随着物理人工智能重塑工业运营，GlobalLogic 工业和移动业务高级副总裁兼首席技术官 Kunaal Mahanti 接受《机器人商业新闻》采访，谈论该公司与蒂森克虏伯和更广泛的日立生态系统的合作如何加速智能自动化。在本次采访中，他探讨了自主机器人、边缘人工智能、数字工程和可扩展工业智能在创建更安全、更智能、更高效的制造环境中的作用，同时概述了 GlobalLogic 对下一代人工智能驱动的行业的愿景。

GlobalLogic 与蒂森克虏伯合作，将物理人工智能引入重工业。这一联盟如何体现 GlobalLogic 对工程智能工业系统的长期愿景？

重工业制造的特点是环境复杂，仍然依赖手工处理。物理人工智能、先进机器人技术、具体智能和数字物理工作流程编排是提升工人安全和运营效率的关键。 

通过将从日立自己的物理人工智能部署中学到的知识应用到蒂森克虏伯的用例中，我们将解决一系列广泛的挑战。我们将建立一个可扩展的蓝图，以满足全球重工业更广泛的需求，实现日立 Lumada 3.0 愿景的核心承诺。

此次合作将 GlobalLogic 的人工智能和数字工程专业知识与蒂森克虏伯的工业能力相结合。这种组合能为追求数字化转型的制造商带来什么独特价值？

独特价值在于我们能够在复杂的重工业环境中协调无缝的数字物理工作流程，而这些环境历来严重依赖手动处理。

蒂森克虏伯运营专业知识的结合借助 GlobalLogic 和日立的物理 AI 框架，将提供传统 IT 或独立 OT 无法单独实现的内聚架构。通过统一数据层 (UDL) 等技术，我们可以安全地将先进的机器人技术和智能直接引入工厂车间。 

这种组合使制造商能够保护一线工人，消除运营瓶颈，并将复杂的非结构化现场数据转化为可衡量的工业投资回报率。

该联盟引入了用于部署物理人工智能的“实验室规模”模型。这种方法如何帮助弥合研究创新和现实世界工业部署之间的差距？

当今大多数物理人工智能项目都陷入了探索“可能性的艺术”，组织试图回答这项技术可以做什么的基本问题。我们通过日立“零客户”方法回答了这个问题，我们使用了自己的全球工业足迹我们致力于测试和验证这些解决方案。

“实验室规模化”模型是我们超越实验进入真正工业部署的方式。深厚的领域知识、战略设计、研究和人工智能工程能力与日立和蒂森克虏伯的运营环境和专业知识相结合，使对话从孤立的概念验证转向现实世界的执行。

GlobalLogic 在人工智能、软件工程和智能产品方面拥有丰富的经验。这些功能如何发展以支持自主机器人和工业自动化？

我们的工程能力正在从构建软件平台和管道发展到编排先进的自主边缘生态系统。我们正在应用已经构建的基础平台（例如企业级代理编排、上下文感知知识引擎和规模化数据智能解决方案）作为强大的骨干网r 物理人工智能。

同时，我们正在专业视觉系统和微模型方面进行大力创新，以将智能直接嵌入到边缘。这扩展了移动机器人和传统协作机器人（cobot）的功能。这些系统不再依赖于僵化的、预编程的“录制和播放”例程，而是转变为自适应智能资产。

通过嵌入边缘智能，移动系统和传统机器人都可以动态感知周围环境，理解上下文，并在工厂车间瞬间做出安全的操作决策。

物理人工智能需要集成机器人技术、边缘计算、人工智能模型和工业数据。在企业规模上将这些技术整合在一起的最大技术挑战是什么？

除了明显的传统 IT 和 OT 数据孤岛之外，执行企业规模物理 AI 的复杂工程障碍可以分为三个主要领域：

语义和命名空间统一：车间在数十年的遗留异构系统中运行。第一个挑战是在所有资产中建立统一的命名空间，以确保实时、连续的数据标准化和语义一致。如果没有这种通用的数据模型或本体，扩展是不可能的。

可靠性和安全性差距：传统的大型语言模型和变压器架构本质上是不确定的。在高风险、重工业环境中，不可靠性是一个严重的安全隐患。要解决这个问题，需要采取多管齐下的方法，并将人工智能包裹在严格的、确定性的安全性和以边缘为中心的护栏内。

人力和硬件抽象：我们面临着将经验丰富的人类操作员不成文的“部落知识”数字化到我们的上下文感知知识引擎中的挑战。同时，在机器方面，我们需要将多样化、复杂的机器人硬件抽象成一个统一的系统。“物理代理”的统一概念。这种软件抽象使我们能够在单一的、有凝聚力的人工智能编排层下管理各种机器人资产，而不是依赖于每台机器的严格的定制集成。

与 Method 和 Hitachi America R&D 的合作在创建工业人工智能端到端创新生态系统方面有多重要？

GlobalLogic、Method 和 Hitachi America R&D 之间的合作是我们方法的基础。工业人工智能的创新不能在孤岛中进行；它需要一个具有不同功能的高度同步的生态系统。通过融合整个日立生态系统的先进基础研究、以人为本的战略设计、深厚的领域知识和强大的人工智能工程能力，我们能够解决部署生命周期的各个层面。

虽然基础研究提供了基础技术突破，但战略设计能力使关键需要校准服务和流程重新设计以及变更管理，以确保先进的人工智能无缝集成到遗留工作流程中。这确保了该技术直观，并真正为每天与这些系统交互的一线工人提供服务。

您认为未来十年，除了重型制造之外，哪些行业将从物理人工智能中受益最多，哪些市场趋势正在推动这一机遇？

除了重型工程之外，未来十年物理人工智能的最大影响将体现在移动、能源和公用事业以及医疗保健领域。这些核心部门代表了全球基础设施的支柱，目前正在被优先考虑可持续发展、人类福祉和提升社会体验的宏观市场趋势重塑。

这一转变与日立更广泛的社会创新业务和我们的 Lumada 3.0 愿景保持同步，该愿景专注于利用数据和人工智能构建可持续发展的社会iety。

在移动性方面，物理人工智能将协调更安全、自主的公共交通系统。在能源和公用事业领域，它将管理稳定智能电网和加速脱碳所需的复杂低延迟决策。在医疗保健领域，它将为下一代患者护理提供动力。

展望未来，随着对人工智能驱动的自动化的需求不断增长，GlobalLogic 在推进物理人工智能、自主机器人和工业智能方面的主要优先事项是什么？

随着对人工智能驱动的自动化的需求不断增长，我们的首要任务是不断探索技术前沿，找到更安全、更智能的方法来解决传统和新兴的工业挑战。展望未来，我们的路线图围绕三个主要支柱：

将前沿创新商业化：我们将继续充当执行引擎，将日立在物理人工智能领域的先进突破和深度技术投资的精华带入工业环境

在边缘设计“可靠的人工智能”：我们致力于通过开发高度可靠、确定性的人工智能框架和先进的基于边缘的视觉系统来弥合数字和物理工作流程的差距。这确保自主资产可以在本地安全地解决严重后果的问题，而不会出现延迟或模型不可靠的风险。

数字化机构智能：我们将优先考虑捕获、构建不成文的企业和部落知识并将其整合到我们的上下文感知引擎中的能力。

通过将人类操作专业知识转化为可扩展的软件智能，我们确保下一代自主机器人建立在信任、安全和可衡量的基础上值。