日立製作所はフィジカルAIでどうやって稼ぐのか？日立のフィジカルAI戦略をついに解明

今泉注：
対になる記事として以下を作成しました。

また、以下は別な視点で、NVIDIAのテクニカルなプラットフォームの上で、日立製作所がどのようにビジネスモデルを構築しているのかを解説しています。

日立製作所のフィジカルAI戦略はNVIDIAにどう付加価値を付け、リカーリング型売上に変えるのか？：経営者が読むNVIDIAのフィジカルAI / ADAS業界日報 by 今泉大輔：オルタナティブ・ブログ

さっつーのAIエージェントを監修している今泉大輔です。日立製作所のフィジカルA...

自然言語処理や画像生成を中心とする生成AIの爆発的普及は、オフィスワークの様相を一変させた。しかし、サイバー空間上でテキストやピクセルを操作する「画面の中のAI」は急速にコモディティ化が進み、企業が巨額の資本を投じるに値する真の経済的果実がどこにあるのかという議論が本格化している。その解として世界の産業界が最も熱い視線を注ぐのが、現実世界の物理法則を理解し、設備や機械を直接自律制御する「フィジカルAI（Physical AI）」である¹。

日立製作所は2026年を「フィジカルAI元年」と位置づけ、「世界トップのフィジカルAIの使い手になる」という明確な成長ビジョンを打ち出した²。少子高齢化によって2040年に約1,100万人分の労働力が不足すると推計される日本において、また老朽化インフラの更新と脱炭素化を同時に迫られる世界市場において、物理世界を自律化するテクノロジーは不可避の生存戦略である³。

膨大なコンピュート資源と先進的アルゴリズムを独占する米メガテック企業群に対し、日本の重電コングロマリットはいかにして対峙し、勝算を見いだすのか。本稿では、情報空間から物理空間へのパラダイムシフトの必然性を紐解き、日立が有する「OT（運用・制御技術）× IT × プロダクト」の参入障壁、NVIDIAをはじめとする基盤モデル提供者との協調モデル、そして社会インフラの運用OSへと進化を遂げる「Lumada」の将来像を論理的に解説する。

1. 画面から物理世界へ：なぜいま「フィジカルAI」への転換が不可避なのか
1. 「生成」から「物理制御」への構造的シフト
2. 構造的労働力不足と「自動化」から「自律化」への進化
2. ビッグテックが越えられない壁：「OT×IT×プロダクト」が構築する強固な参入障壁
3. 敵対から「共創」へ：NVIDIAらグローバルプラットフォーマーとの結合戦略
1. 基盤モデル提供者と現場適用者の相互補完
2. 「IWIM」と「NVIDIA Cosmos」の連携メカニズム
4. Lumadaの次期進化形：社会インフラを動かす「自律型OS」への昇華
1. Lumada 3.0と「HMAX」が描く自律進化型インフラ
2. ビジネスモデルの転換：「人月積算」から「Lumada 80-20」へ
5. 総括：フィジカルAIが再定義する産業界のパワーバランス
1. 引用文献

1. 画面から物理世界へ：なぜいま「フィジカルAI」への転換が不可避なのか

「生成」から「物理制御」への構造的シフト

過去数年にわたりAI投資を牽引してきた大規模言語モデル（LLM）は、デジタルデータの確率論的推論によって目覚ましい成果を収めた。しかし、それらは本質的にサイバー空間内の情報処理にとどまり、工場の組立ライン、変電所、鉄道システムといった物理的な制約を伴う現場の直接的な変革には至っていない⁵。物理的な実態を伴う産業領域において求められるのは、文章の要約ではなく、ミリ秒単位での設備の異常検知や、環境変化に応じたロボットの協調動作といった「実世界への物理作用」である⁸。

フィジカルAIとは、カメラやLiDAR、振動センサー、力触覚センサー等から現実のマルチモーダルデータを取り込み、重力、摩擦、熱伝導、流体力学などの物理法則を内在化した上で、アクチュエータや制御盤へフィードバックを行う自律知能である¹。OT領域におけるAI市場は、2030年には2023年比で10倍となる約20兆円規模へ急拡大すると予測されており、情報系ITを凌駕する巨大な成長フロンティアとして台頭している²。

評価軸	画面のAI（生成AI / LLM）	現場のAI（フィジカルAI）
主たる活動領域	サイバー空間（クラウド、ブラウザ、オフィス業務）¹	物理空間（工場、鉄道、送配電網、物流施設）¹
入力データ	テキスト、ソースコード、画像、音声⁶	振動・音響波形、温度、圧力、力触覚、点群データ¹⁰
応答時間（レイテンシ）	数百ミリ秒〜数秒（許容度が比較的高い）	数ミリ秒〜数十ミリ秒（リアルタイム制御が必須）⁹
誤判定の代償	業務手戻り、人的レビューによる是正が可能	設備損壊、ライン停止、停電、重大事故に直結⁹
システム要求	確率論的・統計的最適化	確率論的推論と決定論的安全性（インターロック）の結合⁹

構造的労働力不足と「自動化」から「自律化」への進化

産業現場がフィジカルAIを渇望する根本的要因は、世界規模で進行する熟練技能者の引退と人手不足である¹。従来の産業自動化（ファクトリーオートメーション）は、PLC（プログラマブルロジックコントローラ）等を用い、人間があらかじめプログラミングした定型ルールに従って機械を寸分違わず動かす「自動化」を追求してきた³。

しかし、部品公差のバラつき、経年劣化による設備の微妙な挙動変化、ワイヤーハーネスのような柔軟物の変形といった非定型な事態に遭遇すると、従来の自動機は停止し、熟練者の経験や勘に基づく微調整に頼らざるを得なかった¹。フィジカルAIがもたらす本質的革新は、周囲の状況を機械自らが知覚・判断し、未知の環境変化にも適応しながら動作を最適化し続ける「自律化」にある³。この転換によって初めて、人が常時介入することなく運用を継続できる自律型インフラへの道が開かれる³。

2. ビッグテックが越えられない壁：「OT×IT×プロダクト」が構築する強固な参入障壁

実装の「4段階」に見る非対称な競争環境

フィジカルAIの実装において、日立製作所の德永俊昭社長兼CEOはプロセスを「4つのステージ」として体系化している³。第1ステージはAIが重力や熱などの基礎的な物理現象を学ぶ段階、第2ステージは現実世界を再現したデジタルツイン上でAIが試行錯誤と学習を繰り返す段階である³。第3ステージでは、安全基準や品質基準、運用手順といった業界・業務ごとに異なる「現場の流儀や作法」をAIが理解し、第4ステージにおいて実際のインフラや現場設備にAIを投入して稼働させる³。

ビッグテックやフロンティアAI企業が覇権を握るのは、大規模な計算資源と世界モデルの研究開発を軸とする第1・第2ステージである³。しかし、産業現場で真に価値を生み出すのは、業務固有の制約条件をクリアし、確実に物理機器を動作させる第3・第4ステージに他ならない³。

どれほど高度な汎用物理シミュレータであっても、「鉄道の過密ダイヤにおいて安全マージンをいかに確保しながら遅延を最小化するか」「化学プラントの緊急遮断時にどの系統から順に減圧弁を開放すべきか」といった各業界固有のドメイン知見は備わっていない⁷。日立はITで80年、プロダクトおよびOTで116年という比類のない事業基盤を築いており、この「現場実装における最後の2段階」を垂直統合できる点に、ビッグテックが容易に踏み込めない競争優位の源泉がある³。

実装ステージ	主たる要件	主導プレイヤー	日立のアプローチ
第1ステージ（物理法則の学習）	基礎物理（重力・摩擦・流体等）の定式化	NVIDIA、先端AI研究機関³	世界基盤モデル（NVIDIA Cosmos等）の積極導入¹⁴
第2ステージ（デジタルツイン試行）	仮想空間でのシミュレーション学習	プラットフォーマー、大手クラウド³	自社モデル「IWIM」を接続した検証環境の構築⁹
第3ステージ（業界ルールの習得）	保全基準・業界規約・熟練知見の反映	日立製作所が優位[cite: 3, 14]	116年のOT実績に基づく暗黙知の構造化¹⁴
第4ステージ（実現場での制御）	リアルタイム性・確定論的安全性の担保	日立製作所が優位[cite: 3, 14]	3層アーキテクチャ、独自エッジAI半導体の実装⁹

現場一次データの独占性と「責任の引き受け」

ビッグテックがWeb空間のテキストや画像を収集し尽くした現在、サイバー空間上の学習データは枯渇しつつある。一方で、フィジカルAIの精度を左右する「高精度なセンサー波形」「機器の摩耗状態」「過去数十年の事故事例と復旧履歴」といった現場データは、物理空間のクローズドな環境にのみ存在する⁷。日立は変電設備、鉄道車両、産業機器などのハードウェアを世界中に納入し、その保守・運用を一手に担ってきたため、競合がアクセスできない「現場の一次データ」を独占的に蓄積している⁷。

さらに見逃せない参入障壁が「社会的責任の引き受け」である。社会インフラや基幹プラントでは、1秒のシステム停止や誤作動が数億円規模の損害や人命への危機を招く⁷。純粋なソフトウェアベンダーが契約上「確率的推論の結果に対する損害賠償」を免責条項とするのに対し、日立はハードウェアの製造からプラント全体の施工・運用保守までを包括契約で請け負ってきた歴史を持つ⁷。ミッションクリティカル領域において最も重視されるのはアルゴリズムの新規性ではなく「設備を止めずに安全を保証できるか」という信頼性であり、その実績こそが最大の防壁となる⁷。

社長直轄「Physical AI FDE」と決定論的3層アーキテクチャ

ドメイン知識とデータを保持しているだけでは、ソフトウェアの俊敏性を持つビッグテックには対抗できない。日立はこの課題を解決するため、2021年に約1兆円で買収した米GlobalLogicのデジタルエンジニアリング力をOT部門と直結させた⁹。德永社長直轄の専門組織「Physical AI FDE（Forward Deployed Engineer）」を組成し、国内5,000人規模の体制拡充を進めている⁷。

FDEは顧客の現場最前線に入り込み、設備の稼働データだけでなく、熟練作業者の視線移動や作業勘といった暗黙知を「HMAX Data Fabric」を介してAIが活用可能な形式へと変換する³。これにより、PoC（概念実証）から本番稼働までの期間を従来の3分の1（3か月以内）へ短縮するアジャイルなデリバリーモデルを確立した⁹。

技術面においては、確率論的に推論を行うAIと、確定論的な安全が求められる制御系を分離・統合する「3層ハイブリッドアーキテクチャ」を採用している⁹。

クラウド / AI Factory（最上位層）： インフラ基盤モデルの大規模学習と、フリート全体の長期的な最適化戦略を司る⁹。
エッジコンピューティング層（中間層）： 現場近傍のエッジサーバーがミリ秒単位でデジタルツインを更新し、複数エージェント間の協調制御をオーケストレーションする⁹。日立ハイテクが独自開発したエッジAI半導体（CNNとTransformerを融合し、GPU比10倍以上の電力効率を実現）を組み込むことで、外部ネットワークが遮断された状況でも現場完結型の高速推論を継続する¹。
現場制御層（OT / PLC）（最下層）： セーフティインターロックなど、10ミリ秒以下の確定論的なハードウェア遮断回路を配置する⁹。AIモデルが万が一ハルシネーション（異常指示）を出力した場合でも、ハードウェア側で物理的安全域から逸脱しない挙動を強制し、絶対的な安全性を担保する⁹。

3. 敵対から「共創」へ：NVIDIAらグローバルプラットフォーマーとの結合戦略

基盤モデル提供者と現場適用者の相互補完

日立の戦略の巧緻さは、計算インフラと基盤モデルを支配するビッグテックを敵対的競合として捉えるのではなく、自社のエコシステムに不可欠なパートナーとして取り込んだ点にある¹⁴。

先端半導体と仮想空間シミュレータを擁するNVIDIAにとっても、自社の技術を実世界の送配電網や鉄道、重工業プラントに浸透させるためには、現場の物理プロトコル（OPC UA、TSN等）や厳格な産業規格（IEC 62443等）を熟知した「産業インテグレーター」の存在が不可欠である⁹。日立は自らを「世界トップのフィジカルAIの使い手（Practitioner）」と位置づけ、プラットフォーマーの計算基盤の上で現場を動かすオーケストレーターとしての地位を確立した²。

「IWIM」と「NVIDIA Cosmos」の連携メカニズム

両社の協創関係を象徴するのが、日立の社会インフラ知能基盤モデル「IWIM（Integrated World Infrastructure Model）」と、NVIDIAの世界基盤モデル「NVIDIA Cosmos」の接続である⁹。

両社のアーキテクチャは、サイバー空間から現場エッジまでを一気通貫で結ぶ多層構造で設計されている。まずシミュレーション層において、物理現象を忠実にシミュレートするNVIDIA Cosmosに対し、日立のIWIMがインフラ設備の運用規約や物理的制約、安全ルールを注入する¹³。両モデルが仮想空間上で相互検証を行うことで、AI特有のハルシネーションを事前シミュレーション段階で完全に排除し、安全が保証された制御コマンドのみを生成する¹³。

生成されたコマンドは現場オーケストレーション層へ渡され、NVIDIA NemoClawのセキュアなサンドボックス環境上で自律エージェント間の通信とタスク移譲が行われる¹³。ここでは企業の機密情報や現場ドメイン知識（ソブリンデータ）が外部に漏洩しないよう厳格に保護されながら、異なるメーカーの産業機器やロボットが統合制御される¹³。さらに最下層の現場エッジ環境では、Nemotron等のマルチモーダルAIと日立製エッジAI半導体が連動し、カメラやセンサーから得られるリアルタイムデータを解析しながら、確定論的フェイルセーフ回路と協調して設備を駆動する⁹。

日立はNVIDIAのみならず、AnthropicのClaudeを現場作業支援に組み込み、Google CloudのGeminiを活用してフロントラインワーカーのノーコード業務変革を推進するなど、複数のフロンティアAIを自社基盤上で柔軟に束ねる「オープン＆ソブリン（データ主権）」戦略を貫いている¹。

4. Lumadaの次期進化形：社会インフラを動かす「自律型OS」への昇華

Lumada 3.0と「HMAX」が描く自律進化型インフラ

日立のデジタル事業の中核を担ってきた「Lumada」は、データ可視化を中心とした第1世代、業種別ソリューションをテンプレート化した第2世代を経て、フィジカルAIを全面的に実装した「Lumada 3.0」へと進化した¹。

Lumada 3.0の中核を担うソリューション群が「HMAX by Hitachi」である¹。德永社長は、HMAXを個別業務の効率化ツールにとどめず、「社会インフラを動かすOS（オペレーティングシステム）」へと昇華させる構想を明示した³。現場の稼働機器からリアルタイムデータを集約し、AIが自律的に状況を判断して物理制御へ反映し、その結果から機械がさらに学習を重ねることで、社会インフラ全体が自律的に進化する循環基盤を形成する³。

HMAXはすでに多様なミッションクリティカル領域で実効的な数値を叩き出している¹⁴。

モビリティ（鉄道）： 英国の高速鉄道等の車両や線路にセンサーを配置し、走行データをリアルタイム解析する状態基準保全（CBM）を実装した結果、保守コストの15%削減、列車遅延の20%低減、運行エネルギー消費の15%削減を達成した²。
エネルギー： オーストラリアの大規模蓄電池設備において「HMAX Energy」を活用し、気象変動や電力需要の変化に応じた充放電を秒単位で自律最適化し、系統安定化と電力トレーディング収益の向上を実現している¹⁴。
次世代データセンター（HMAX Data Center）： AI需要の急増に伴う電力・排熱問題を解決するため、受変電設備、空調冷却、ITサーバーの稼働負荷を横断的に統合制御し、データセンター全体の電力使用効率（PUE）を自律的に極大化する³。
オペレーショナルレジリエンス（HMAX Cyber）： 日立自社の製造拠点を「カスタマーゼロ（最初の実験場）」として先行運用した知見を基に、OT環境を標的とするサイバー攻撃の検知から監視、事業復旧までをAIで包括支援する³。

ビジネスモデルの転換：「人月積算」から「Lumada 80-20」へ

フィジカルAIへの昇華は、従来の受託開発型ITビジネスからの構造的脱却を加速させている。AIによるコード生成や設計自動化が進展する環境下において、エンジニアの投入工数と単価で売上を立てる「人月積算モデル」は縮小を免れない⁷。日立が指向するのは、自社のOTナレッジを標準モジュール化し、現場の稼働率向上や省エネ効果などの改善実績に応じて対価を得る「成果報酬型（アウトカムギャランティ）」およびソフトウェアの「リカーリング（サブスクリプション）型」ビジネスである⁷。

この変革を象徴する経営指標が、長期経営目標として掲げる「Lumada 80-20」である¹⁷。日立は2030年度までに、全社売上収益に占めるLumada事業の比率を80%に高め、調整後EBITA（利払い・税引き・償却前利益）率を20%以上へ引き上げる方針を明確にしている²³。

経営・事業指標	現状・過渡期水準	ターゲット目標	戦略的意義
Lumada売上比率	約40%（2025年度実績）²³	80%（2030年度目標）[cite: 23, 25, 26]	重厚長大コングロマリットからデジタル企業への完全移行²⁷
Lumada 調整後EBITA率	15〜16%水準	20%（2030年度目標）[cite: 23, 25, 26]	高付加価値ソフトウェア・成果連動サービスによる高収益化²⁴
HMAX 事業展開規模	2026年度末：5,000億円（利益率22%）³	2030年度：累計20,000件受注[cite: 1, 7, 28]	個別受託から共通パッケージの型展開による限界費用の極小化⁷
FDE エンジニア部隊	国内5,000人規模の育成を推進⁷	グローバル横断デリバリー網の構築	GlobalLogicとOT現場部隊の融合によるChip-to-Cloud実装力⁹

HMAX関連事業は、2026年度末時点で売上高5,000億円、利益率22%という高収益体質を見込んでおり、重厚長大な産業領域をソフトウェア並みの高収益事業へ変革する青写真が描かれている³。

5. 総括：フィジカルAIが再定義する産業界のパワーバランス

サイバー空間のプラットフォーム競争においては、先行して巨大な計算インフラとユーザーデータを抑えたビッグテックが圧倒的な勝利を収めた。しかし、AIの主戦場が「画面の中の情報処理」から「現実世界の物理制御」へと移行したことで、競争の力学はふたたび「現場の物理アセットとドメイン知見を握る重厚長大企業」へと回帰しつつある⁷。

日立製作所のフィジカルAI戦略が持つ勝算の本質は、以下の3点に集約される。

第1に、模倣不可能な「現場一次データと暗黙知」の防壁である。Web上には存在しないミリ秒単位のセンサー波形や、熟練者が持つ安全運用のノウハウは、アルゴリズムの進化や計算資本の増強だけでは決して代替できない絶対的な資産である⁷。

第2に、強者と真正面から戦わずして使いこなす「補完的オーケストレーション」である。NVIDIA Cosmosをはじめとする世界モデルをシミュレーション基盤として受け入れつつ、自社のIWIMやエッジAI半導体、そして現場に常駐するFDE部隊を組み合わせることで、プラットフォーマーにとっても排除不能な「最後の社会実装者」の地位を確立した⁹。

第3に、「社会インフラOS」へのLumadaの昇華と、脱人月型の収益構造改革である。鉄道、電力、データセンターといった基幹インフラを「HMAX」という共通OS上で自律進化させ、成果連動・リカーリング型へと舵を切ったことは、「Lumada 80-20」という高収益体質への転換を論理的に裏付けている⁷。

かつてハードウェアの製造原価割れに苦しみ、巨額の赤字から事業ポートフォリオを解体・再構築した日立製作所は、いまや単なる製造業でもITベンダーでもなく、「社会インフラをAIで自律進化させるオペレーティング企業」へと変貌を遂げた²。画面のAIが成熟を迎えた今、物理空間で社会課題を解決できるフィジカルAIの覇権を握ることこそが、日本の製造・重工産業が世界のテクノロジー市場でふたたびデファクトスタンダードを奪還するための、最も強固な勝算である⁴。