Fizinis AI – dirbtinio intelekto šaka, valdanti robotus ir pramonines mašinas realiame pasaulyje – turi hierarchijos problemą. Viršuje „OpenAI“ ir „Google“ keičia daugiarūšio pagrindo modelius. Viduryje „Nvidia“ kuria platformas ir įrankius fiziniam AI vystymui.
Ir tada yra trečioji stovykla: pramonės gamintojai, tokie kaip „Hitachi“ ir Vokietijos „Siemens“, kurie pateikia tylesnį, bet, be abejo, labiau pagrįstą argumentą, kad negalima išmokyti mašinų naršyti fiziniame pasaulyje, prieš tai to nesuprasdami.
Šis argumentas dabar pereina nuo posėdžių salės strategijos prie gamyklos grindų diegimo, kaip „Hitachi“ atskleidė neseniai duotame interviu Nikkei Azija.
Kodėl fiziniam AI reikia geresnio modelio
Kosuke Yanai, „Hitachi“ technologijų inovacijų ir dirbtinio intelekto centro direktoriaus pavaduotojas, tiesiogiai kalba apie tai, kas skiria gyvybingą fizinį AI nuo teorinio. „Fizinis AI negali būti įgyvendintas visuomenėje be sistemingo supratimo, kuris prasideda nuo pagrindinių fizikos ir pramoninės įrangos žinių“, – sakė jis. Nikkei.
„Hitachi“ pranašumas yra tas, kad jame jau yra daug tų pagrindinių žinių, sukauptų per dešimtmečius tiesiant geležinkelius, elektros infrastruktūrą ir pramonės valdymo sistemas. Bendrovė turi šiluminių skysčių modeliavimo technologiją, kuri modeliuoja dujų ir skysčių elgseną, ir signalų apdorojimo įrankius įrangos būklei stebėti – tai Yanai apibūdina kaip inžinerinį pagrindą, pagrindžiantį „Hitachi“ „plačias gaminio projektavimo ir valdymo logikos konstravimo žinias“.
Daikin ir JR East
Nors visa apimanti „Hitachi“ fizinė AI architektūra – Integruotas pasaulio infrastruktūros modelis (IWIM), kurią ji apibūdina kaip ekspertų mišinio sistemą, integruojančią kelis specializuotus modelius ir duomenų rinkinius – tebėra koncepcijos tikrinimo stadijoje, du realūs diegimai rodo, kad pagrindinis metodas jau duoda rezultatų.
Bendradarbiaudama su „Daikin Industries“, „Hitachi“ įdiegė dirbtinio intelekto sistemą, kuri diagnozuoja komercinės oro kondicionierių gamybos įrangos gedimus. Sistema, apmokyta rengti įrangos priežiūros įrašus, procedūrų vadovus ir projektinius brėžinius, dabar gali nustatyti, kuris komponentas gali sugesti, kai aptinkama anomalija – tokia veikimo intuicija, kuri anksčiau egzistavo tik patyrusių inžinierių galvose.
Su East Japan Railway (JR East) „Hitachi“ sukūrė dirbtinį intelektą, kuris nustato pagrindines Tokijo metropolinės zonos geležinkelių eismo valdymo sistemoje veikiančių valdymo įrenginių gedimų priežastis ir padeda operatoriams suformuluoti atsako planą. Tinkle, kuriame vėlavimai raibuliuoja milijonuose kasdienių kelionių, galimybė paspartinti gedimų diagnostiką yra labai svarbi.
MTTP vamzdynas: sutrumpėja kūrimo laikas
„Hitachi“ fizinis AI pastūmėjimas taip pat atsispindi jos tyrimų rezultatuose. 2025 m. gruodį bendrovė paskelbė dviejų projektų, pristatytų aukščiausio lygio programinės įrangos inžinerijos konferencijoje ASE 2025, išvadas, kuriose sprendžiama nuolatinė pramoninio dirbtinio intelekto kliūtis: laikas ir pastangos, reikalingos valdymo programinei įrangai sukurti ir pritaikyti.
Automobilių sektoriuje „Hitachi“ ir jos dukterinė įmonė „Astemo“ sukūrė sistemą, kuri naudoja patobulintą kartojimą, kad automatiškai sukurtų transporto priemonių elektroninių valdymo blokų (ECU) integracijos bandymo scenarijus, remdamasi aparatinės įrangos API informacija ir pažangiomis inžinerinėmis žiniomis. Bandomajame projekte, apimančiame kelių branduolių ECU testavimą, ši technologija sumažino integracijos testavimo darbo valandas 43%, palyginti su rankiniu vykdymu.
Logistikos srityje bendrovė sukūrė kintamumo valdymo technologiją, kuri moduliuoja roboto valdymo programinę įrangą į daugkartinio naudojimo komponentus, sukonstruotus aplink roboto operacinę sistemą (ROS). Iš anksto nubrėždama skirtingų sandėlio nustatymų aplinkos kintamuosius ir eksploatacinius reikalavimus, sistema leidžia operatoriams pritaikyti robotų surinkimo ir išdėstymo darbo eigą prie naujų produktų ar maketų, neperrašant programinės įrangos nuo nulio.
Saugumas yra konstrukcinis reikalavimas
Viena gija, kuri eina per visą fizinį „Hitachi“ AI darbą, yra saugos apsauginių turėklų akcentavimas – ne kaip atitikties žymės langelis, o kaip inžinerinis suvaržymas, įtrauktas į sistemos projektavimą. Yanai pasakojo Nikkei kad įmonė integruoja savo valdymo ir patikimumo technologijas į socialinės infrastruktūros kūrimą, kad AI rezultatai nenukryptų nuo žmogaus patvirtintų veikimo parametrų.
Tai apima įvesties patvirtinimą, kad būtų atrinkti duomenys, kurių modeliai neturėtų būti mokomi, išvesties tikrinimas, siekiant užtikrinti, kad mašinos veiksmai nekeltų pavojaus žmonėms ar turtui, ir paties AI modelio stebėjimas realiuoju laiku, ar nėra veikimo anomalijų.
Tai yra skirtumas. Fizinės AI sistemos sugenda realiame pasaulyje, o ne smėlio dėžėje. Geležinkelio signalizaciją ar gamyklos robotiką valdančio dirbtinio intelekto statymai kategoriškai skiriasi nuo tų, kurie valdo pokalbių robotą.
Infrastruktūra, atitinkanti ambicijas
Kalbant apie infrastruktūrą, „Hitachi Vantara“ – grupės duomenų ir skaitmeninės infrastruktūros padalinys – yra ankstyvoji NVIDIA RTX PRO serverių, sukurtų remiantis RTX PRO 6000 Blackwell Server Edition GPU, skirtu pagreitinti agentų ir fizinį AI darbo krūvį, naudotoja. Aparatinė įranga suporuojama su „Hitachi iQ“ platforma ir naudojama kuriant skaitmeninius dvynius – virtualias fizinių sistemų kopijas, kurios gali imituoti viską nuo tinklo svyravimų iki robotų judėjimo dideliu mastu.
Tuo tarpu IWIM koncepcija skirta sujungti Nvidia atvirojo kodo Cosmos fizinio AI kūrimo platformą su specializuotais japonų kalbos LLM ir vaizdinės kalbos modeliais naudojant modelio konteksto protokolą (MCP) – iš esmės sistemą, skirtą modeliams, modeliavimo įrankiams ir pramoniniams duomenų rinkiniams, kurių reikia fizinėms AI sistemoms, sujungti.
Platesnė fizinio AI lenktynės toli gražu nėra nusistovėjusios. Tačiau „Hitachi“ poziciją – kad srities žinios ir eksploataciniai duomenys yra tokie pat svarbūs kaip modelio architektūra – vis sunkiau atmesti, ypač kai diegimas su tokiais partneriais kaip „Daikin“ ir „JR East“ pradeda demonstruoti, ko ši patirtis iš tikrųjų verta praktikoje.
Šaltiniai: Nikkei Asia (2026 m. vasario 21 d.); Hitachi R&D (2025 m. gruodžio 24 d.); „Hitachi Vantara“ tinklaraštis (2025 m. rugpjūčio 27 d.)
Taip pat žiūrėkite:„Alibaba“ dalyvauja fizinėse AI lenktynėse su atvirojo kodo roboto modeliu „RynnBrain“.
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra TechEx dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
