Hitachi делает ставку на промышленный опыт в гонке физического ИИ

В мире искусственного интеллекта принято считать, что будущее принадлежит тем, кто строит самые большие языковые модели и располагает самыми мощными вычислительными кластерами. Но когда речь заходит о физическом ИИ — технологиях, которые управляют роботами, конвейерами и промышленными системами в реальном мире, — правила игры могут оказаться совершенно иными. Именно на это делает ставку Hitachi, один из крупнейших промышленных конгломератов Японии.

Физический ИИ — это не чат-бот, который генерирует текст, и не нейросеть, рисующая картинки по описанию. Это интеллект, который должен понимать физику, инерцию, трение, температуру, давление — всё то, что определяет поведение объектов в реальном мире. Ошибка языковой модели приводит к неточному ответу. Ошибка физического ИИ может привести к аварии на производстве, остановке электростанции или столкновению автономной системы. Ставки здесь принципиально другие, и это меняет расклад сил.

На сегодняшний день в этой области сформировалась своеобразная трёхуровневая иерархия. На вершине — компании вроде OpenAI и Google, которые масштабируют мультимодальные фундаментальные модели, способные обрабатывать текст, изображения, видео и сенсорные данные одновременно. Их подход — создать универсальный интеллект, который затем можно будет адаптировать к любым задачам, включая управление физическими системами. На среднем уровне работает Nvidia, которая строит платформы и инструменты для разработки физического ИИ — от симуляторов вроде Omniverse до специализированных чипов для робототехники. Nvidia не создаёт конечные решения, но предоставляет инфраструктуру, без которой они невозможны.

И есть третий лагерь — промышленные производители, такие как Hitachi, которые десятилетиями работают с физическими системами и накопили колоссальный объём знаний о том, как устроен реальный мир. Hitachi производит всё — от поездов и энергетического оборудования до медицинской техники и строительных машин. Компания управляет сложнейшими промышленными процессами на протяжении более ста лет. И именно этот опыт, по мнению руководства Hitachi, является тем конкурентным преимуществом, которое невозможно воспроизвести, просто обучив нейросеть на больших объёмах данных.

Логика здесь проста и одновременно глубока. Фундаментальные модели от OpenAI или Google могут быть сколь угодно мощными, но они обучены преимущественно на текстах и изображениях из интернета. Они знают, как выглядит турбина на фотографии, но не знают, как она вибрирует при определённой нагрузке, какие паттерны износа характерны для конкретного типа подшипников и как меняется поведение системы охлаждения при аномальных температурах. Эти знания живут в инженерных журналах, в проприетарных базах данных, в головах тысяч специалистов — и именно ими располагает Hitachi. Перевести этот опыт в обучающие данные для ИИ — задача нетривиальная, но тот, кто с ней справится, получит модели, которые действительно понимают физический мир, а не просто имитируют это понимание.

Важно понимать контекст, в котором происходит этот стратегический манёвр. Рынок промышленного ИИ растёт стремительно: по различным оценкам, к 2030 году его объём превысит 200 миллиардов долларов. При этом большинство промышленных предприятий мира до сих пор используют ИИ лишь фрагментарно — для предиктивного обслуживания или оптимизации отдельных процессов. Полноценное внедрение физического ИИ, который автономно управляет производственными системами, остаётся скорее горизонтом, чем реальностью. Hitachi рассчитывает занять эту нишу раньше, чем туда доберутся технологические гиганты из Кремниевой долины.

Стратегия Hitachi интересна ещё и тем, что она бросает вызов доминирующей парадигме в индустрии ИИ, согласно которой побеждает тот, у кого больше вычислительных мощностей и данных общего назначения. В физическом ИИ эта формула может не работать. Здесь критически важны доменная экспертиза, доступ к реальным промышленным данным и, что не менее существенно, доверие клиентов. Ни один оператор атомной электростанции не доверит управление системой модели, созданной стартапом без опыта в энергетике, какой бы впечатляющей ни была её архитектура. Hitachi же работает с такими клиентами десятилетиями.

Разумеется, ставка Hitachi не лишена рисков. Компании с богатым промышленным наследием нередко проигрывают технологическим выскочкам именно потому, что их инерция и бюрократия замедляют инновации. Кроме того, OpenAI и Google активно движутся в сторону мультимодальности и робототехники, а Nvidia с каждым годом предлагает всё более зрелые инструменты для физического ИИ. Окно возможностей для Hitachi не бесконечно.

Тем не менее сам факт того, что промышленный гигант из Японии открыто заявляет о намерении конкурировать с Кремниевой долиной на поле ИИ, говорит о важном сдвиге. Эпоха, когда искусственный интеллект существовал исключительно в цифровом пространстве, подходит к концу. Следующая глава — это ИИ в физическом мире, и здесь преимущество может оказаться у тех, кто этот мир понимает лучше всех.