輝達（NVIDIA）與鴻海（2317）持續推進AI硬體製造自動化。輝達最新公布GB300測試托盤（tester tray）機器人組裝研究成果，針對匯流排（Busbar）組裝、多組連接器插接等精密製程導入機器人，其中匯流排組裝成功率已超過95%，連接器插接成功率也達90%至95%。不過，距離團隊設定的99.5%工廠部署目標仍有差距，下一階段將持續提高可靠度，並進一步縮短作業時間。此次研究由輝達西雅圖機器人實驗室與Isaac工程團隊推進，鴻海則提供實際製造需求建議，並參與相關作業標準制定。雙方希望讓機器人逐步接手部分複雜、過去高度仰賴人工操作的組裝程序，進一步提高AI硬體製造的自動化程度。 GB300精密組裝難度高 機器人挑戰鎖16顆螺絲、插4組連接器 此次自動化研究聚焦GB300測試托盤組裝，研究團隊選定兩項較複雜的作業流程，分別為匯流排組裝，以及4組不同尺寸的連接器插接。其中，匯流排組裝流程涵蓋治具安裝、匯流排插入，以及16顆螺絲鎖附等程序；連接器插接則須處理2組大型及2組小型連接器。由於線材具有柔性、容易變形，加上連接器與插槽之間的容許空間有限，因此對機器人的視覺辨識、抓取、姿態估測及力量控制能力都提出更高要求。為克服精密組裝難題，研究團隊透過3D列印製作特殊指爪，並整合機器視覺、物件姿態估測、路徑規劃與力量控制等技術，同時利用Isaac Lab進行模擬強化學習，再搭配真實環境資料改善機器人的操作能力，讓機器人能應付更複雜的組裝工作。 2大製程成功率突破9成 距99.5%工廠部署門檻還差一步 根據研究結果，目前機器人執行匯流排組裝的成功率已超過95%，多組連接器插接成功率則約90%至95%，顯示機器人已能完成多項高精度組裝程序。不過，要真正走進工廠產線，可靠度還得繼續提升。研究團隊將99.5%成功率設定為工廠部署的可靠度目標之一，意味現階段仍須進一步降低失敗率，提升長時間運作下的穩定性。除了「做得準」，還得「做得快」。團隊設定自動化流程的作業週期時間（Cycle Time）不得超過熟練人工操作時間的2倍，其中匯流排組裝目標為124秒內完成，4組連接器插接則以72秒內完成為目標。目前匯流排組裝的部分子程序已達設定時間目標，但完整流程仍受到螺絲鎖附作業拖慢。後續研究將同步改善組裝成功率與Cycle Time，進一步評估導入實際製造環境的可行性。 從數位孿生走向實體組裝 鴻海深化輝達智慧製造合作 事實上，輝達與鴻海近年持續深化智慧製造合作。鴻海先前已運用NVIDIA Omniverse建立數位孿生，在虛擬環境中模擬工廠與生產流程，並結合Isaac相關技術進行機器人訓練及驗證；此次研究則進一步從虛擬工廠走向實體製程，將機器人應用延伸至匯流排、螺絲鎖附及連接器插接等組裝環節。鴻海董事長劉揚偉先前也曾談及製造自動化，指出模組整合與系統組裝仍有不少環節需要人工處理，這些工作也正是未來工廠機器人可以持續發展的方向。隨著AI伺服器與相關硬體系統複雜度愈來愈高，如何讓機器人接手過去高度依賴熟練人力的精密組裝工作，也成為智慧製造下一階段的重要課題。若相關技術未來能達到可靠度及作業效率目標，就有機會進一步導入實際製造場域。 台廠擴大美國製造布局 高人力成本讓自動化更關鍵 另一方面，台灣AI供應鏈近年也持續擴大美國製造布局，包括鴻海、緯創等業者均增加美國相關產能。緯穎位於德州Socorro的第一棟廠房已進入量產，第二棟廠房則預計2027年第2季開始生產；廣達也持續布局美國AI伺服器相關產能，其他台灣供應鏈業者則陸續擴大當地資料中心、電源及相關基礎設施布局。隨著美國製造規模擴大，人力成本也成為業者評估生產布局的重要因素。美國勞工統計局（BLS）雇主薪酬成本調查（ECEC）顯示，2026年6月美國民營製造業雇主平均每工時薪酬成本達48.62美元，其中包含工資及福利。在此背景下，提高製造自動化程度、降低複雜製程對熟練人工操作的依賴，對擴大海外生產的AI硬體供應鏈而言重要性也隨之提高。不過，輝達與鴻海此次公布的GB300機器人組裝成果，目前仍處於研究與優化階段，距離99.5%的可靠度目標仍有差距。未來能否真正導入量產線，甚至擴大至更多AI伺服器組裝環節，仍須視技術成熟度、作業效率及實際生產驗證結果而定。
评论 (0)