台灣擁有超過 500 家 NVIDIA 生態系合作夥伴。超過 100 萬個用於 NVIDIA Vera Rubin 基礎架構的 NVIDIA MGX 機架元件，來自台灣 25 個工廠據點並在此匯聚。
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 TSMC、SPIL、Kinsus、KYEC 與 UMTC 等關鍵晶圓與晶片合作夥伴，到 Foxconn、Pegatron、Quanta Cloud Technology (QCT)、Wistron 與 Inventec 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。
台灣製造領導者運用 NVIDIA AI 打造 AI 的未來
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。
圖片來源：TSMC
TSMC 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，可將成本效益或週期時間改善 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。
Foxconn 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。
Foxconn 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%。
Foxconn 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。
Foxconn 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。
Quanta Cloud Technology (QCT) 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。
QCT 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。
Wistron 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 Wistron 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%。
Pegatron 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。
Pegatron 也使用 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%。
Inventec 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%。
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。
觀看 NVIDIA 創辦人暨執行長黃仁勳的 GTC Taipei 主題演講，並探索物理 AI 議程以及 AI 工廠與基礎架構議程。