日本科技與製造業巨頭日立（Hitachi）正透過組織重整與 AI 技術升級，加速轉型為「數位中心型企業」。
日立總裁兼 CEO Toshiaki Tokunaga 指出，AI 已從生成式（GenAI）、代理型（Agentic AI）邁入實體 AI（Physical AI）階段。日立聚焦將 IT、OT（營運技術）與實體產品串接，推動自研 AI Lumada 3.0 佈局，並實施「Customer Zero」策略：先在自家組織內驗證技術，再轉化為外部客戶的數位服務。
從靜態計畫到動態應變，Physical AI 翻轉製造邏輯
日立所強調的 Physical AI，核心在於讓 AI 不只處理數位世界的資訊，更能即時理解並回應真實物理環境的狀態。對製造業而言，這代表 AI 能直接讀取設備、產線、庫存與供應鏈等現場資料，進而動態調整生產決策。
過去的製造排程多半依據預定訂單與固定產能制定。一旦現場發生設備故障、料件延遲或生產條件改變，往往需要人工二次介入重排，不僅耗時，更容易造成等待與產能浪費。
Lumada AI 的做法則是直接打通工廠即時營運數據與企業規劃系統。當供應鏈條件或設備狀態發生變化時，AI 能依據最新資訊重新評估最佳生產順序。換句話說，生產計畫不再是一份制定後死板執行的靜態表格，而是能隨現場狀況持續微調的「活系統」。
實戰驗證：Omika Works 核心產品交期大減 50%
這套動態調度架構已在日本日立 Omika Works 廠區成功落地。該工廠主要生產能源、鐵路與水務基礎設施所需的資訊控制系統，由於產品高度客製化，涉及複雜的零組件與多變製程，排程管理傳統上極具挑戰。
導入 Lumada AI 與 IoT 平台後，系統能根據現場動態即時重算製造流程，大幅降低生產過程中的等待與閒置時間。最終，這套 AI 驅動機制使 Omika Works 的核心產品交期（Lead Time）成功縮短 50%。更重要的是，日立在完全不擴建廠房的前提下大幅提升了產出，徹底釋放原本被固定排程限制的潛在產能。
這項成果也凸顯 IT／OT 整合對智慧製造的重要性。單純將 AI 模型放進工廠，並不代表生產流程就能自動最佳化；真正關鍵的是 AI 能否取得足夠即時、可靠的現場資料，並將分析結果回饋到實際的生產決策。Lumada 所扮演的角色，便是將工廠端的 OT 數據與企業 IT 系統串接，讓資料、分析與執行形成更緊密的循環。
日立希望進一步將這種能力延伸至更多工業與社會基礎設施場景。隨著 Physical AI 持續發展，AI 的角色也可能由協助人員分析資料，逐漸擴大至規劃任務、調整流程與協調實體設備。對製造業而言，這將使 AI 成為生產系統中的決策與調度能力，而非單純的分析工具。
Omika Works 的 50% 交期縮短，正是這種轉變的具體案例。日立透過 Lumada AI 將即時工廠數據納入生產決策，讓既有設備與空間發揮更高效率。當 AI 開始能夠根據真實世界的變化持續調整生產流程，智慧工廠的競爭也將逐漸從「導入多少 AI」轉向「AI 能否真正改善現場營運」。
製造業的每一次升級，背後都是值得深入解讀的故事。如果你擅長從技術趨勢中提煉觀點、寫出決策者真正需要的報導，想和我們一起記錄產業轉型，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ 物理 AI 最大商機或許不在人形機器人，而是替既有設備裝上大腦
＊本文開放合作夥伴轉載，參考資料：Hitachi、《Supply Chain Digital》、《Technology Magazine》，首圖來源：Hitachi
（責任編輯：廖紹伶）
