辉达（NVIDIA）与鸿海（2317）持续推进AI硬件制造自动化。 辉达最新公布GB300测试托盘（tester tray）机器人组装研究成果，针对总线（Busbar）组装、多组连接器插接等精密制程导入机器人，其中总线组装成功率已超过95%，连接器插接成功率也达90%至95%。 不过，距离团队设置的99.5%工厂部署目标仍有差距，下一阶段将持续提高可靠度，并进一步缩短作业时间。 此次研究由辉达西雅图机器人实验室与Isaac工程团队推进，鸿海则提供实际制造需求建议，并参与相关作业标准制定。 双方希望让机器人逐步接手部分复杂、过去高度仰赖人工操作的组装进程，进一步提高AI硬件制造的自动化程度。

GB300精密组装难度高 机器人挑战锁16颗螺丝、插4组连接器 此次自动化研究聚焦GB300测试托盘组装，研究团队选定两项较复杂的作业流程，分别为总线组装，以及4组不同尺寸的连接器插接。 其中，总线组装流程涵盖治具安装、总线插入，以及16颗螺丝锁附等进程；连接器插接则须处理2组大型及2组小型连接器。 由于线材具有柔性、容易变形，加上连接器与插槽之间的容许空间有限，因此对机器人的视觉辨识、抓取、姿态估测及力量控制能力都提出更高要求。

为克服精密组装难题，研究团队通过3D打印制作特殊指爪，并集成机器视觉、对象姿态估测、路径规划与力量控制等技术，同时利用Isaac Lab进行仿真强化学习，再搭配真实环境数据改善机器人的操作能力，让机器人能应付更复杂的组装工作。 2大制程成功率突破9成 距99.5%工厂部署门槛还差一步 根据研究结果，目前机器人运行总线组装的成功率已超过95%，多组连接器插接成功率则约90%至95%，显示机器人已能完成多项高精度组装进程。 不过，要真正走进工厂产线，可靠度还得继续提升。 研究团队将99.5%成功率设置为工厂部署的可靠度目标之一，意味现阶段仍须进一步降低失败率，提升长时间运作下的稳定性。 除了「做得准」，还得「做得快」。

团队设置自动化流程的作业周期时间（Cycle Time）不得超过熟练人工操作时间的2倍，其中总线组装目标为124秒内完成，4组连接器插接则以72秒内完成为目标。 目前总线组装的部分子进程已达设置时间目标，但完整流程仍受到螺丝锁附作业拖慢。 后续研究将同步改善组装成功率与Cycle Time，进一步评估导入实际制造环境的可行性。 从数字孪生走向实体组装 鸿海深化辉达智能制造合作 事实上，辉达与鸿海近年持续深化智能制造合作。

鸿海先前已运用NVIDIA Omniverse创建数字孪生，在虚拟环境中仿真工厂与生产流程，并结合Isaac相关技术进行机器人训练及验证；此次研究则进一步从虚拟工厂走向实体制程，将机器人应用延伸至总线、螺丝锁附及连接器插接等组装环节。 鸿海董事长刘扬伟先前也曾谈及制造自动化，指出模块集成与系统组装仍有不少环节需要人工处理，这些工作也正是未来工厂机器人可以持续发展的方向。 随着AI服务器与相关硬件系统复杂度愈来愈高，如何让机器人接手过去高度依赖熟练人力的精密组装工作，也成为智能制造下一阶段的重要课题。 若相关技术未来能达到可靠度及作业效率目标，就有机会进一步导入实际制造场域。

台厂扩大美国制造布局 高人力成本让自动化更关键 另一方面，台湾AI供应链近年也持续扩大美国制造布局，包括鸿海、纬创等业者均增加美国相关产能。 纬颖位于德州Socorro的第一栋厂房已进入量产，第二栋厂房则预计2027年第2季开始生产；广达也持续布局美国AI服务器相关产能，其他台湾供应链业者则陆续扩大当地数据中心、电源及相关基础设施布局。 随着美国制造规模扩大，人力成本也成为业者评估生产布局的重要因素。 美国劳工统计局（BLS）雇主薪酬成本调查（ECEC）显示，2026年6月美国民营制造业雇主平均每工时薪酬成本达48.62美元，其中包含工资及福利。

在此背景下，提高制造自动化程度、降低复杂制程对熟练人工操作的依赖，对扩大海外生产的AI硬件供应链而言重要性也随之提高。 不过，辉达与鸿海此次公布的GB300机器人组装成果，目前仍处于研究与优化阶段，距离99.5%的可靠度目标仍有差距。 未来能否真正导入量产线，甚至扩大至更多AI服务器组装环节，仍须视技术成熟度、作业效率及实际生产验证结果而定。