挑战 99.5% 成功率，NVIDIA 携鸿海让机器人组装 GB300

AI 伺服器需求持续爆发，如何让产线自动化程度再往前推，也成为供应链下一阶段竞赛焦点。据 NVIDIA 部落格文章揭露，旗下西雅图机器人实验室与 Isaac 工程团队，正以 Grace Blackwell GB300 测试托盘为对象开发智慧机器人组装技术，而身为 GB300 合约製造商之一的鸿海，也直接参与任务选定与产线效能标準制定，希望让机器人真正达到可导入工厂的水準。

NVIDIA 指出，GB300 测试托盘主要用来确认运算模组出货前的功能及效能，目前相关组装仍高度仰赖熟练人员，而团队依据 NVIDIA 营运团队与鸿海建议，选出两项最关键、也最难自动化的工作，包括汇流排（busbar）组装，以及多连接器插入。前者需要机器人抓取又长又重的金属汇流排，精準放入托盘后锁上16颗螺丝；后者则必须处理两大、两小共 4 组线缆连接器，并插入公差极小的插槽。

虽然这些工作对熟练产线人员来说并不困难，但对机器人却又是另一回事，因为线材本身会弯曲、变形，不同零件的位置与角度也存在差异，因此无法像传统自动化产线般，单纯靠固定治具与重複动作完成。再加上 GB300 产品迭代速度快、产量及设计持续变化，更需要能主动适应环境的弹性自动化系统。

为了避免研究成果停留在实验室，NVIDIA 与鸿海也直接依照实际工厂需求设定门槛，汇流排与连接器组装的成功率均要求至少达 99.5%，且机器人不得意外碰撞托盘，因为即使轻微损伤都可能导致整套系统报废；作业速度同样不能太慢，其中汇流排组装必须在 124 秒内完成，多连接器插入则要求 72 秒内处理完 4 条线缆。

据部落格文章显示，目前汇流排自动组装成功率已超过 95%，但完整作业时间约 160 秒，瓶颈主要落在 16 颗螺丝的锁附流程；连接器部分则结合 NVIDIA Isaac Lab 强化学习、实际产线资料与客製化机械夹爪持续改善。

这项合作反映出 NVIDIA 与鸿海的关係正从 AI 伺服器製造进一步延伸至智慧製造，当 AI 基础设施规模持续扩张，未来不只是由鸿海替 NVIDIA 生产 AI 伺服器，更可能出现AI 训练机器人、机器人再组装 AI 伺服器的循环，让 AI 真正走进製造现场。

（图片来源：NVIDIA 部落格）