台湾地区汇聚了超过 500 家 NVIDIA 生态合作伙伴。用于 NVIDIA Vera Rubin 基础设施的逾百万件 MGX 机架组件，正从 25 个工厂站点跨越各地，最终在台湾地区集中完成组装。
随着 Vera Rubin 全面量产用以驱动全球的智能体 AI 工厂，这一生态系统已覆盖了完整的供应链——从 TSMC、矽品精密、景硕科技、京元电子集团和 UMTC 等核心晶圆与芯片制造商，到 Foxconn、和硕、云达科技 (QCT)、纬创资通和英业达等制造与系统级领导者。
但这些合作伙伴所做的远不止于建造 AI 工厂。他们还将加速计算、仿真、AI 智能体以及物理 AI 应用于自身的运营中，为“如何利用 AI 使先进制造更快速、更高效、更具适应性”树立了行业标杆。
台湾地区制造业巨头拥抱 NVIDIA AI，共筑 AI 未来
在芯片制造、服务器组装及工厂运营等领域，台湾地区的制造业领导者正应用 NVIDIA 技术，重塑 AI 基础设施的设计、制造、测试与扩展方式。
TSMC 将 NVIDIA CUDA-X 库和 AI 模型广泛应用于计算光刻、晶体管与工艺仿真、先进制程控制、良率分析、晶圆厂运营及缺陷检测等环节。其中，NVIDIA cuLitho 在保持相同总拥有成本的前提下，相比基于 CPU 的计算光刻方案，可将成本效益或生产周期缩短 20% 至 50%；同时，NVIDIA cuEST 库平均可将半导体材料仿真速度提升 50 倍。此外，cuML 库、Metropolis 平台和 TAO Toolkit 也在加速材料仿真、优化制程控制以及强化罕见缺陷检测能力方面发挥着关键作用。
Foxconn 正采用全新的 NVIDIA 工厂运营蓝图 (FOX) 和 NemoClaw 蓝图打造其制造运营管理智能体 MoMClaw。该智能体能够将传感器和设备信号与专业智能体连接，而这些专业智能体可以通过自然语言界面为工厂管理人员和操作员提供实时解答与行动方案，并结合 NVIDIA OpenShell 隐私控制与安全护栏保障运行安全。
据 Foxconn 估算，此举可使用于根本原因的分析时间提速 80%，劳动生产率提高 15%，设备故障率降低 10%。
此外，Foxconn 还采用了 DeepHow 的 SOP Verification 视觉 AI 系统，该系统结合了 NVIDIA Cosmos 和用于视频搜索与总结的 NVIDIA Metropolis Blueprint (VSS)，使复杂的制造流程获得了更高的透明度，从而提高制造效率，并将首次通过率提高 3%。Foxconn 还将 NVIDIA Isaac Teleop、Isaac Sim、Isaac Lab 和 ROS 2 应用于工厂内的轮式人形机器人，支持包括抓取放置、双臂协作和力控螺丝锁付在内的精密装配任务。
Foxconn 在台湾地区投资 14 亿美元打造的 AI 云超级计算中心配备了 10,000 颗 NVIDIA GPU，并采用了 NVIDIA Grace Blackwell Ultra 机架式解决方案混合冷却架构进行建设。
云达科技 (QCT) 正利用基于 NVIDIA Omniverse 的数字孪生加速工厂规划，使工程、运营和物流团队能够共享设计数据，从而实现更快的布局反馈、优化工作流程并提高空间利用率。
云达科技还与其子公司达明机器人合作开发了一款物理 AI 开发者套件，该套件能利用 QuantaGrid 系统进行数据生成与模型训练。达明机器人正借助 NVIDIA Jetson Thor 和 Isaac GR00T 平台推进其下一代机器人的研发，其中包括可执行服务器风扇组装等高级工业任务的 TM Xplore I 人形机器人。
纬创资通正在使用 NVIDIA Omniverse DSX Blueprint、NVIDIA PhysicsNeMo 框架以及 Cadence Reality DC Design，在其全球制造基地模拟老化测试环境，以开展压力测试并优化 AI 服务器的制造流程。
这些工作流运行于纬创资通基于 NVIDIA RTX Blackwell 服务器版 GPU 打造的 AI 基础设施上，并结合了 NVIDIA Omniverse 和 NVIDIA Metropolis 库，可将布局分析速度最高提升 70%，并通过动态机架优化将设施电力需求降低 20%。
和硕正在引入 NVIDIA Omniverse DSX Blueprint，开发可用于仿真的资产，并将设计数据、热仿真、数字孪生与物理验证全面打通，从而加速 AI 工厂的设计与部署。
此外，和硕还采用了 NVIDIA 的缺陷图像生成物理 AI 智能体技能，结合 NVIDIA Cosmos 世界基础模型和 Isaac Sim 生成合成缺陷数据，这使得 AI 视觉检测的部署时间缩短 67%，日常运维工作量减少 10%。
英业达同样在其 Observation Agent 中使用了缺陷图像生成智能体技能，为自动光学检测 (AOI) 生成合成缺陷数据。在笔记本电脑外观检测的环节，内部验证生成了超过 10,000 张合成缺陷图像，有望将真实数据采集和人工标注减少约 30%、AI 部署时间缩短约 25%、以及异常检测准确率提升约 10%。
随着 NVIDIA Vera Rubin 全面投入量产，台湾地区的制造业巨头们正在展示如何将 AI 基础设施转化为驱动自身制造的引擎——通过加速计算、仿真、智能体和物理 AI，打造出新一代 AI 系统。
更多详情，请观看 NVIDIA CEO 黄仁勋在 GTC 台北大会现场发表的主题演讲，详细了解物理 AI 有关内容。