L’intelligenza artificiale fisica – il ramo dell’intelligenza artificiale che controlla robot e macchinari industriali nel mondo reale – ha un problema di gerarchia. Ai vertici, OpenAI e Google stanno ridimensionando i modelli di base multimodali. Nel mezzo, Nvidia sta costruendo le piattaforme e gli strumenti per lo sviluppo dell’IA fisica.
E poi c’è un terzo campo: produttori industriali come Hitachi e la tedesca Siemens, che sostengono l’argomentazione più silenziosa ma probabilmente più fondata secondo cui non è possibile addestrare le macchine a navigare nel mondo fisico senza prima capirlo.
Questo argomento si sta ora spostando dalla strategia del consiglio di amministrazione all’implementazione in fabbrica, come ha rivelato Hitachi in un recente articolo colloquio con Nikkei Asia.
Perché l’intelligenza artificiale fisica ha bisogno di più di un buon modello
Kosuke Yanai, vicedirettore del Centro per l’innovazione tecnologica e l’intelligenza artificiale di Hitachi, è diretto su ciò che separa l’intelligenza artificiale fisica praticabile da quella teorica. “L’intelligenza artificiale fisica non può essere implementata nella società senza una comprensione sistematica che inizi con la conoscenza fondamentale della fisica e delle apparecchiature industriali”, ha detto Nikkei.
La tesi di Hitachi è che essa detiene già gran parte di quella conoscenza fondamentale, accumulata in decenni di costruzione di ferrovie, infrastrutture energetiche e sistemi di controllo industriale. L’azienda dispone di una tecnologia di simulazione dei fluidi termici che modella il comportamento di gas e liquidi e di strumenti di elaborazione del segnale per monitorare le condizioni delle apparecchiature: ciò che Yanai descrive come la base ingegneristica alla base della “vasta conoscenza di Hitachi nella progettazione del prodotto e nella costruzione della logica di controllo”.
Dall’ideazione all’implementazione: Daikin e JR East
Mentre l’architettura fisica generale dell’IA di Hitachi – l’Integrated World Infrastructure Model (IWIM), che descrive come un sistema misto di esperti che integra più modelli specializzati, simulatori e set di dati – rimane nella fase di verifica del concetto, due implementazioni nel mondo reale segnalano che l’approccio sottostante sta già producendo risultati.
In collaborazione con Daikin Industries, Hitachi ha implementato un sistema di intelligenza artificiale che diagnostica i malfunzionamenti nelle apparecchiature di produzione di condizionatori commerciali. Il sistema, addestrato sui registri di manutenzione delle apparecchiature, sui manuali delle procedure e sui disegni di progettazione, è ora in grado di identificare quale componente potrebbe guastarsi quando viene rilevata un’anomalia: il tipo di intuizione operativa che in precedenza esisteva solo nella testa di ingegneri esperti.
Con East Japan Railway (JR East), Hitachi ha creato un’intelligenza artificiale che identifica la causa principale dei malfunzionamenti nei dispositivi di controllo che gestiscono il sistema di gestione del traffico ferroviario dell’area metropolitana di Tokyo, quindi assiste gli operatori nella formulazione di un piano di risposta. In una rete in cui i ritardi si propagano a milioni di viaggi giornalieri, la capacità di accelerare la diagnosi dei guasti ha un peso operativo reale.
La pipeline di ricerca e sviluppo: ridurre i tempi di sviluppo
La spinta fisica dell’IA di Hitachi si manifesta anche nei risultati della sua ricerca. Nel dicembre 2025, la società ha pubblicato i risultati di due progetti presentati ad ASE 2025, una conferenza di alto livello sull’ingegneria del software, che affrontano un collo di bottiglia persistente nell’intelligenza artificiale industriale: il tempo e lo sforzo necessari per scrivere e adattare il software di controllo.
Nel settore automobilistico, Hitachi e la sua controllata Astemo hanno sviluppato un sistema che utilizza la generazione aumentata di recupero per produrre automaticamente script di test di integrazione per le unità di controllo elettronico dei veicoli (ECU), attingendo a informazioni API specifiche dell’hardware e a conoscenze ingegneristiche di prima linea. In un progetto pilota che prevedeva test su ECU multi-core, la tecnologia ha ridotto le ore di manodopera per i test di integrazione del 43% rispetto all’esecuzione manuale.
Nel settore della logistica, l’azienda ha sviluppato una tecnologia di gestione della variabilità che modularizza il software di controllo del robot in componenti riutilizzabili strutturati attorno a un sistema operativo del robot (ROS). Mappando in anticipo le variabili ambientali e i requisiti operativi delle diverse impostazioni del magazzino, il sistema consente agli operatori di adattare i flussi di lavoro robotizzati di prelievo e posizionamento a nuovi prodotti o layout senza riscrivere il software da zero.
La sicurezza come esigenza strutturale, non come ripensamento
Un filo conduttore di tutto il lavoro fisico di Hitachi sull’intelligenza artificiale è l’enfasi posta sui guardrail di sicurezza, non come casella di controllo della conformità, ma come vincolo ingegneristico integrato nella progettazione del sistema. Yanai ha detto Nikkei che l’azienda sta integrando la sua tecnologia di controllo e affidabilità dallo sviluppo dell’infrastruttura sociale per evitare che i risultati dell’intelligenza artificiale si discostino dai parametri operativi approvati dall’uomo.
Ciò include la convalida dell’input per escludere i dati su cui i modelli non dovrebbero essere addestrati, la verifica dell’output per garantire che le azioni della macchina non mettano in pericolo persone o proprietà e il monitoraggio in tempo reale del modello AI stesso per anomalie operative.
È una distinzione significativa. I sistemi fisici di intelligenza artificiale falliscono nel mondo reale, non in una sandbox. La posta in gioco per un’intelligenza artificiale che controlla il segnalamento ferroviario o la robotica di fabbrica è categoricamente diversa da quella che governa un chatbot.
Infrastruttura all’altezza delle ambizioni
Dal punto di vista infrastrutturale, Hitachi Vantara, il ramo dati e infrastruttura digitale del gruppo, si sta posizionando come uno dei primi ad adottare i server RTX PRO di NVIDIA, basati sulla GPU RTX PRO 6000 Blackwell Server Edition, progettata per accelerare i carichi di lavoro di intelligenza artificiale e fisici. L’hardware viene accoppiato con la piattaforma iQ di Hitachi e utilizzato per costruire gemelli digitali – repliche virtuali di sistemi fisici – in grado di simulare qualsiasi cosa, dalle fluttuazioni della rete al movimento robotico su larga scala.
Il concetto IWIM, nel frattempo, è progettato per connettere la piattaforma di sviluppo fisico AI Cosmos open source di Nvidia con LLM specializzati in lingua giapponese e modelli di linguaggio visivo tramite il protocollo di contesto del modello (MCP), essenzialmente un framework per unire modelli, strumenti di simulazione e set di dati industriali richiesti dai sistemi di intelligenza artificiale fisica.
La corsa più ampia all’intelligenza artificiale fisica è lungi dall’essere risolta. Ma la posizione di Hitachi – secondo cui le competenze di settore e i dati operativi sono importanti quanto l’architettura del modello – è sempre più difficile da respingere, soprattutto perché le implementazioni con partner come Daikin e JR East iniziano a dimostrare quanto vale effettivamente tale competenza nella pratica.
Fonti: Nikkei Asia (21 febbraio 2026); Ricerca e sviluppo Hitachi (24 dicembre 2025); Blog di Hitachi Vantara (27 agosto 2025)
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici tra cui Fiera sulla sicurezza informatica e sul cloud. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
