英伟达联手鸿海：机器人组装GB300挑战99.5%成功率

AI 服务器的产线，也要开始”上机器人”了。

据 TechNews 援引英伟达官方技术博客报道，英伟达西雅图机器人实验室与 Isaac 工程团队，正与 GB300 合约制造商鸿海合作，为 Grace Blackwell GB300 测试托盘开发智能机器人组装技术。鸿海直接参与任务选定与产线效能标准制定，目标是让两项最难自动化的工序——汇流排组装与多连接器插入——成功率达到 99.5% 以上，真正达到可导入工厂的水准。

这意味着，AI 与制造的关系正在进入下一阶段：过去是 AI 服务器为各行各业提供算力，现在，AI 技术开始反过来帮助机器人制造 AI 服务器。

事件详情：两项”硬骨头”工序，成功率已超 95%

这次合作锁定的对象是 GB300 测试托盘（tester tray）。据中央社报道，这类托盘在 GB300 运算模组出货与部署前，用于验证功能与效能是否正常，目前组装仍高度依赖熟练产线人员。英伟达与鸿海据此挑出了两项最关键、也最难自动化的工作。

第一项是汇流排（Busbar，一种用于大电流配电和传输的导电金属条）组装。机器人要抓取又长又重的金属汇流排，精准放入托盘后锁上 16 颗螺丝，期间还涉及治具与夹具的安装、拆卸。目前机器人组装成功率已超过 95%，但完整作业约 160 秒，高于制造端 124 秒的目标，瓶颈主要在 16 颗螺丝必须依序锁固。为攻克这一难关，该工序甚至动用了 3 支机械手臂分工协作。

第二项是多连接器插入：机器人要处理 2 大 2 小共 4 组线缆连接器，并精准插入公差极小的狭窄插槽。目前成功率约 90% 至 95%，距 99.5% 的目标仍有改善空间；时间目标是 72 秒内完成 4 条线缆插接。英伟达表示，该环节正结合 Isaac Lab 强化学习、实际产线数据与客制化机械夹爪持续优化。

双方直接按实际工厂需求设定了严苛门槛：两项工序成功率均要求至少 99.5%，且机器人不得意外碰撞托盘——即使轻微损伤也可能导致整套系统报废；整体生产周期则要做到不超过熟练人工的两倍。

背景分析：为什么这两道工序这么难自动化？

对熟练工人来说这并不困难，但对机器人却是另一回事：AI 服务器零件无法保证每次位置角度完全一致，线材还会弯曲、变形；叠加 GB300 迭代快、产量与设计持续变化，传统依赖固定治具、重复固定动作的自动化很难套用。机器人必须具备辨识、判断与适应不同状况的能力——这正是”弹性自动化”要解决的问题。

为此，英伟达并非单纯依赖 AI 模型，而是将感知、路径规划、控制、机器人学习等多项技术搭配使用，让机器人能够在面对不确定性的情况下维持稳定可靠的运作。

这次被机器人”盯上”的 GB300，是英伟达基于 Blackwell Ultra 架构推出的 AI 服务器平台，于 2025 年 3 月 18 日的 GTC 大会上随 Blackwell Ultra DGX SuperPOD 一同发布。其中 GB300 NVL72 采用全液冷机架规模设计，将 72 颗 Blackwell Ultra GPU 与 36 颗搭载 Arm 架构的 NVIDIA Grace CPU 整合至单一平台，通过 NVLink 高速互连技术串联，使其如同一颗超大 GPU 运作。

而鸿海（富士康）则是全球最大的电子制造服务商，全球 AI 服务器市占率超过 40%，是英伟达 GB200 NVL72 与 GB300 NVL72 架构的主要供应商。双方为联合设计制造（JDM）关系，鸿海参与从机架架构到液冷方案的联合定义，并在 2025 年 5 月的 COMPUTEX 上展出过 GB300 NVL72 系统。鸿海先前在法说会中预期，第三季 AI 机柜出货季增高双位数百分比、AI 服务器营收季增；新一代 AI 机柜第三季开始量产、第四季开始出货，验证工作逐步完成，预期 2027 年将成为主力产品。

影响与展望：”AI 训练机器人，机器人组装 AI 服务器”

这项合作更大的意义在于，英伟达与鸿海的关系正在从单纯的 AI 服务器制造，进一步延伸至智慧制造。当 AI 基础设施规模持续扩张，未来可能出现一种循环生态：AI 训练机器人，再由机器人组装 AI 服务器，让 AI 真正走进制造现场。

在 AI 服务器需求持续爆发的背景下，产线自动化已成为供应链下一阶段的竞赛焦点。若跨过 99.5% 成功率与作业速度这两道门槛，不仅能缓解对熟练产线人员的依赖，也有助于在快速迭代的产品周期中保持组装的一致性与稳定性。

当然，从目前 95% 上下到 99.5% 的工厂级门槛，中间仍有一段路要走。英伟达与鸿海表示将持续朝工厂实际导入推进——AI 服务器产线，正在成为检验”具身智能”成色的新考场。