日立凭借工业专业知识争夺物理AI竞赛主导权

物理AI——控制机器人和工业机械在现实世界中运作的人工智能分支——存在明显的层级问题。在最顶层，OpenAI和谷歌正在扩展多模态基础模型。在中间层，英伟达正在构建物理AI开发的平台和工具。

而第三个阵营则是日立和德国西门子这样的工业制造商，它们提出了一个更为务实但可能更加扎实的论点：如果不首先理解物理世界，就无法训练机器在其中导航。

这一论点现在正从董事会策略转向工厂车间部署，正如日立在最近接受《日经亚洲》采访时所透露的那样。

差异化的专业知识

日立技术创新中心人工智能部副主任柳井公介直截了当地说明了可行的物理AI与理论型物理AI的区别。"物理AI如果没有从物理学基础知识和工业设备的系统性理解开始，就无法在社会中实施，"他对《日经》表示。

日立的优势在于它已经掌握了大部分基础知识——这些知识是在数十年建设铁路、电力基础设施和工业控制系统过程中积累的。该公司拥有模拟气体和液体行为的热流体仿真技术，以及用于监控设备状态的信号处理工具——柳井将其描述为支撑日立"产品设计和控制逻辑构建广泛知识"的工程基础。

实际应用案例

虽然日立的总体物理AI架构——集成世界基础设施模型（IWIM），该公司将其描述为整合多个专业模型和数据集的专家混合系统——仍处于概念验证阶段，但两个现实世界的部署表明，底层方法已经产生了结果。

在与大金工业的合作中，日立部署了一个AI系统，用于诊断商用空调制造设备的故障。该系统基于设备维护记录、程序手册和设计图纸进行训练，现在可以在检测到异常时识别哪个组件可能发生故障——这种操作直觉以前只存在于经验丰富的工程师头脑中。

与东日本铁路公司（JR East）合作，日立构建了一个AI系统，用于识别运行东京都市区铁路交通管理系统控制设备故障的根本原因，然后协助操作员制定应对计划。在一个延误会影响数百万日常出行的网络中，加速故障诊断的能力具有真正的操作价值。

研究突破

日立的物理AI推进也体现在其研究成果中。2025年12月，该公司在ASE 2025——一个顶级软件工程会议上发表了两个项目的研究成果，这些项目解决了工业AI中的一个持续瓶颈：编写和调整控制软件所需的时间和精力。

在汽车领域，日立及其子公司Astemo开发了一个系统，使用检索增强生成技术自动为车辆电子控制单元（ECU）生成集成测试脚本——从硬件特定的API信息和一线工程知识中提取信息。在涉及多核ECU测试的试点项目中，该技术与手动执行相比，减少了43%的集成测试工时。

在物流领域，该公司开发了可变性管理技术，将机器人控制软件模块化为围绕机器人操作系统（ROS）构建的可重用组件。通过提前映射不同仓库设置的环境变量和操作要求，该系统让操作员可以在不从头重写软件的情况下，将机器人拣选和放置工作流程适应新产品或布局。

安全保障

贯穿日立所有物理AI工作的一个线索是其对安全保障的重视——不是作为合规检查项目，而是作为系统设计中的工程约束。柳井告诉《日经》，该公司正在整合其来自社会基础设施开发的控制和可靠性技术，以防止AI输出偏离人类批准的操作参数。

这包括输入验证以筛选出模型不应训练的数据，输出验证以确保机器行动不会危及人员或财产，以及对AI模型本身进行实时监控以检测操作异常。

这是一个重要区别。物理AI系统在现实世界中失败，而不是在沙盒中。控制铁路信号或工厂机器人的AI所面临的风险与管理聊天机器人的风险完全不同。

基础设施建设

在基础设施方面，日立万达——集团的数据和数字基础设施部门——正在定位自己为英伟达RTX PRO服务器的早期采用者，该服务器基于RTX PRO 6000 Blackwell服务器版GPU构建，专为加速智能体和物理AI工作负载而设计。该硬件正在与日立的iQ平台配对使用，用于构建数字孪生——物理系统的虚拟副本——可以大规模模拟从电网波动到机器人运动的一切。

与此同时，IWIM概念设计用于通过模型上下文协议（MCP）将英伟达的开源Cosmos物理AI开发平台与专门的日语大语言模型和视觉语言模型连接起来——本质上是一个框架，用于将物理AI系统所需的模型、仿真工具和工业数据集拼接在一起。

更广泛的物理AI竞赛远未结束。但日立的立场——领域专业知识和操作数据与模型架构同样重要——越来越难以忽视，特别是随着与大金和JR East等合作伙伴的部署开始证明这种专业知识在实践中的真正价值。

Q&A

Q1：什么是物理AI？它与普通AI有什么区别？

A：物理AI是控制机器人和工业机械在现实世界中运作的人工智能分支。与在虚拟环境中运行的普通AI不同，物理AI系统在现实世界中失败会带来更严重的后果，比如控制铁路信号或工厂机器人的AI所面临的风险与管理聊天机器人的风险完全不同。

Q2：日立在物理AI领域有哪些实际应用案例？

A：日立已经有两个重要的实际应用。一是与大金工业合作，部署AI系统诊断商用空调制造设备故障，能识别哪个组件可能发生故障。二是与东日本铁路公司合作，构建AI系统识别铁路交通管理系统控制设备故障的根本原因，并协助制定应对计划。

Q3：IWIM集成世界基础设施模型是什么？

A：IWIM是日立的物理AI总体架构，被描述为整合多个专业模型和数据集的专家混合系统。它设计用于通过模型上下文协议将英伟达的开源Cosmos物理AI开发平台与专门的日语大语言模型和视觉语言模型连接起来，目前仍处于概念验证阶段。