返回案例列表

把 AI 服务器交给 AI 来造,鸿佰科技桃园南青厂做到了——这是全球首座 AI 服务器灯塔工厂:生产效率↑73%、不良率↓97%、交期↓21%、单位制造成本↓39%。

鸿佰科技(工业富联)桃园 · 第11批 · 全球首座AI服务器灯塔工厂

📋 企业名片

🔖 灯塔编码:15611CN11
企业名称
Ingrasys (Foxconn II) Taoyuan(鸿海科技集团旗下鸿佰科技 Ingrasys)
工厂所在地
中国台湾 · 桃园
所属行业
电子/服务器(计算机整机制造)
灯塔类型
单一工厂灯塔
入选批次 / 发布日期
第11批 · 2023年12月
核心产品
AI服务器、HPC加速器、云端存储(含英伟达GPU模组自动化生产)
应用领域
AI算力基础设施、数据中心、云计算、高性能计算

🔧 核心案例

①AI仓储物流排程 核心用例
⚠️ 痛点:AI服务器物料种类繁多、BOM 结构复杂,传统人工仓储依赖经验找料备料,物料准备与订单分配耗时长、易错,影响交付节奏。
💡 方案:部署 AI 优化的智慧仓管系统,对库存、物料位置与订单进行智能匹配与排程,化解复杂物料准备难题。
实施路径
Step 1 — 物料数字化:对全仓物料、库位、BOM 进行统一编码与数字化建档
Step 2 — 智能匹配:AI 实时分析订单需求与库存/库位,自动匹配最优取料路径
Step 3 — 排程优化:结合 AGV/AMR 调度优化出入库与物料搬运顺序
Step 4 — 闭环反馈:备料与分配耗时实时监控,持续调优仓储策略
关键技术
01.04.02 智能仓储 · 库位与物料数字化
全仓物料、库位数字化建档,支撑智能找料与备料。
03.04.03 物流优化 · 路径与调度优化
对物料搬运与出入库路径进行智能排程优化。
05.01.01 大模型/AI · 智能匹配决策引擎
AI 学习订单与库存模式,自动匹配物料、缩短备料与分配时间。
📊 核心成效:按时交付 ↑8%
②AI订单预测与生产排程 核心用例
⚠️ 痛点:AI大模型带来算力需求爆发,服务器订单波动大、产品迭代快,传统人工排产难以跟上,交期与换线效率承压。
💡 方案:AI 驱动的订单预测与生产排程,提前预判需求、智能编排产线,缩短换线时间并改善交付能力。
实施路径
Step 1 — 需求建模:融合历史订单、客户与市场数据建立需求预测模型
Step 2 — 预测输出:AI 预测未来订单结构与数量,提升需求预测准确率
Step 3 — 智能排产:基于预测结果自动编排产线与工单,优化换线顺序
Step 4 — 动态调整:订单变化时实时重排产,保障准时交付
关键技术
04.02.03 需求预测 · 订单预测模型
机器学习预测订单需求,为排产提供前瞻输入。
03.03.03 智能排产 · 产线与工单编排
基于预测结果自动编排工单,优化换线与产能分配。
05.01.02 机器学习 · 预测与调度协同
预测模型与排产引擎联动,实现需求到产能的闭环。
📊 核心成效:换线时间 ↓44%
③AI产品参数设计 核心用例
⚠️ 痛点:AI服务器高度定制化、板卡与参数组合复杂,传统人工设计周期长、迭代慢,难以快速贴近客户需求。
💡 方案:耦合 AI 建模加速产品参数设计,让复杂的服务器板卡设计更高效、更贴近客户定制需求。
实施路径
Step 1 — 参数沉淀:把历史板卡设计、客户配置需求结构化沉淀为设计知识库
Step 2 — AI 建模:训练 AI 模型理解参数组合与性能/成本约束关系
Step 3 — 智能生成:输入客户需求后 AI 快速生成可行参数方案
Step 4 — 仿真验证:自动仿真验证设计可行性,缩短设计迭代周期
关键技术
02.01.02 CAM/EDA · 板卡设计工具链
EDA 工具链支撑板卡参数设计与验证。
02.01.01 CAD/CAE · 参数化设计与仿真
参数化建模与仿真验证,加速设计迭代。
05.01.01 大模型/AI · 设计参数生成模型
AI 学习参数组合规律,快速生成贴近客户需求的设计方案。
📊 核心成效:板卡设计时间 ↓89%
④AI高级控制质量管理 核心用例
⚠️ 痛点:服务器板卡 SMT 贴装与组装环节缺陷隐蔽、人工质检漏检率高,设备维护依赖经验,质量与维护效率难以兼顾。
💡 方案:基于 AI 控制与分析的品质管制,自动识别缺陷、优化工艺参数,并提升设备维护效率、降低人工压力。
实施路径
Step 1 — 数据采集:采集 SMT 贴装、检测工位的图像与工艺参数数据
Step 2 — AI 质检:机器视觉 + AI 实时识别焊点、贴装缺陷
Step 3 — 根因分析:AI 分析缺陷根因并自动调整工艺参数
Step 4 — 维护协同:联动设备健康数据,实现预测性维护、降低人工压力
关键技术
01.03.02 视觉检测 · 缺陷自动识别
机器视觉实时检测 SMT 贴装与组装缺陷。
05.02.03 实时分析 · 工艺参数闭环优化
实时分析缺陷根因,自动优化工艺参数、降低不良率。
05.01.01 大模型/AI · 质量根因推理
AI 对缺陷模式进行推理,支撑质量与设备维护决策。
📊 核心成效:SMT缺陷率 ↓99%
⑤AI自动组装测试车间 核心用例
痛点:服务器组装与测试工序密集、换线频繁,人工装配效率与人均产能受限,设备综合效率(OEE)有待提升。
💡 方案:引入 AI 驱动的自动化装配和测试车间,以自动化产线与智能测试提升设备综合效率及人均产能。
实施路径
Step 1 — 产线自动化:部署自动化装配设备与机器人,覆盖关键组装工序
Step 2 — 智能测试:AI 驱动自动化测试,实现 GPU 模组等功能全检
Step 3 — 效率优化:AI 分析设备利用率,动态调优装配与测试节拍
Step 4 — 少人化运行:持续降低人工干预,提升人均产能与 OEE
关键技术
01.02.04 自动化产线 · 自动装配设备
自动化装配线覆盖关键工序,提升装配效率。
01.03.03 智能装配 · 智能测试工位
AI 驱动自动化测试,实现功能全检与良率保障。
03.03.02 自动化产线 · 设备综合效率优化
分析设备利用率,动态调优节拍、提升 OEE 与人均产能。
📊 核心成效:OEE ↑42%

📊 绩效改善总览

指标改善前改善后提升幅度业务解读
换线时间—降低 44%↓44%AI 订单预测与排程优化换线作业
按时交付—提升 8%↑8%AI 仓储排程改善物料准备与交付
板卡设计时间—降低 89%↓89%AI 参数设计加速服务器研发
SMT缺陷率—降低 99%↓99%AI 高级控制质量管理提升良率
OEE—提升 42%↑42%AI 自动化装配测试车间提效

🗺️ 技术全景图

01
智能装备
✔️
02
工业软件
✔️
03
智能工厂
✔️
04
智慧供应链
✔️
05
智能赋能技术
✔️
06
智能制造新模式
·
07
工业网络
·
08
系统安全
·
09
绿色可持续
·
已覆盖(5/9) 未涉及 WEF重点技术覆盖率:85%

🔍 可复制性分析

🏢 企业规模
鸿海科技集团旗下鸿佰科技(Ingrasys),全球领先云端基础设施供应商;桃园南青厂是集团继深圳、成都、郑州、武汉后的第5座灯塔工厂
💰 投入规模
在南青厂部署超过30个先进技术案例,覆盖订单预测、仓储排程、设计、质量、组装测试5大核心场景
⏱️ 实施周期
依托鸿海集团 AI 数位智慧制造体系持续投入,2023年12月获 WEF 灯塔工厂认定
🎯 关键技术门槛
AI需求预测、AI智慧仓管、AI质量控制、AI自动化装配测试、AI产品参数设计五大能力及规模化复制能力
👉 适合什么企业参考
服务器/电子整机制造商、AI算力基础设施供应商、数据中心设备厂商
💡 想下载完整案例资料或自评工厂?
点击文末左下角 「阅读原文」,在网站获取全部工具

🏭 行业对标视角

国标分类路径:制造业 → 计算机、通信和其他电子设备制造业 → 计算机整机制造(国标 3911)

📌 全球首座AI服务器灯塔工厂,鸿海科技集团第5座灯塔工厂,AI大模型算力需求爆发下的服务器智造标杆。

💡 算力需求的"智造"破题:AI大模型引爆算力需求,服务器制造面临效率、质量、迭代速度三重挑战。鸿佰把 AI 反过来用于制造 AI 服务器,在订单、仓储、设计、质量、组装测试全链条部署30+用例,为全球 AI 算力基础设施的智能制造树立了新标杆。

💬 互动

你的工厂或供应链是否也在应对 AI 算力、高端制造爆发的需求?如果让你先落地一个 AI 场景,你会选需求预测、智能仓储、质量管控还是自动装配测试?

👇 欢迎在评论区分享你的经验与困惑

📊
灯塔名录
回复【名录】获取完整名单
🔍
灯塔案例
回复【分析+企业名】
🦞
灯塔虾评
回复【自测】评估差距
📋
CMMM 自评
回复【CMMM】国标诊断
📥 下载此案例(多种格式)
🌐 网页 📽️ 幻灯片 📊 PPTX 📄 DOCX 🗂️ JSON 📝 MD 📋 CSV
🔍 自评你的工厂
🦞 灯塔虾评 对标灯塔 · 快速定位差距 📋 CMMM 自评 国标诊断 · 5 级量化评分
返回案例列表