生成AIが間違った文章を書くなら、利用者は訂正できる。鉄道の信号、変電所、工場ロボットを動かすAIが間違えば、列車が止まり、電力が途絶え、人が傷つく。HitachiとNvidiaがHMAXで挑む「Physical AI」は、チャットボットを現場へ持ち込むことではない。機械が見て、予測し、判断し、安全制約の中で動くための運用体系を作ることだ。
2026年7月16日、両社は製造・社会インフラの複数AIエージェント、ロボット、他社設備を統合するマルチエージェント・オーケストレーション技術を共同開発すると発表した。目標は「エンド・ツー・エンドの自律運用」。しかし現時点は開発と顧客検証の段階であり、日本の鉄道や電力網が完全無人化されたという発表ではない。
HMAXは製品一つではない
HMAXは、センサー、エッジコンピューター、データ基盤、AIモデル、デジタルツイン、保守サービスを組み合わせるソリューション群である。鉄道向けデジタル資産管理から始まり、2026年1月にMobility、Energy、Industryの三分野へ拡張された。
HMAX Mobilityは列車、信号、線路、駅の状態を監視し、保守と運行、エネルギーを最適化する。HMAX Energyは変圧器、開閉装置、送電・配電設備を予測保全し、接続計画と資産寿命を改善する。HMAX Industryは工場設備、品質、作業、ロボットを対象にする。
Hitachiは既存採用例で保守費とエネルギー使用をそれぞれ最大15％削減したとする。これは全顧客への保証値ではなく、特定事例の最大効果だ。路線、設備年齢、運行密度、基準値で結果は変わる。
1910年の5馬力モーターから始まったOT
Hitachiの原点は茨城県の日立鉱山にある。創業者・小平浪平は輸入機械の修理をしながら、1910年に国産5馬力誘導電動機を完成させた。翌年には変圧器を製造した。「機械を作り、動かし、修理する」ことが会社のDNAだった。
その後、発電機、送変電、制御、鉄道車両、信号、産業機械、コンピューターへ広がった。鉄道では車両だけでなく、運行管理、信号、保守を一体で扱う。電力では発電から送配電まで、工場ではモーターから制御システムまで持つ。この運用技術、OTがPhysical AIの土台になる。
IT企業はモデルを作れても、変圧器の絶縁劣化や車輪のフラット、信号のフェイルセーフを知らない。設備メーカーは物理を知るが、クラウド、データ工学、生成AIの開発速度で遅れうる。Hitachiが掲げる「IT×OT×プロダクト」は、その隙間を埋める戦略である。
LumadaとGlobalLogicが作ったソフトウエアの筋肉
Hitachiは長く巨大総合電機企業だったが、低収益事業を整理し、社会インフラのデジタルサービスへ軸足を移した。Lumadaは機器データと顧客業務を結ぶ基盤・方法論として育った。
2021年には米デジタルエンジニアリング会社GlobalLogicを総額96億ドルで買収した。高額買収は、ハードを売り切る会社から、ソフトを継続設計・更新する会社へ変わる意思表示だった。GlobalLogicとHitachi Digital Servicesの統合は2026年に始まり、HMAXの製品設計、クラウド、信頼性工学を支える。
鉄道HMAXの「三つのコンピューター」構成はその融合を示す。列車・線路側のエッジでリアルタイム処理し、運用拠点で統合し、クラウドで fleet 全体を学習する。すべてをクラウドへ送るのではなく、時間制約に応じて計算場所を分ける。
Nvidiaが提供する計算の層
Nvidia IGXは産業用エッジAI基盤で、列車や設備の近くで低遅延処理を行う。Holoscanはセンサー処理を高速化し、Metropolisは映像から人、物体、異常を認識する。AI Factoryはモデルの学習、微調整、評価、配布を担う集中計算基盤となる。
2025年にHitachi RailはIGX Thor採用を発表し、従来比最大8倍のAI計算と2倍の接続性能を掲げた。以前は保守拠点で最大10日かかり得たデータ処理を、列車やインフラ上でリアルタイム化する狙いだ。
Nvidiaの強みはチップだけでなく、CUDA、推論ランタイム、映像・ロボット向けライブラリーである。弱点は一社依存と世代更新コストだ。社会インフラは30年使う一方、AI計算機は数年で更新される。HMAXにはハード抽象化と長期サポートが必要になる。
マルチエージェント・オーケストレーションとは
一つのAIがすべてを支配するのではない。保守エージェントは故障確率を予測し、運行エージェントはダイヤを調整し、電力エージェントはピークを下げ、安全エージェントは許容操作を監視する。それぞれ異なる目的とデータを持つ。
問題は目標が衝突することだ。運行は列車を走らせたいが、保守は停止を求める。省エネは加速を抑えたいが、遅延回復は速度を上げたい。オーケストレーターは優先順位、設備制約、規則、将来影響を評価し、全体解を選ぶ。
| エージェント | 目標 | 衝突例 |
|---|---|---|
| 運行 | 定時性、輸送量 | 保守停止との競合 |
| 保守 | 故障防止、寿命 | 稼働率との競合 |
| エネルギー | 電力費、ピーク、CO₂ | 性能・快適性との競合 |
| 安全 | 危険状態を防止 | 他目標より常に優先 |
| 生産 | 品質、数量、納期 | 設備負荷と保守余力 |
HitachiとNvidiaは他社製設備も含むvendor-neutralな接続を掲げる。現実の工場や鉄道は複数メーカー、世代、通信規格で構成されるからだ。発表はこの技術を「開発する」としており、完全な相互運用がすでに実現したわけではない。
Integrated World Infrastructure Modelという安全の地図
大規模言語モデルは言葉の確率を学ぶが、鉄道や電力には物理法則と運用規則がある。Hitachiが2025年に発表したIWIMは、設備構成、因果関係、制御限界、保守知識を統合したインフラモデルとして、AIの判断を現実へ接地する。
デジタルツインが「今の設備」を再現し、IWIMが「何が可能で安全か」を表し、AIエージェントが「次に何をするか」を提案する構図だ。重要操作は従来の安全制御、形式検証、承認手順を残す必要がある。生成AIが直接ブレーキや遮断器を自由操作する設計ではない。
- 観測：センサーと映像から状態を把握。
- 助言：AIが原因と推奨操作を提示、人が実行。
- 限定実行：許可された範囲だけAIが操作。
- 監督自律：例外時に人へ移管し通常運用を自動化。
- 高自律：複数設備を協調制御、独立安全系が監視。
鉄道：故障前に見る列車
列車に付けたカメラとセンサーは、架線、線路、車輪、ドア、信号設備を走行中に観測できる。エッジAIが異常候補を抽出し、保守計画へ反映すれば、一定期間ごとの点検から状態基準保全へ移れる。
次の段階では、故障予測だけでなく列車割当、車庫入場、部品在庫、作業員配置まで一体最適化する。エネルギー面では、勾配、混雑、ダイヤ、回生ブレーキを考慮して運転曲線を調整できる。
しかし自律鉄道には信号安全規格、サイバー防御、説明可能性、責任分担が必要だ。AIが異常を見逃した時、鉄道会社、Hitachi、Nvidia、センサー会社のどこが責任を持つかは契約と規制で決めなければならない。
エネルギー：速さより信頼性
再生可能電源とデータセンターが増え、電力会社には接続申請が殺到する。系統解析、設備容量、保護協調、建設計画をAIで支援すれば、接続判断を短縮できる。HitachiとNvidiaは事例で新規電源接続時間を最大80％減らす可能性を示しているが、これは特定ワークフローの目標・成果で、全系統の保証ではない。
運用中は変圧器の温度、溶存ガス、振動、負荷履歴から劣化を予測し、故障前に交換する。需要予測と蓄電池、発電、送電制約を統合すれば、停電リスクと電力費を下げられる。
電力は「ほぼ正しい」では足りない。誤操作が広域停電へ連鎖しないよう、AIは保護リレーや系統運用者の権限を越えてはならない。自律化の価値は人を消すことより、人が見るべき例外を絞ることにある。
製造：一台のロボットから工場全体へ
従来のロボットAIは把持、溶接、検査など一工程を最適化する。HMAXが狙うのは、生産計画、品質、設備保全、エネルギー、物流を複数エージェントで調整することだ。
品質異常が増えた時、検査AIが欠陥を見つけ、保全AIが工具摩耗を推定し、生産AIが別ラインへ注文を移し、エネルギーAIがピークを避けて再計画する。局所最適ではなく工場全体の損失を最小にする。
難題は古い設備だ。数十年前のPLC、独自プロトコル、紙の保守記録をAIエージェントへ接続する必要がある。vendor-neutralという言葉の価値は、この茶色い現実をどこまで扱えるかで決まる。
主権、サイバー攻撃、人間の技能
工場の配合、発電所の構成、鉄道の弱点は企業機密であり国家安全保障情報でもある。Hitachiは閉じたLLM環境とsovereign-enabledな運用を掲げる。データを国外クラウドへ出さず、モデルとログの所在、アクセス権を顧客が管理する必要がある。
エージェント同士が機械を動かすほど、サイバー攻撃面は広がる。偽センサーデータ、悪意ある指示、モデル更新の改ざん、サプライチェーン侵害を想定し、ゼロトラスト、署名、分離、安全停止、監査ログが不可欠だ。
自動化は技能不足を補うが、人間を外しすぎると異常時に復旧できない「技能の空洞化」を生む。運転員を監督者へ再訓練し、手動運転と定期演習を残すことがレジリエンスになる。
成功を測るのは自律性の派手さではない
HMAXを評価する数字は、AIエージェント数ではない。事故ゼロ、停電時間、列車遅延、計画外停止、保守費、エネルギー、設備寿命、復旧時間である。AI導入前の基準と、気象・需要・設備年齢を調整した比較が必要だ。
事業面では、Hitachiが機器販売から継続サービス収入へ移れるかが重要になる。成果連動契約なら顧客と利益を共有できるが、Hitachiも運用リスクを負う。Nvidia依存、計算費、モデル更新、賠償責任が採算を左右する。
1910年の5馬力モーターは、輸入品を直す日本から自ら機械を作る日本への一歩だった。HMAXは、機械を作る会社が、その機械を理解し協調させる知能を売る転換である。Nvidiaの計算力だけでも、Hitachiの百年の設備知識だけでも足りない。両者の結合が試されるのはデモ会場ではなく、最終列車の後の保守時間、猛暑日の変電所、止められない生産ラインだ。