台灣製造領導者運用 NVIDIA AI打造 AI的未來
輝達指出，隨著Vera Rubin擴大進入全面量產，為全球代理式AI工廠提供動力，這個生態系涵蓋完整供應鏈，從台積電、矽品、景碩、京元電與聯茂等關鍵晶圓與晶片合作夥伴，到富士康、和碩、雲達、緯創與英業達等製造與系統領導者。
但這些合作夥伴不只是建造AI工廠，他們也將加速運算、模擬、AI 代理程式與物理AI應用到自身營運中，建立一套示範模式，說明AI如何讓先進製造變得更快速、更高效率且更具適應性。
在晶片製造、伺服器組裝與工廠營運各領域，台灣製造領導者正運用 NVIDIA 技術，重塑 AI 基礎架構的設計、建置、測試與擴展方式。
台積電利用NVIDIA平台可將成本效益或周期時間改善20~50%
🔗 延伸閱讀《黃仁勳曝OpenAI承諾 在2030年前部署12GW輝達算力》
🔗 延伸閱讀《輝達首度揭露持有SpaceX約1.228億股票 躍居其第6大股東》
🔗 延伸閱讀《黃仁勳奪全美最佳CEO 員工好評達99%職場幸福度勝蘋果Google》
例如台積電正將 NVIDIA CUDA-X 函式庫與AI模型應用於運算式微影、電晶體與製程模擬、先進製程控制、良率分析、晶圓廠營運與檢測。NVIDIA cuLitho 在相同持有成本下，相較於以CPU為基礎的運算式微影，可將成本效益或周期時間改善20~50%；NVIDIA cuEST 函式庫平均可將半導體材料模擬提升50 倍；cuML函式庫、Metropolis平台與TAO Toolkit則協助加速材料模擬、改善製程控制並強化罕見缺陷檢測。
富士康在台灣投入14億美元打造的AI雲端超級運算中心
另富士康正使用全新的NVIDIA Factory Operations Blueprint與NemoClaw藍圖打造MoMClaw，也就是其製造營運管理代理程式，將感測器與機器訊號連接到專用代理程式，讓廠務管理者與操作人員可透過自然語言介面取得即時答案與行動計畫，並搭配 NVIDIA OpenShell 隱私控制與安全防護機制。富士康預估根本原因分析時間可加快80%，勞動生產力提升15%，機器故障率降低10%。
富士康也使用DeepHow的SOP Verification視覺AI系統，該系統採用 NVIDIA Cosmos 與 NVIDIA Metropolis Blueprint for video search and summarization (VSS)，以更深入掌握複雜製造流程，進而提升製造效率並將一次通過率提高 3%。該公司也將NVIDIA Isaac Teleop、Isaac Sim、Isaac Lab 與ROS 2應用於在工廠運作的輪式人形機器人，支援取放、雙臂協作與力控鎖螺絲等精密組裝任務。
富士康在台灣投入14億美元打造的AI雲端超級運算中心，由10,000顆NVIDIA GPU提供動力，並採用NVIDIA GB300 NVL72混合冷卻架構建置。
雲達利用NVIDIA AI支援其下一代機器人開發
廣達旗下雲達正使用以NVIDIA Omniverse為基礎的數位孿生，加速工廠規劃，讓工程、營運與物流團隊能共享設計資料，進而更快取得布局回饋、最佳化工作流程並改善空間利用率。
同時也正與其子公司 Techman Robot 合作開發物理AI開發套件，使用QuantaGrid系統進行資料生成與模型訓練。Techman Robot正使用NVIDIA Jetson Thor與Isaac GR00T平台，支援其下一代機器人開發，包括用於伺服器風扇組裝等先進工業任務的TM Xplore I人形機器人。
緯創布局分析速度提高7成、電力需求降低2成
緯創正使用 NVIDIA Omniverse DSX Blueprint、NVIDIA PhysicsNeMo 框架與 Cadence Reality DC Design，模擬全球製造據點的壓力測試燒機環境，並最佳化 AI 伺服器製造。
這些工作流程在 緯創 的 NVIDIA AI 基礎架構上執行，搭配 NVIDIA RTX PRO 6000 Blackwell Server Edition GPU、NVIDIA Omniverse 與NVIDIA Metropolis函式庫，可將布局分析速度最高提升70%，並透過動態機架最佳化將設施電力需求降低20%。
緯創同時也正採用NVIDIA Omniverse DSX Blueprint、開發可用於模擬的資產，並連接設計資料、熱模擬、數位孿生與實體驗證，加速AI工廠的設計與部署。
和碩AI視覺檢測部署時間縮短67%，並將營運工作量降低10%
和碩使用NVIDIA的Defect Image Generation物理AI代理程式技能，搭配 NVIDIA Cosmos世界基礎模型與Isaac Sim生成合成缺陷資料，將AI視覺檢測部署時間縮短67%，並將營運工作量降低10%。
英業達將AI部署時間縮短約25%，並將異常偵測改善約10%
英業達正在其Observation Agent中使用Defect Image Generation代理程式技能，為自動光學檢測生成合成缺陷資料。在筆記型電腦外觀檢測中，內部驗證產生超過10,000 張合成缺陷影像，並顯示有潛力將真實世界資料收集與人工標註減少約30%、將AI部署時間縮短約25%，並將異常偵測改善約10%。
輝達強調，隨著NVIDIA Vera Rubin擴大進入全面量產，台灣製造領導者正展示AI基礎架構如何成為自身製造引擎的一部分，也就是運用加速運算、模擬、代理程式與物理AI，打造下一代AI系統。
