鸿海借英伟达AI建智慧工厂：训练提速2.48倍
英伟达近日在官网发布技术文章，披露了鸿海采用其人工智能训练与推理技术打造智慧工厂的最新进展。据中央社10月26日报道，鸿海以英伟达的AI服务器和数据中心软硬件方案为核心，把这套技术用在自家AI模型的开发、全球智慧工厂的建设以及AI代理应用上，训练效能和制造效率都拿出了可量化的数字。
这不是一次简单的设备采购。按照英伟达的说法，鸿海正在把全球制造体系转向“能够自主运作、自我学习”的AI智慧工厂，而这次公开的细节展示了这条转型路线在训练、排程和产线三个环节分别带来了什么。
训练环节：12天处理1万亿个词元
在模型训练一端，鸿海部署的核心硬件包括英伟达DGX SuperPOD、GB300 NVL72系统以及以RTX PRO服务器为核心的智慧生产系统。在此基础上，鸿海自主开发了大型语言模型FoxBrain，以及创世纪项目Genesis、CityGPT等AI平台。
英伟达与鸿海披露的数字：采用DGX SuperPOD后，鸿海集团的AI训练效能提升了2.48倍；用DGX GB200加速FoxBrain训练，12天可以处理1万亿个AI词元。词元是衡量大模型训练规模的常用单位，1万亿这个量级意味着FoxBrain的训练已经不是小规模试验，而是面向集团级应用的正式投入。
对一家制造企业来说，自研大模型本身就值得注意。FoxBrain、Genesis和CityGPT的组合表明，鸿海的AI布局不只停留在“用别人的模型做客服或写文档”，而是试图把模型能力沉淀为集团内部的生产工具：训练、推理和代理应用都围绕自己的业务场景展开。
工厂环节：排程省25%，产线异常改善超90%
如果说训练数字展示的是算力投入，工厂一线的数字展示的则是回报。英伟达表示，鸿海结合其AI技术导入自动排程后，排程工时减少了25%；在射出成型制程参数切换上，工程工作量降低了50%。这两项都是制造业里最耗人力的环节：排程牵一发而动全身，参数切换则直接决定换线速度和良率爬坡。
更广的产线改善同样有数字支撑：鸿海运用英伟达AI解决方案，改善了超过20项主要产线问题，其中精密制造的表面焊接技术（SMT）产线异常改善率超过90%。SMT是电子制造的核心工序，异常率的下降会直接传导到良率、返工成本和交付稳定性上。
与此同时，鸿海的AI智慧工厂仍在扩围：集团在台湾高雄建置新的枢纽据点，作为智慧工厂网络的延伸。鸿海主管表示，借助英伟达完整的软件堆叠，集团可以在有限增加IT管理负担的前提下有效扩展运算规模，并把AI代理弹性部署到全球200多个营运据点。这句话点出了这套方案对鸿海真正的价值：不是单个工厂的样板，而是一套可以复制到全球网络的架构。
不止自用：还要把平台开放给其他企业
这次合作还有一层超出鸿海自身的意图。英伟达表示，鸿海正与其携手开发AI Token生态系统与开放式代理框架，提供给其他企业运用鸿海平台，打造符合自身需求的客制化智慧代理方案。
换句话说，鸿海在把自己的转型经验产品化：先用英伟达的技术把自己的工厂和模型跑通，再把沉淀下来的平台能力向外输出。
背景分析：制造业AI正在从单点工具走向整厂系统
把这次披露放在更大的背景里看，制造业的AI应用正在经历一次升级。早期的工厂AI多是单点工具：视觉检测一道工序、预测性维护一台设备、排程优化一条产线，效果局限在局部。而鸿海这次展示的，是把训练、推理、排程和代理应用串成一套系统的做法：模型在DGX系统上训练，推理和代理部署到产线，排程与制程参数由AI直接参与决策。
这种整厂系统的门槛比单点工具高得多。它要求算力、数据、软件堆叠和产线工艺同时到位，缺一环都会让效果打折。这也解释了为什么鸿海选择与英伟达深度绑定：从训练用的DGX SuperPOD、推理用的GB300 NVL72，到RTX PRO服务器和完整的软件堆叠，上下游需要同一套技术底座才能顺畅衔接。
另一个值得注意的信号是“自我学习”这个表述。英伟达称鸿海的工厂正在转型为具备自主运作与自我学习能力的体系，这意味着AI的角色不再只是执行既定规则，而是从产线数据中持续学习、优化决策。
影响与展望
短期看，这次披露最直接的影响在两家公司身上。对鸿海，它向客户和投资者展示了AI投入正在转化为训练效率和产线指标，而不是停留在概念层面；对英伟达，它多了一个可以在全球制造网络复制的AI工厂标杆，有助于其AI服务器与数据中心方案在制造业进一步打开市场。
中期看，高雄新枢纽和面向其他企业的代理平台值得持续观察。前者决定了鸿海智慧工厂网络的扩围速度，后者则决定了这套经验能否从内部能力变成对外业务。如果开放式代理框架确实被其他制造企业采用，鸿海在制造业AI服务市场的位置将明显不同。
智慧工厂的竞赛，最终比拼的不是某一次披露的数字，而是这套系统能否在多年、多厂的规模下持续稳定地跑下去。鸿海与英伟达的这次合作，至少给出了一个可验证的起点。