A IA física – o ramo da inteligência artificial que controla robôs e máquinas industriais no mundo real – tem um problema de hierarquia. No topo, a OpenAI e o Google estão ampliando modelos de base multimodais. No meio, a Nvidia está construindo plataformas e ferramentas para o desenvolvimento físico de IA.
E depois há um terceiro campo: fabricantes industriais como a Hitachi e a alemã Siemens, que apresentam o argumento mais silencioso, mas possivelmente mais fundamentado, de que não é possível treinar máquinas para navegar no mundo físico sem primeiro compreendê-lo.
Esse argumento está agora migrando da estratégia da diretoria para a implementação no chão de fábrica, como revelou a Hitachi em uma entrevista recente ao Nikkei Ásia.
Por que a IA física precisa de mais do que um bom modelo
Kosuke Yanai, vice-diretor do Centro de Inovação Tecnológica-Inteligência Artificial da Hitachi, é direto sobre o que separa a IA física viável do tipo teórico. “A IA física não pode ser implementada na sociedade sem uma compreensão sistemática que comece com o conhecimento fundamental da física e dos equipamentos industriais”, disse ele. Nikkeis.
A ideia da Hitachi é que ela já detém grande parte desse conhecimento fundamental – acumulado ao longo de décadas na construção de ferrovias, infraestrutura de energia e sistemas de controle industrial. A empresa possui tecnologia de simulação de fluido térmico que modela o comportamento de gases e líquidos e ferramentas de processamento de sinais para monitorar as condições dos equipamentos – o que Yanai descreve como a base de engenharia que sustenta o “amplo conhecimento da Hitachi em design de produtos e construção de lógica de controle”.
Do conceito à implementação: Daikin e JR East
Embora a arquitetura física abrangente de IA da Hitachi – o Modelo Integrado de Infraestrutura Mundial (IWIM), que ela descreve como um sistema misto de especialistas que integra vários modelos especializados, simuladores e conjuntos de dados – permaneça no estágio de verificação de conceito, duas implantações no mundo real sinalizam que a abordagem subjacente já está produzindo resultados.
Em colaboração com a Daikin Industries, a Hitachi implementou um sistema de IA que diagnostica avarias em equipamentos comerciais de produção de ar condicionado. O sistema, treinado em registros de manutenção de equipamentos, manuais de procedimentos e desenhos de projeto, agora pode identificar qual componente provavelmente está falhando quando uma anomalia é detectada – o tipo de intuição operacional que anteriormente existia apenas nas cabeças de engenheiros experientes.
Com a East Japan Railway (JR East), a Hitachi construiu uma IA que identifica a causa raiz do mau funcionamento nos dispositivos de controle que executam o sistema de gerenciamento de tráfego ferroviário da área metropolitana de Tóquio e, em seguida, auxilia os operadores na formulação de um plano de resposta. Numa rede onde os atrasos se propagam em milhões de viagens diárias, a capacidade de acelerar o diagnóstico de falhas tem um peso operacional real.
O pipeline de P&D: reduzindo o tempo de desenvolvimento
O impulso físico da IA da Hitachi também está aparecendo em seus resultados de pesquisa. Em dezembro de 2025, a empresa publicou as conclusões de dois projetos apresentados na ASE 2025, uma conferência de engenharia de software de alto nível, que abordam um gargalo persistente na IA industrial: o tempo e o esforço necessários para escrever e adaptar software de controle.
No setor automotivo, a Hitachi e sua subsidiária Astemo desenvolveram um sistema que usa geração de recuperação aumentada para produzir automaticamente scripts de teste de integração para unidades de controle eletrônico (ECUs) de veículos – extraindo informações de API específicas de hardware e conhecimento de engenharia de linha de frente. Em um piloto envolvendo testes de ECU multi-core, a tecnologia reduziu as horas de trabalho dos testes de integração em 43% em comparação com a execução manual.
Na logística, a empresa desenvolveu uma tecnologia de gestão de variabilidade que modulariza o software de controle de robôs em componentes reutilizáveis estruturados em torno de um sistema operacional de robô (ROS). Ao mapear antecipadamente as variáveis ambientais e os requisitos operacionais de diferentes configurações de armazém, o sistema permite que os operadores adaptem fluxos de trabalho robóticos de coleta e colocação a novos produtos ou layouts sem reescrever o software do zero.
Segurança como um requisito estrutural, não uma reflexão tardia
Um tópico que permeia todo o trabalho físico de IA da Hitachi é sua ênfase nas proteções de segurança – não como uma caixa de verificação de conformidade, mas como uma restrição de engenharia incorporada ao projeto do sistema. Yanai disse Nikkeis que a empresa está a integrar a sua tecnologia de controlo e fiabilidade do desenvolvimento de infraestruturas sociais para evitar que os resultados da IA se desviem dos parâmetros operacionais aprovados pelo homem.
Isto inclui validação de entrada para filtrar dados nos quais os modelos não devem ser treinados, verificação de saída para garantir que as ações da máquina não coloquem pessoas ou propriedades em perigo e monitoramento em tempo real do próprio modelo de IA para detectar anomalias operacionais.
É uma distinção significativa. Os sistemas físicos de IA falham no mundo real, não em uma sandbox. Os riscos para uma IA que controla a sinalização ferroviária ou a robótica de fábrica são categoricamente diferentes daqueles que governam um chatbot.
Infraestrutura à altura da ambição
No lado da infraestrutura, a Hitachi Vantara – o braço de dados e infraestrutura digital do grupo – está se posicionando como uma das primeiras a adotar os servidores RTX PRO da NVIDIA, construídos na GPU RTX PRO 6000 Blackwell Server Edition, projetada para acelerar cargas de trabalho de IA físicas e de agente. O hardware está sendo emparelhado com a plataforma iQ da Hitachi e usado para construir gêmeos digitais – réplicas virtuais de sistemas físicos – que podem simular tudo, desde flutuações da rede até movimentos robóticos em escala.
O conceito IWIM, por sua vez, foi projetado para conectar a plataforma de desenvolvimento de IA física Cosmos de código aberto da Nvidia com LLMs especializados em língua japonesa e modelos de linguagem visual por meio do protocolo de contexto de modelo (MCP) –essencialmente uma estrutura para unir os modelos, ferramentas de simulação e conjuntos de dados industriais que os sistemas físicos de IA exigem.
A corrida mais ampla na IA física está longe de estar resolvida. Mas a posição da Hitachi – de que a experiência do domínio e os dados operacionais são tão importantes como a arquitectura do modelo – é cada vez mais difícil de rejeitar, especialmente à medida que as implementações com parceiros como a Daikin e a JR East começam a demonstrar o que essa experiência realmente vale na prática.
Fontes: Nikkei Ásia (21 de fevereiro de 2026); P&D da Hitachi (24 de dezembro de 2025); Blog da Hitachi Vantara (27 de agosto de 2025)
Veja também:Alibaba entra na corrida de IA física com modelo de robô de código aberto RynnBrain
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e está localizado junto com outros eventos de tecnologia líderes, incluindo o Cyber Security & Cloud Expo. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
