輝達（NVIDIA）喺技術部落格披露，旗下西雅圖機器人實驗室同 Isaac 工程團隊，正同 GB300 合約製造商鴻海合作，以 GB300 測試托盤（tester tray）為對象開發智慧機器人組裝技術。測試托盤喺運算模組出貨前用嚟驗證功能同效能，目前仲高度依賴熟練工人。
團隊選咗兩項最關鍵、最難自動化嘅工序：匯流排（busbar）組裝同多連接器插接。前者要機械臂抓起又長又重嘅金屬匯流排，精準放入托盤後鎖上 16 顆螺絲；後者要處理兩大兩小共 4 組線纜連接器，插入公差極細嘅插槽。
呢兩項工序對熟練工人唔算難，對機械臂就係另一回事。線材會彎曲變形，不同零件位置同角度都有差異，傳統固定治具加重複動作嘅方案行唔通。加上 GB300 產品迭代快，設計持續變化，需要能主動適應環境嘅彈性自動化系統。
目前數字
據輝達部落格，匯流排自動組裝成功率已超過 95%，完整作業時間約 160 秒，距 124 秒目標仍有距離，瓶頸主要落在 16 顆螺絲嘅鎖附流程。多連接器插接成功率介乎 90% 至 95%，目標係 72 秒內處理完 4 條線纜。
連接器部分結合 NVIDIA Isaac Lab 強化學習（reinforcement learning）、實際產線資料同客製化機械夾爪持續改善。
兩項工序成功率門檻均設為至少 99.5%，由輝達同鴻海依照實際工廠需求共同設定。機械臂仲唔准意外碰撞托盤，因為輕微損傷都可能令整套系統報廢。
鴻海機櫃出貨
鴻海喺法説會表示，第 3 季 AI 機櫃出貨季增長高雙位數百分比，今年 AI 機櫃出貨倍數以上增長。新一代 AI 機櫃第 3 季開始量產、第 4 季出貨，預期 2027 年成為主力產品。
模姐驗嚇貨
呢個數字全部出自輝達技術部落格嘅自我披露，冇獨立第三方驗證。99.5% 成功率先要問：「成功」點定義？樣本量幾大？用咗幾多組件測試？由邊個監定？目前 95% 同 99.5% 之間嗰差距，點量度、幾時收埋，現有材料全部冇答案。
「AI 訓練機器人、機器人再組裝 AI 伺服器」呢個循環敍事喺技術邏輯上講得通，但目前仲停留在概念層面，冇產線規模化部署嘅證據。99.5% 究竟係門檻定係宣稱，試點先至算真入廠，呢個先係值得持續跟進嘅問題。
模姐｜深度調教
