Nvidia公司近日表示,将扩大与鸿海科技集团(即富士康)的持续合作,以加速AI驱动的电动汽车和机器人平台的开发。

在此次合作中,富士康计划开发一种被称为“AI工厂”的新型数据中心,为这种数据中心以及其他新型创新(例如制造数字化和生成式AI服务)提供动力。
两家公司扩大合作伙伴关系是在近日举行的Hon Hai Tech Day活动上,Nvidia公司联合创始人、首席执行官黄仁勋与富士康董事长、首席执行官刘勇进行的炉边谈话中宣布的。
这一新举措的主要重点是AI数据工厂的建设。富士康宣布计划建造大量基于Nvidia CPU、GPU及其网络技术的计算系统,同时配备Nvidia的硬件和Nvidia AI Enterprise软件,这些系统将出售给那些希望建立自己AI数据工厂的客户。
富士康表示,正在构建的AI工厂系统是基于Nvidia HGX参考设计的,每个平台将配置8个Nvidia H100 GPU,以及Nvidia GH200超级芯片和网络。这些系统将让富士康的客户能够在他们自己的数据中心内部署Nvidia加速计算,为内部生成式AI工作负载以及其他任务提供支持,例如自主机器人和自动驾驶汽车的训练。
除了为客户的AI工厂构造组件之外,富士康表示还将开发他们自己的工厂。富士康表示,富士康AI工厂将利用Nvidia Omniverse平台以及Isaac和Metropolis框架来满足电子行业严格的生产和质量标准。
富士康表示,目标是打造一座AI工厂,使其能够制造下一代自主移动机器人和工业机器人,这些机器人可以每天行驶数英里,在工厂组装零部件,执行质量控制检查等。因此,富士康的AI工厂将专注于这些系统的训练和推理以及运行虚拟世界模拟。
黄仁勋在炉边谈话中表示:“一种新型的制造业已经出现,也就是智能的生产,而创造这种智能的数据中心就是AI工厂。富士康是全球最大的制造商,拥有在全球范围内建设AI工厂的专业知识和规模。我们很高兴扩大与富士康长达十年的合作伙伴关系,以加速AI工业革命。”
Pund-IT分析师Charles King表示,此次合作对两家公司来说都是有利的,Nvidia可以获得更多机会将Nvidia GPU加速战略扩展到新的工业市场,而富士康可以把范围扩大到不止是苹果公司的首选制造商。
King表示:“他们的AI工厂,听起来似乎是他们设想了一种专门的设施,让企业可以把机器学习和其他AI训练功能等繁重的工作外包出去,我们已经看到IBM和戴尔等厂商提供了这种形式,提供对经过验证的数据集的访问,这些数据集旨在加快客户AI项目的价值实现时间。而专门建造一种工厂,把这种方法更进了一步。”
除了专注于AI工厂之外,富士康还选择了Nvidia的Drive Hyperion 9平台,该平台由最新的Drive Thor汽车片上系统提供支持,作为其自动驾驶汽车电子控制单元的基础。
富士康已经是基于Nvidia旧款汽车芯片的Nvidia Drive Orin的ECU一级制造商,因此升级到Nvidia Drive Thor对富士康ECU平台来说是一次自然而然的演进。Nvidia表示,与旧平台相比,Drive Thor芯片提供了多项新功能,包括适用于3级城市和4级高速公路驾驶场景的集成传感器架构,以及对高分辨率摄像头、雷达、激光雷达和超声波传感器的支持。Nvidia Drive Thor凭借能够处理更多数据的能力,有望大幅提高自动驾驶汽车的导航性能。
Constellation Research分析师Holger Mueller表示,就在几年前,人们还对Nvidia的未来感到好奇,因为大多数云厂商最初都使用专有的方法来运行AI,然而此后Nvidia扭转了局面,他们的GPU被添加到每个主流的云平台中。
Mueller表示:“正是鉴于这一点,Nvidia现在已经准备好与主要OEM厂商展开合作了,推出更多的平台。富士康将以Nvidia为标准,将其硬件批量交付给客户。这就是计划,如果成功,Nvidia将扩大其足迹、市场相关性,并可能实现大幅的增长。”
富士康还承诺把Nvidia Isaac自主移动机器人平台用于他们最新的机器人系统,以及Nvidia Metropolis智能视频分析平台用于其最新的智慧城市解决方案。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。