10 月 2 日，英伟达发了一篇技术博客，标题是「The Machines that Make the Machines」。台湾媒体周末陆续读完，Focus Taiwan 和 TechNews 在 10 月 4、5 日报出了里面的数字。这是第一次有人公开量化数据：机器人在富士康（台湾叫鸿海）的产线上，装配英伟达自家 GB300 NVL72 机架的一部分，做得怎么样。
机器人干的是测试托盘，也就是机架出货前用来检验计算模块的那一层。有数字的任务有两项。
两项任务，两组数字
第一项是汇流排。机器人要抓起又长又重的金属汇流排，准确放进托盘，再拧上 16 颗螺丝。报道里的成功率超过 95%，时间限定是 124 秒。TechNews 给出的现状是单件约 160 秒，卡在拧螺丝这一步。比限定多了 36 秒，慢了 29%。
第二项是多连接器插接：四个连接器，两大两小，要插进公差很小的插槽。成功率在 90% 到 95% 之间，限定 72 秒，现在用时没有披露。
TechNews 还写了团队追的目标：两项任务都做到 99.5%。从 95% 到 99.5%，听着只差一点，实际上失败率降到原来的十分之一，从二十次一败，变成两百次一败。一条线上出货的机架单台价值以百万美元计，装偏了的那一次，总得有人发现，再重做。
同一天，同一家公司
10 月 5 日，富士康公布 9 月营收 1.15 万亿新台币，第一次单月突破 1 万亿。第三季度营收 3.03 万亿新台币，同比增 47.12%。Focus Taiwan 还写到，鸿海在全球 AI 服务器市场占有率超过 40%，预计 2026 年 AI 机架出货量会翻一倍以上，并计划把英伟达开发的机器人推广到德州、威斯康星和加州的工厂。时间表没给，机器人数量也没给。
数字值得看的原因就在这里。机器人是拿富士康增长最快的那款产品在试，每一秒节拍都要算钱。
放进我们已有的报道里
6 月我们写过这件事的另一半。VivaTech 上，富士康展示了一台做装配的人形机器人，靠仿真训练出来，卖点是学得快。这次的数据，是第一次看到训练出来的系统在真实服务器产线上做得多好。答案是快到了，还没到。
还有一个松散的对照。5 月 Figure 公布 BotQ 工厂造机器人的一次通过率在 80% 以上。那量的是造机器人的质量，不是任务成功率，两个数字不能排名对比。它们共同说明的是：在 80% 到 95% 这个区间，环里还得有人。
对哪些岗位意味着什么
TechNews 提了一句，这些任务对熟练的产线工人并不难。被挑出来量化的，正是这类活儿：把一根重汇流排放准，再拧 16 颗螺丝，重复性强，有技能门槛，机架工厂里需求量最大的就是这类岗位。我们的判断是，最先变的是 AI 服务器产线上的测试托盘装配和返工，变化的样子会先是每条线少几个人，然后才是整条线没人。
数字给了个粗略的先后。成功率超过 95%，机器人旁边还得站着一个处理失败的人。单件 160 秒，也比一条产线设计所依据的限定慢了一截。两个缺口都能补，99.5% 是写明的目标。这周的报道没有给达成日期，没有机器人数量，也没有富士康任何一座工厂的人数。该盯的不是下一次演示，而是德州、威斯康星或加州产线上第一个「每条线几台机器人」的数字。
