英伟达与鸿海展示机器人组装 GB300：Busbar 成功率已超 95%

据 IT之家援引台媒经济日报 10 月 4 日消息，英伟达与鸿海首次对外展示了利用机器人参与制造设备组装的成果。此次展示聚焦英伟达 GB300 相关制造环节中较复杂、过去更依赖人工经验的工序，包括母线（Busbar，亦称汇流排或母排）组装以及多组连接器插接。来源显示，相关机器人自动化方案已可导入产线，以提升组装稳定性与生产效率。

在 AI 服务器制造中，供电、连接与液冷等环节的装配质量，直接影响整机稳定性。GB300 属于英伟达面向大规模 AI 计算的高端平台，其机架级系统集成密度高、连接结构复杂，这也使制造过程对精度、一致性和节拍提出更高要求。此次英伟达与鸿海展示的自动化成果，体现了 AI 服务器制造正从“高度依赖熟练工人”向“人机协同与机器人自动化”加速演进。

核心工序自动化：Busbar 组装成功率超过 95%

来源显示，在核心工艺指标方面，GB300 相关 Busbar 组装的成功率已超过 95%；多连接器插接成功率约为 90% 至 95%。作业耗时方面，Busbar 组装时间目标控制在 124 秒以内，4 组连接器的插接时间目标为 72 秒以内。整体生产周期方面，目标是做到不超过熟练人工两倍时间。

Busbar 是用于大电流配电和传输的导电金属部件，在高功率 AI 服务器中承担关键供电角色。与普通消费电子装配相比，AI 服务器机架内部的供电与连接结构更复杂，对定位精度、插接力度、装配顺序和检测反馈都有更高要求。机器人能够在重复性、稳定性和过程记录方面发挥优势，但要真正替代或部分替代人工完成复杂工序，仍需要在视觉识别、力控、夹具设计和产线节拍上形成系统能力。

• 装配成功率：Busbar 组装成功率已超过 95%，多连接器插接成功率约 90% 至 95%。
• 作业耗时：Busbar 组装目标在 124 秒以内，4 组连接器插接目标在 72 秒以内。
• 生产节拍：整体生产周期目标为不超过熟练人工两倍时间。
• 应用场景：主要面向 GB300 中复杂、重复且对一致性要求高的供电与连接装配环节。

GB300 平台推动制造难度上升

GB300 是英伟达基于 Blackwell Ultra 架构推出的产品。根据英伟达官网资料，GB300 NVL72 采用全液冷机架规模设计，将 72 颗 Blackwell Ultra GPU 与 36 颗搭载 Arm 架构的 NVIDIA Grace CPU 整合至单一平台，并通过 NVIDIA NVLink 高速互连技术串联，使其在系统层面如同一颗超大 GPU 运作。该平台在 2025 年 3 月 18 日举行的 GTC 大会上，随 Blackwell Ultra DGX SuperPOD 一同正式发布。

对于这类机架级 AI 计算平台而言，制造挑战已不只是“把服务器装好”，而是要在高功率供电、高速互连、液冷管路和结构件之间实现紧密协同。随着单机架算力和功耗持续提升，传统人工装配容易面临一致性、疲劳、良率波动和培训周期等问题。机器人导入复杂工序，意味着制造商希望把关键步骤标准化、数据化，并为后续更大规模交付建立可复制流程。

影响解读：AI 服务器供应链正在向“自动化工厂”升级

鸿海是全球重要电子制造服务商，来源称其全球 AI 服务器市占率超过 40%，也是英伟达 GB200 NVL72 与 GB300 NVL72 架构的主要供应商。鸿海与英伟达之间为联合设计制造（JDM）关系，参与从机架架构到液冷方案的联合定义。此前在 COMPUTEX 2025 上，鸿海已展示 GB300 NVL72 系统，以及机器人与智慧制造平台等相关方案。

从产业角度看，英伟达与鸿海此次展示的不只是单一产线改造，而是高端 AI 硬件制造模式变化的信号。AI 服务器需求增长推动交付规模扩大，供应链必须同时面对良率、速度和复杂度三重压力。若机器人能够在 Busbar、连接器等关键环节持续提升成功率和节拍，将有助于降低对少数熟练人工的依赖，并增强产线扩张的确定性。

此外，鸿海在 AI 服务器连接与供电方面已有覆盖新一代 AI 芯片插槽、主板 PCIe 高速连接器与线缆、GB300 Power Clip、Busbar 线缆等方案。来源还提到，鸿海计划以 K-1 项目成为首批导入 800 VDC 电力架构的企业，以强化 AI 服务器电力与冷却整合设计能力。对于中文科技读者而言，这意味着未来 AI 基础设施竞争不只发生在 GPU 和模型层面，先进制造、供电架构、液冷系统与自动化装配同样会成为决定交付能力的重要变量。