日立正專注于制造、交通、智慧能源及公共安全等領域。Hitachi

日立(Hitachi)在全球雇用逾30萬人，年營收逾800億美元。作為綜合型企業(yè)，日立對各種市場上都有興趣，特別是智慧城市和交通。
據(jù)Robotic & Automation News報導，日立歐洲、中東和非洲(EMEA)地區(qū)社會創(chuàng)新商務長Ram Ramachander近期在倫敦的日立社會創(chuàng)新論壇(Hitachi Social Innovation Forum)表示，日立正專注于制造、交通、智能能源及公共安全等領域。這四大領域是日立在業(yè)務成長、數(shù)字化、孵化方面非常注重的領域，Ramachander主要負責用相對較新或全新技術來開發(fā)業(yè)務概念和模型。比如在智慧能源方面，日立會圍繞電動車的整個生態(tài)系統(tǒng)展開研究，看看如何在此領域創(chuàng)造機會；在最初孵化階段后，日立的責任就是將其商業(yè)化為真正業(yè)務。對日立而言，公私界線可能會變得模糊，因為日立經(jīng)常參與大型交通和基礎設施項目，而幾乎總是需要政府監(jiān)管機構的批準。

日立為大型鐵路車輛制造商，在大多數(shù)國家，鐵路當然是政治問題。日立近年收購意大利鐵路車輛制造商Ansaldo，而Ansaldo與礦業(yè)巨擘力拓(Rio Tinto)合作打造自動化貨運列車。日立亦計劃為歐洲建造子彈列車，然而日立在鐵路及其他業(yè)務都面臨其他歐洲巨擘的激烈競爭。
在工業(yè)物聯(lián)網(wǎng)(I物聯(lián)網(wǎng))市場，日立可說是新進入者，最近成立的Vantara企業(yè)和Lumada平臺，讓人聯(lián)想到GE Digital的Predix平臺、西門子(Siemens)的MindSphere，或是ABB的Ability等平臺。這類平臺基本上可直接監(jiān)視工業(yè)機器，數(shù)據(jù)可用來分析性能、預測和計劃維護需求。數(shù)字化是當今大型企業(yè)最重要的趨勢之一，企業(yè)須優(yōu)先將業(yè)務數(shù)字化在未來才能生存。而且企業(yè)不僅須考慮如何讓產(chǎn)品更有效數(shù)字化，還要考慮如何協(xié)助客戶數(shù)字化。日立已將其Hitachi Data System、Hitachi Insight Group、Pentaho這三個企業(yè)部門，合并成市值40億美元的新公司Vantara。對于當前許多企業(yè)來說，人工智能(AI)方案的發(fā)展非常重要。AI越好，實施的平臺越可能對潛在客戶更具吸引力。Ramachander表示，日立有AI能力，日立在日本部署了一些工具，研發(fā)人員正在部署大量AI功能。對日立來說，AI重點不在于工具包，而在于如何加以應用。例如，用于智能視訊應用的日立MPS AI，就能利用AI進行多視角搜尋。這就是用AI來真正解決問題，而不是為了使用而使用。Ramachander表示，AI僅為物聯(lián)網(wǎng)(物聯(lián)網(wǎng))和大數(shù)據(jù)堆棧的一部分。首先要使用物聯(lián)網(wǎng)連接資產(chǎn)，再將資產(chǎn)虛擬化。日立所做的重點是創(chuàng)建數(shù)字化分身(digital avatar)，如此一來就能監(jiān)控其行為，并從中擷取所有數(shù)據(jù)。而將其納入分析層時，會采用所有外部數(shù)據(jù)來創(chuàng)建新的預測和預測資產(chǎn)如何實際運作。
日立正在研究德國能源市場，并表示這是如何應用AI的范例。德國約40%能源來自再生能源，因此會造成電網(wǎng)的波動，也對現(xiàn)有市場的石化燃料發(fā)電產(chǎn)生負面影響。日立用物聯(lián)網(wǎng)連接所有分布式新能源生產(chǎn)資產(chǎn)，并用AI作為大腦，以先進分析方法將天氣、需求及市場趨勢數(shù)據(jù)，及進入數(shù)據(jù)庫的所有附加數(shù)據(jù)與資產(chǎn)行為數(shù)據(jù)相關聯(lián)。利用AI決定何時最適合自產(chǎn)能源，何時是從市場上購買的最佳時機，以及何時最好把能源賣到市場。Ramachander指出，這就是日立使用AI的方式。AI本質上是大腦，物聯(lián)網(wǎng)則為整個方案的四肢。物聯(lián)網(wǎng)并非被動監(jiān)控平臺，而是主動控制手段，能用來控制設備。企業(yè)會有兩種不同設備，有在本地進行大量處理的智慧設備，也有推動數(shù)據(jù)進進出出的非智慧設備，但日立想優(yōu)化這些設備。在一天結束時，優(yōu)化是在物理層面，而非虛擬層面上進行。所以，無論在AI和堆棧中做什么，都是為了理解和虛擬化資產(chǎn)本身，了解其行為方式，以及其在不同條件下的表現(xiàn)，預測和預測其行為，然后在合適條件和時間優(yōu)化其行為。因此，物聯(lián)網(wǎng)方面不僅僅是連通性，還包括提供資產(chǎn)的數(shù)字化表示。要利用這種控制，機器學習是必要工具。機器學習能從分析數(shù)據(jù)串流及仿真各種可能場景中不斷學習。因此，日立正在不斷重新運行這些場景，直到機器學習學到正確場景。