10月28日，日立宣布计划将GlobalLogic和Hitachi Digital Services整合为Hitachi Digital Inc.，拟于2027年4月1日正式成立，并启动新的全球品牌活动。按官方披露，新服务组织覆盖27个国家，约有3.5万名专业人员，服务880多家客户。日立希望把数字产品工程、企业核心系统、云、数据、AI和长期运行服务接到一起，同时利用集团在能源、轨道交通及制造领域的运营技术经验。[1][2]
这项安排有前序。日立2026年1月已公布整合两家美国子公司的意向，4月开始推进运营整合，10月才进一步明确名称、品牌和生效日期。值得看的不只是人数：工业客户采购了ERP、MES、PLM、工业互联网平台和AI软件，依旧可能遇到系统互不连通、数据口径不同、项目交付后无人持续运营。新公司想承担的是贯穿设计、实施和运营的责任，而不是再单卖一款软件。[1][3]
两家公司的工作怎样接在一起
GlobalLogic以数字产品工程、软件开发及芯片到云端的工程能力见长，常与客户共同开发产品、应用和平台。Hitachi Digital Services更偏向企业系统现代化、云服务、数据管理、可靠性和长期托管运营。前者擅长开发新系统，后者长期维护复杂系统。工业软件连接设备控制、生产排程和关键基础设施时，开发与运行之间有一点脱节，就可能造成停线、质量损失或安全隐患。
日立给新公司的定位覆盖战略、设计、工程开发、现代化改造及规模化运营。集团在1月说明中提到GlobalLogic的VelocityAI、Hitachi Digital Services的HARC等既有能力，希望据此形成统一的AI Factory，推动Lumada 3.0业务。10月公告又列出Physical AI、Data and Intelligence、Cloud与Site Reliability Engineering（SRE）、Enterprise Applications等服务方向，并提出由前沿部署工程师（Forward Deployed Engineers，FDE）进入客户现场实施。对客户而言，前期方案与上线后的运营若能由同一交付体系负责，沟通损耗才可能减少。[1][3]
这条服务链在合同执行中有清楚的交接点：开发团队交付应用后，运行团队要接手监控、故障恢复、补丁升级与变更管理；现场工程师则要判断一次异常来自软件、设备工况还是操作流程。若各环节只对自己的阶段负责，客户仍需自行协调故障归属。统一组织的效用，要看这些交接能否落实为共同的服务指标和事故处理流程。
当然，把两组人放进同一公司不等于技术自然连通。软件工程师、云工程师、数据专家、工业专家及现场工程师的工作对象和考核方式不同：有人写工具，有人维护部署环境，有人清理资产和质量数据，有人处理现场工艺及安全问题。共同的项目流程、技术资产、服务指标和责任划分，才会决定跨团队项目是否比过去做得好。3.5万人是组织规模，不是项目成功率。
从收购GlobalLogic到统一服务组织
日立2021年宣布收购GlobalLogic时，披露的企业价值约95亿美元，考虑债务偿付等因素后的总收购成本预计约96亿美元。如此投入，是为了在全球建立数字工程能力，让工业产品、服务业务和IT交付得到软件支撑。此后日立围绕Lumada组织技术与业务，希望连接工业设备、物理系统和企业数据平台。[4]
2026年5月，日立宣布与Anthropic建立战略合作，计划在复杂工业及关键基础设施场景使用前沿AI。公告提出让集团约29万名全球员工在不同业务流程中使用先进AI，培养约10万名AI专业人才，并在初期组建横跨北美、欧洲和亚洲的前沿AI部署团队。29万人是集团层面的覆盖计划，不是Hitachi Digital约3.5万人的新公司规模。日立还提出“Customer Zero”：先在自己的生产、维护、软件开发和管理流程中试用，再把成熟做法用于客户产品。[5]
这条路线有资本、技术和组织几笔投入：收购获得工程能力；模型合作和HMAX等产品补充AI能力；统一服务公司则负责对客户实施与长期运行。2026年9月，HMAX扩展数据中心、网络安全、Data Fabric和AI Operations等方向，意在为复杂系统提供共用技术基础。与仅在大模型API上搭应用不同，日立要把这些工具放进已有工业业务中验证。[6]
IT与OT之间缺的常是责任链
IT部门管理业务流程、网络、数据库及企业应用，注重通用性、扩展性、权限和安全治理；OT部门面对传感器、PLC、SCADA、DCS和现场生产，更看重实时性、连续性和设备安全。大型工厂升级一次MES，要协调ERP订单、设备采集、工艺版本和质量追溯。接口延迟或字段含义一变，操作员当天的工作就可能受到影响；许多现场设备又已使用十年以上，不可能按照互联网软件的更新频率替换。
所以，项目卡住的地方往往不在模型训练。预测性维护模型在试验数据上准确，却不能把告警转成维修工单；视觉系统识别了缺陷，却找不到对应材料批次和工艺参数；能源优化程序算出策略，却不知道设备允许调节到什么边界。算法看到数据，工厂还得处理流程、审批和责任。日立整合数字工程、企业应用、可靠性运营及现场知识，正是想让功能从设计走到稳定运行。
技术上仍须分层。设备控制与安全联锁由确定性系统负责；中间层采集数据、处理事件、连接系统；上层把设备状态映射到PLM、MES、ERP中的业务对象，AI再用于预测、诊断、计划建议或受控操作。大型集团可复用的资产通常是设备标识、领域数据模型、权限、审计日志及标准工具接口，而不只是某个模型。基础结构统一后，不同工厂复制AI场景才可能少做重复工程。
例如同一设备告警要用于跨厂分析，系统须知道设备编码对应哪条产线、报警发生时使用哪版工艺、受影响产品属于哪些批次。现场的PLC与SCADA维持原有控制职责，数据接口再把这些事件送往质量、维护和排程系统。先厘清字段定义与写入权限，才能决定哪些建议可自动流转，哪些动作仍须工程师或主管审批。
Physical AI进入现场要经过哪些关口
Physical AI是这次公告的重点。企业AI可以检索文档、整理报告、编写代码；如果建议开始影响设备运行、机器人动作、作业调度和维护决策，错误的代价就不同了。轨道交通系统可参考设备状态排检修，电力监控平台可结合故障模式及天气安排巡检，工厂可据实时质量数据调整检查计划。但建议进入执行环节之前，需要工程规则、工况验证和授权。[1][6]
客服回答错误可以重新对话，产线误动作可能撞坏设备、报废物料，甚至伤人。因此服务商必须了解安全完整性、故障隔离、实时控制、补丁升级和事件追溯。日立在轨道交通、能源及工业设备方面的经验，在这里有可用的场景知识。其合同也可能不只卖AI软件，还包含系统改造、可靠性管理、长期运维和设备性能服务。
竞争不会只有一种形态。自动化巨头掌握设备与控制层，企业软件厂商占据业务系统，云平台提供算力及数据工具，AI创业公司在某些算法上迭代更快。Hitachi Digital试图将这些要素纳入端到端项目，既要与伙伴保持开放，也要承担复杂交付的风险。跨国复杂系统可能适合大型服务商整合；工艺范围清楚的细分场景，中小团队仍能凭行业数据、专门软件和实施效率获得机会。
FDE不能只负责模型上线
前沿部署工程师并非换个称呼的驻场程序员。成熟的FDE要同客户定义问题，把业务目标改写为接口与测试指标，还要在系统运行后观察结果。做设备预测性维护时，传感器实时数据与人工点检如何区分，告警怎样触发维修，维修记录如何反馈模型，停机计划由谁批准，都属于交付范围。现场限制通常比训练模型难处理，工程师必须在开发、业务和运营人员之间反复沟通。
一套预测系统上线后，还需要核对误报是否造成无效检修，漏报是否延误维修，以及维修工单关闭后如何记录实际故障原因。若模型给出更频繁的巡检建议，维护团队的人手与计划停机窗口也要跟着调整。FDE的现场经验能否沉淀成可复用的接口、验收测试和运行手册，决定了第二个客户项目是否还要从头摸索。
日立希望把现场经验提炼成可复制的技术资产，不过FDE团队的成本不低。工程师需要行业知识、软件架构能力和充分的客户沟通时间；跨国实施还要处理语言、法律、数据驻留与供应商协调。3.5万名员工提供人才基础，却不能说明有多少成熟的FDE小队、一队能长期服务多少客户及场景。采购方应问清驻场能力、交付范围和后续服务承诺，而非只看总人数。
这类组织也会改变人才需求。懂PLM、MES的业务对象，能使用API和Agent工具，又愿意进产线调试的工程师，可能比只会调用模型的人更紧缺。高校和培训机构可把工程数据模型、系统互联、自动化基础、云原生、网络安全及AI应用编排放进同一套实训；企业则要让工艺、质量和设备人员参与方案设计。否则IT团队很可能交付功能齐全、业务却无法闭环的软件。
判断整合效果，先分清几个数字
日立10月材料提到，Hitachi Digital与日立集团内部的协同收入在上半年同比增长46%。这是特定业务范围和期间的集团内协同指标，不是新公司总收入增长46%，也不能据此算外部市场份额。其正式财务表现仍要结合业务分部、利润率、项目交付量和现金流观察。880多家客户说的是服务覆盖面，并不意味着每一家都已采购Physical AI。[1][7]
客户可从四个维度检验项目：需求提出到第一个可用功能的时间；上线后的可用性、故障恢复时间与变更失败率；设备停机、质量损失、维护费用和产能有没有可核验的改善；第二家工厂或新业务单元复用同一架构时还要重复开发多少。大型集成项目不缺文件，难的是第二年、第三年还稳定产生收益。
组织融合本身也要付成本。GlobalLogic偏重工程开发，Hitachi Digital Services长期做运营，传统工业业务部门另有项目节奏。统一品牌和报表不会立即抹平文化与方法差异；激励、客户归属、知识产权及交付责任都要重新安排。整合不顺可能使审批更慢、管理层级更多；若技术资产、流程和客户服务真正统一，规模优势才有机会出现。2027年4月成立之后，项目复制率与客户复购比品牌发布更能说明问题。
对跨国制造集团来说，统一服务还有个具体用途：减少各工厂重复开发接口与安全策略。设想十几家工厂使用不同年代的MES和设备采集系统，总部想做设备健康看板，最耗时的未必是异常检测模型，而是统一设备编码、故障分类、维修记录与角色权限。各厂若继续独立建设，模型版本、审计方式也会各走各的。共享领域数据模型与连接组件，本地团队处理工艺差异，集团平台统一观察和支持，是一种可行分工；数据主权、网络隔离及现场可用性仍须逐项解决，部署通常应从只读分析开始。
合同也能检验服务商是否愿意承担长期责任。项目结束时，若源代码、数据字典、模型训练记录和运维手册仍留在供应商处，客户内部团队很难自行排障或加功能。接口文档、数据血缘、日志格式、知识产权边界、第三方依赖，以及事故响应和退出迁移流程，宜在合同中写清楚。前期谈判会更费时，但后续替换模型、升级AI能力和跨厂复制时，双方能少一些不确定性。
验收也可分开约定：首个功能上线时检查接口和权限，稳定运行阶段检查可用性、恢复时间与变更失败率，再用设备停机、质量损失或维护费用衡量业务效果。跨厂复制时还应记录哪些组件可直接重用、哪些工艺差异必须重新配置。这样的分段验收，把软件交付、现场运营和经营结果放在各自可核查的时间点上。
中国工业智能软件公司怎样选择位置
面对大型全球服务组织，国内团队需要回答几个具体问题：能否掌握细分工艺、设备接口和质量标准；交付后是否有稳定运行、完整日志、明确权限及审计报告；涉及商业秘密和连续生产的客户需要私有化、本地知识库与细粒度访问控制时，产品能否适配。通用大模型难以快速替代长期现场积累，漂亮的演示也代替不了运行记录。开放接口和可替换的模型架构，则有助于客户控制技术依赖。
例如工业智能体工作台，无须取代ERP、MES和PLM的权威地位，可以协调跨系统查询、分析与流程执行。设备异常时，先查时序数据及维修历史，再调工艺和质量记录，生成标注数据出处的诊断建议；维修工单与停机审批仍回到现有系统。这种做法便于预算和组织条件有限的工厂逐步部署。它与日立强调的跨系统协同方向相近，但不必复制大公司的完整服务架构。
日立此次整合明确了一个交付诉求：客户希望现场问题有人持续负责，而不是分别购买互不承担后果的模块。Hitachi Digital能否把3.5万人的规模变成持续收入和可靠的跨团队交付，需要在2027年正式成立后看项目与财务结果。现在能明确的是，IT、OT、软件工程、AI和运营服务怎样分工并衔接，已经是工业数字化合同里绕不开的问题。
参考资料
- Hitachi / Business Wire，Hitachi Unveils a New Global Digital Services Company，2026-10-28。成立日期、人员规模、客户数、服务方向及FDE定位。https://www.businesswire.com/news/home/20261027531796/en/
- Hitachi日本官方新闻稿，グローバルデジタルサービス企業「Hitachi Digital」が発足，2026-10-28。整合时间、服务与产业方向。https://prtimes.jp/main/html/rd/p/000000645.000067590.html
- Hitachi，Plans to Integrate GlobalLogic and Hitachi Digital Services，2026-01-29。整合历史与Lumada 3.0路线。https://www.hitachi.com/en/press/articles/2026/01/0129c/
- GlobalLogic / Hitachi，Hitachi to Acquire GlobalLogic，2021年。收购规模与数字工程布局。https://www.globallogic.com/about/press-room/press-release/hitachi-to-acquire-globallogic/
- Hitachi，Strategic Partnership with Anthropic to Strengthen Lumada 3.0，2026-05-18。集团层面AI人才与Customer Zero计划。https://www.hitachi.com/en-us/press/hitachi-announces-strategic-partnership-with-anthropic-to-strengthen-lumada-3-0-through-frontier-ai/
- Hitachi，Hitachi Expands HMAX to Accelerate the Deployment of Physical AI，2026-09-03。HMAX模块与Physical AI定位。https://www.hitachi.com/en-us/press/hitachi-expands-hmax-to-accelerate-the-deployment-of-physical-ai/
- Nasdaq / Hitachi公告，Hitachi Digital相关协同收入说明，2026-10-28。集团协同增长指标。https://www.nasdaq.com/press-release/hitachi-unveils-new-global-digital-services-company-turning-cloud-data-and-ai
编辑说明：成立计划、员工与客户规模依据日立公开文件；平台架构、人才培养及国内企业建议属于行业分析。