MoneyDJ新聞 2026-10-05 08:53:14 數位內容中心 發佈
- NVIDIA與鴻海宣布，在GB300運算模組的測試托盤（tester tray）導入機器人組裝，目前匯流排母線成功率已超過95%，多連接器插接達90%至95%。
- 目前主要限制仍在物理世界的毫米級誤差，以及上游封裝、載板與散熱等供應鏈瓶頸，可能讓自動化良率難以從約95%進一步拉升至99.5%。
- 接下來將觀察自動化成效能否在不同批次與環境下維持高成功率、GB300出貨良率是否改善，以及封測與載板等上游供給能否跟上需求。
2026-10-04，NVIDIA與鴻海（Foxconn）公開將機器人導入GB300運算模組的測試托盤組裝，目標把出貨前關鍵工序的成功率推向99.5%。這次自動化聚焦兩項高度仰賴人工的工序：匯流排母線的精密貼裝，以及多組連接器的插接。由於兩者直接影響模組功能驗證與出貨良率，團隊正透過強化學習、產線回饋資料與客製化機械夾爪，持續優化操控精準度。
機器人先接手最吃重的兩道組裝工序
在目前有限的驗證中，匯流排母線組裝成功率已突破95%，多連接器插接達90%～95%，顯示以軟硬體整合與現場資料回路為核心的做法，已能在單一節點明顯降低失誤。NVIDIA與鴻海也將此視為從傳統伺服器代工走向智慧製造的實際一步，並提出「AI訓練機器人、機器人再組裝AI伺服器」的循環構想，作為製造現場與研發回饋結合的示範案。
封裝、散熱與物料吃緊，仍會拖慢良率提升
但要把單點成果擴大到量產，阻力仍來自物理限制與供應鏈兩端。毫米級誤差下，機器人在微小對位時仍可能需要人工微調；感測、夾爪與控制回授等子系統若無法進一步提升一致性，就難以全面取代人手的靈巧度。同時，HBM、Chiplet、CoWoS等先進封裝推升封測與載板需求，也加重高層數PCB、載板與水冷設備的供應壓力。若上游無法同步擴充，或材料價格持續高檔，自動化帶來的良率提升，可能被上游短缺與成本上升抵消。
此外，單一大型封裝功耗攀升，也讓系統級散熱與液冷供給更加吃緊。若長時間運作下出現降頻與可靠度風險，將反過來影響整機交期與成本回收；若矽晶圓與關鍵材料價格短期內明顯上漲，自動化投資的資本支出回收假設也會更脆弱。
接下來要看量產能否穩住成功率
短期內有三項重點值得觀察：第一，自動化工序能否在不同批次與環境條件下維持高成功率，而不是只停留在單一樣本數據；第二，GB300 與相關模組的出貨良率是否因此持續改善；第三，封測、載板、散熱等上游環節，是否會因需求轉向而出現更明顯的供應瓶頸或價格上漲。
新聞來源
[1] 挑戰 99.5% 成功率，NVIDIA 攜鴻海讓機器人組裝 GB300
[2] 輝達鴻海合作自動化機器人組裝 提升GB300成功率
[3] AI相關運算商機 5年內衝2兆美元
[4] 摩根看空宇樹 股價恐再跌3成
[5] AI 需求壓縮晶片供應鏈，瑞銀估 2027 年矽晶圓恐漲價高達 40%
[6] 輝達、英特爾較勁 台廠卡位物理AI
[7] AI晶片功耗飆 液冷迎升級潮
