布和运维属于下工程。AI Coding目前更多解决中间的编码环节，而真正麻烦的，往往在上工程。
零售经营同样如此。一次决策可能同时涉及商品、定价、库存、流量、广告、内容、供应链、成本和利润，每个环节都有自己的专业判断和目标。AI可以让每个人工作得更快，却未必能让这些人更顺畅地协作。麦肯锡2026年的调研也印证了这种落差：80%的受访者称AI已提高自己的工作效率，但只有37%肯定AI对所在企业的息税前利润产生了正向影响。
这正是星战科技在OPC智能体协作平台与大模型API广场上关注的方向：让多模型、多工具与多智能体围绕同一个目标协同，共享上下文与执行状态，而不是各自完成任务后再由人工拼接。企业AI的主战场，正在从帮助一个人完成任务，转向帮助一个组织完成协作。
京东展示的两个项目给出了相同的流程骨架。无论是面向软件工程的JoyOxygenSE，还是面向零售经营的JoyOxygenRetail，都采用目标确认、业务推理、业务对齐、Agent执行和持续对齐：先由AI完成全局分析和初步规划，再由不同业务域的人负责校正专业判断，确认后才调度Agent执行。
未来企业的协作方式，可能逐渐从“人找人”变成“按上下文找能力”。过去一项需求需要产品经理逐一寻找相关团队，未来系统可以根据上下文自动判断涉及哪些业务域、系统和专业角色。谁能解决多个Agent看不到同一目标、无法共享上下文的问题，谁就更接近真正的组织级提效。
