今年的 Computex，AI 無疑是貫穿全場的熱門關鍵字。然而，當多數目光聚焦在晶片、伺服器等硬體之上時，台灣製造業巨擘鴻海科技集團董事長劉揚偉的專題演講，則從其深厚的工業根基出發，描繪了一個更為宏大且具體實現路徑的 AI 未來願景。鴻海結合其「AI Factory」與三大智能平台的策略，這不僅是鴻海自身的轉型藍圖，更可能是台灣產業邁向「智能製造」甚至「智能社會」的借鏡。
文／編輯部
AI Factory 的創想：從一張手繪圖開始的旅程
劉揚偉在演講中透露，整個AI Factory 的概念，其實是源於大約一年半前與 NVIDIA 執行長黃仁勳的一場會面中，由黃仁勳親手繪製的一張圖。這張圖的精神，雖然隨著時間演進而有所變化，卻啟動了鴻海在 AI 領域的深入探索。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
經過約18個月的努力，鴻海不僅發展出了 AI 相關的應用（三大平台），也構思了其背後的「大腦」（鴻海自主訓練擁有推理能力的繁中 LLM – FoxBrain），並選擇了支援這些願景的軟體堆疊和運算硬體，並與波士頓顧問公司（BCG）和 NVIDIA 等夥伴合作，共同打造這個生態系統。
未來工廠的樣貌：實體、數位分身與 AI 工廠的三位一體
鴻海對於未來工廠的看法，不再僅限於我們熟悉的實體廠房。他們提出了一個三位一體的概念：
1. Omniverse 數位分身工廠
在實際廠房建造之前，先在 NVIDIA Omniverse 虛擬環境中建立數位分身，進行模擬和最佳化。這使得企業可以在虛擬世界中不斷練習和改進流程，而無需實際投入資源。
2. AI Factory
這座「AI 工廠」的運算核心是訓練與推理兆級參數大型語言模型的 AI 基礎設施，利用數位分身工廠產生的數據，建立基礎模型，用於支援實際工廠的運作。
3. 實體工廠
最後才是根據數位分身和 AI 工廠所建立的模型和最佳化結果，建造實際的廠房。
這個順序 ─ 先建數位分身、再利用 AI Factory 訓練模型、最後建造實體工廠 ─ 是鴻海獨特的見解。
GenAI 的務實應用：80/20 法則的啟示
在應用 GenAI 於智慧製造的過程中，鴻海有一個非常重要的發現。他們實驗發現，GenAI 可以非常快速地幫助技術人員完成大約「80%的重複性或標準化工作。然而，對於剩下最複雜、需要高度經驗和判斷的 20%」工作，人類技術人員的表現仍然遠優於 GenAI。
這打破了「GenAI 將取代所有人類」的迷思。對 CIO 來說，這意味著 GenAI 在企業內的導入策略，更應該著重於「賦能」（Empower）現有員工，讓他們將時間精力集中在更具價值和挑戰性的任務上，而不是簡單地追求「無人化」。鴻海的 AI Agents 就是捕捉專家知識，處理 80%的工作，讓人類專注於 20%最複雜的部分。
規模化挑戰與架構重要性
鴻海在全球各地擁有眾多工廠。如何在如此龐大且複雜的體系中實現 AI 應用的大規模部署和模型演進，成為一個關鍵挑戰。他們正在建構一種架構，讓中央部門建立基礎模型，各事業群的工廠可以利用這些模型，並結合實際數據進行訓練，再將訓練成果回饋到中央模型，最終由中央模型將最新成果分享給所有工廠。這套分佈式訓練與集中式模型演進的架構，對於全球化營運的台灣大型企業 CIO 們，提供了寶貴的參考。
「3+3+3=∞」AI Factory 的三大應用引擎
鴻海提出的「3+3+3=∞」三大智能平台願景，並將 AI Factory 視為驅動這三大平台的核心引擎。這三大平台包括：
1. 智能製造（Smart Manufacturing）：
這是鴻海的核心優勢。利用 AI 優化生產流程，如應用 NVIDIA AI 藍圖進行影片搜尋與摘要（VSS）用於營運和安全監控。他們也展示了透過 NVIDIA Omniverse 進行即時工廠佈局與物流作業模擬。這方面的具體展示包括半導體複合型機器人，結合高階視覺與精密運動技術，用於半導體行業的智能轉運。
2. 智能電動車（Smart EV）
鴻海是 MIH 開放電動車聯盟的推動者。他們將提供智能電動車平台，包含車載和離線應用，並計劃作為 MIH 成員的參考設計。與 Mitsubishi 的合作便是基於這種參考模型，可以幫助客戶節省約 80%的開發工作。數據收集（如高雄 Ebus 運行數據）是這部分的關鍵。
3. 智能城市（Smart City）
鴻海意識到許多現有的智能城市應用是各自獨立運作的（如智能交通、智能醫院等）。因此，他們正在建立一個平台，連接政府、企業和市民，支援數據和知識共享，以解決應用孤島問題。該平台已在高雄等地實施，並計劃在一年內展示其效果。展示案例包括與台中榮總、川崎重工合作開發的 AI 護理協作機器人「Nurabot」，預計今年在台灣合作醫院部署，目標是減少三成護理工時，提升照護效率與品質。他們也利用 NVIDIA Omniverse 為合作醫院打造數位分身智慧場域。
這三大平台代表了 AI 技術在垂直領域的具體落地應用，而背後的 AI Factory 則提供所需的強大運算能力。
打造領域專屬模型：FoxBrain
劉揚偉指出，通用的基礎模型（如 Llama 3/4）雖然強大，但對於製造業、電動車等特定領域的數據（例如機器數值、車輛訊號）缺乏深入理解，可能導致錯誤或不準確的結果。因此，鴻海決定開發領域專屬的 AI 模型 ─ FoxBrain。這個模型將基於開源模型，利用高品質、大規模的預訓練語料庫，專注於針對特定應用進行推理。鴻海的高雄資料中心正在用於訓練這個模型。值得注意的是，鴻海計劃將這個模型開源給社群，以促進共同發展。對台灣企業來說，一個開源的、具備製造業或特定產業知識的基礎模型，將是巨大的資源。
[ 推薦瀏覽：什麼是 FoxBrain？]
NVIDIA 的全棧支援與台灣首座 NCP AI Factory
鴻海選擇 NVIDIA 作為其 AI Factory 和三大平台策略的關鍵合作夥伴，正是因為 NVIDIA 不僅提供強大的硬體，更有完整的全棧（Full Stack）軟體堆疊來支援各種應用、模型和系統。從 Omniverse 數位分身平台到 Metropolis、Isaac Sim、Drive 等，涵蓋了從模擬、機器人到智能交通的廣泛領域。
為了提供實現這些願景所需的龐大運算能力，鴻海宣布攜手 NVIDIA 在台灣打造最先進的「AI Factory」超級算力中心。這將是台灣首家 NVIDIA 雲端合作夥伴（NCP） ─ 鴻海旗下的「晶兆創新」。這個算力中心將搭載最新的 NVIDIA Blackwell 基礎設施，包括 GB300 NVL72 機櫃級解決方案。
[ 推薦閱讀：【專訪】鴻海科技集團 B 事業群總經理姜志雄 ]
目標是建置 100MW 的總算力，將分階段進行：初期 20MW，後續再增加兩階段各 40MW。部署地點包括高雄，以及台灣其他能快速取得電力的地方。此 AI Factory 不僅供鴻海集團內部使用，也將開放給台灣的產官學研各界，包括台積電計劃利用這個系統來推進研發。這對於需要高階 AI 運算資源，但自身難以大規模建置的台灣企業來說，是極大的利多。
Team Taiwan 世界運算產業的中心
NVIDIA 執行長黃仁勳在對談中強調，台灣是 NVIDIA 最重要的合作夥伴所在地，擁有 350 家合作夥伴。他稱台灣為「世界運算產業的中心」，其技術供應鏈極其深厚和複雜。他對台灣製造先進、複雜產品（如 GB200 伺服器）的能力印象深刻。
針對劉揚偉新擔任第 27 屆台灣區電機電子工業同業公會（TEEMA）理事長（涵蓋台灣超過 50%的出口值），黃仁勳給出了直接的建議：
‧過去的工業企業在軟體革命中相對落後，因為缺乏軟體技能。
‧AI 時代則不同，你可以教導 AI，而非程式設計 AI。透過對話式 AI，人人都可以成為「軟體程式設計師」。
‧現在的 AI 系統不僅更易用，而且正在發展對實體世界的理解（物理常識）。
‧結合 NVIDIA Omniverse 這樣的數位分身平台，企業可以設計、操作、模擬和規劃其工廠。
‧因此，TEEMA 的每一家公司現在都是，也必須成為一家技術公司。
他鼓勵企業像鴻海一樣，不要只停留在思考或討論 AI，而是立即開始投入實踐。他強調 AI 技術發展速度極快，目前可能達到每三個月性能翻倍的驚人速度（結合晶片、系統、資料中心、作業系統和模型等全棧創新）。 CIO 們應該擁抱現在的技術，並相信未來的挑戰會隨著技術進步迎刃而解。黃仁勳認為，AI 不僅是一項技術，更是一個全新的多兆美元產業，而這個新產業將由像鴻海這樣利用 AI Factory「生產」AI 的企業所驅動。
AI 與機器人：解決已開發國家 GDP 結構性問題的契機
劉揚偉也分享了一個他對 AI 和機器人長期影響的獨到觀察。隨著國家發展，人均 GDP 提高，低 GDP、低薪資的工作越來越少有人願意從事。傳統上，這類工作會外包到發展中國家或引入外籍勞工。但這兩種方式都有其局限性和潛在的社會問題。劉揚偉認為，GenAI 加上機器人技術的發展，為了解決這個已開發國家的結構性問題提供了巨大的潛力。AI 與機器人可以填補那些低 GDP 工作的空缺，這是一個「巨大的機會」。這也是鴻海與工研院合作成立機器人社群，推動產業創新的重要背景。
結語
劉揚偉董事長在 Computex 的演講，不僅是一次企業策略的宣示，更像是一場針對台灣產業的 AI 啟蒙課。從 AI Factory 作為算力核心，到智能製造、智能電動車、智能城市這三大應用場景，再到領域專屬模型的研發和與 NVIDIA 的全棧合作，鴻海正在用實際行動構建其 AI 時代的生態系統。特別是其務實的 80/20 GenAI 應用原則、針對大規模部署的架構思考，以及將 AI 與機器人視為解決勞動力結構問題的宏觀視角，都為台灣企業的 CIO 們提供了具體的方向和思考空間。
