用FoxBrain學老師傅看家本領！鴻海打造的AI模型如何幫省8成基礎工？
鴻海自研語言模型FoxBrain，靠著自建算力與產線數據優勢，讓生成式AI走進工廠現場，不只學會老師傅的技術，更預告未來產品開發流程將全面加速，這背後藏著什麼關鍵技術和策略？一起來揭開鴻海智慧製造的秘密。
文／鄧凱元 由天下雜誌授權轉載
本文導覽
地表最大代工廠鴻海，靠著自建算力，打造出繁體中文AI大型語言模型「FoxBrain」，把當今最具話題的AI代理人運用到工廠第一線，省下80%基礎工，它怎麼做到？
AI上工！鴻海FoxBrain讓人機對話成為工廠日常
今年5月的台北國際電腦展（Computex），鴻海董事長劉揚偉拋出一個驚人的數字：鴻海內部測試結果顯示，在生成式AI協助下，80%的基礎工作可以由AI代勞，剩下20%的困難工作，才是人類的天下。
劉揚偉口中，產線人員與AI代理人互動的實況長這樣：
AI代理：已完成熔膠階段參數推薦。
員工：確認並下一步。
AI代理：已完成射出階段參數推薦。如果沒有出現缺陷，請點擊「先保加壓」。如果當前出現缺陷，請選擇是先解決缺陷還是先保加壓。
員工：先解決缺陷。
AI代理：請告知缺陷類型。
員工：射紋。
靠AI代理推薦、優化機台參數，省下八成基礎的調機工作，這對擁有90萬名員工的鴻海來說，是個巨大的改變。源頭是鴻海自行開發的大型語言模型FoxBrain。
主導FoxBrain開發的鴻海研究院人工智慧研究所所長栗永徽，在接受《天下》專訪時信心滿滿地表示，「FoxBrain有潛力成為台灣推理能力最強的繁體中文大型語言模型。」
從租用到自建算力，鴻海砸近億成本訓練FoxBrain
但開發自家的大型語言模型，對硬體起家的鴻海，是一條崎嶇之路。
栗永徽回憶，3年前在鴻海科技日，董事長要他分析AI的未來，他講的主題是當時學界已經熱烈討論的AI訓練與生成式AI大突破，「我們已經看到大型語言模型就是未來的趨勢。」不過，當時熱潮還沒起，在鴻海內部尚未獲得太多迴響，之後ChatGPT很快橫空出世，AI在集團內開始獲得重視。
一開始，鴻海開發大型語言模型是以租用算力的方式進行，但計算後發現，自建算力還比較划算，成本算得很精的鴻海，開始花錢建構自家算力，建立訓練大型語言模型需要的彈藥。
▲鴻海積極用AI實現智慧工廠，圖為富士康深圳龍華廠。（攝／謝佩穎，由天下雜誌授權轉載）
「算力是所有的基礎，沒有算力談模型，也是空談，」他坦言。
算力也是財力，一張100多萬台幣的輝達H100 GPU，鴻海用了上百張，短短4個月，栗永徽帶團隊餵了大量的繁體中文資料，完成模型的先期訓練。
栗永徽當時就認為，鴻海來自台灣，當然希望FoxBrain不但要繁體中文、能理解在地知識與意識形態，同時還讓模型開源，幫助社會大眾。
另外，FoxBrain在接受一般性資料的先期訓練後，真正要落地，還要透過被稱為擷取增強生成（RAG）的方法，餵入企業的專業知識，「才能準確回到企業需要知道的答案，而不是不懂裝懂亂答，」栗永徽強調。
從DeepSeek缺陷學經驗：FoxBrain強化推理、聰明又節能
FoxBrain有個其他模型沒有的鴻海DNA：成本撙節能力強。內部實測中國年初火爆全球的DeepSeek時，栗永徽察覺到這個當紅模型竟然常過度思考，也就是在回答一個問題時，反覆使用不同的邏輯打斷推理過程，這會吃掉非常多「token」（語言模型的基礎單位）。
若把token想像成「字的積木」，AI模型就是用這些積木一個一個拼出回答，而不是一次就說出整句話。答案愈長、內容愈複雜，用掉的token就愈多，這意味著推理的時間變長，運算成本也更高。
「吐出每個token都要花錢，吐愈多花愈多，」栗永徽直言。
DeepSeek實測，啟發了栗永徽和團隊在發展FoxBrian時，設計出在推論前，先告知推論方法，以及要花多少運算資源，再由人為判斷要採取哪種模式展開，節省不必要的浪費。
另外，FoxBrain也加入了推理能力，能把複雜問題拆成多個小問題，分頭解決後再組成最終答案，透過這樣的方法讓AI變得更聰明。
一位與輝達合作開發模型應用的AI公司開發主管觀察，先前由台灣學界開發全球首創繁體中文專家模型的Project TAME，餵入的繁中資料廣度更多，但受限學界的資源，模型本身不容易持續疊加新發展。而FoxBrain有鴻海的企業資本奧援，模型才有本錢持續更新維護。
鴻海已對外揭露，FoxBrain推出後，將逐步用在智慧製造、智慧電動車、智慧城市三大關鍵應用場景。
實際怎麼用在三大平台？在一場由輝達主辦的論壇上，鴻海首度對外揭露，FoxBrain在製造產線落地的實況。
老師傅「教」AI！「擷取增強生成」讓FoxBrain懂業內知識
身為全球最大的代工製造廠，塑膠成型機擔綱重要角色，必須把塑膠粒子加熱後，射出至模具上定型，製作出筆電、手機、連接器、電視、遊戲機用到的塑膠件。
要把塑膠表面做得光滑、結構扎實又沒有毛邊，必須靠老師傅控制塑膠加熱的溫度與射速等關鍵參數。不過，新人上手時間長、缺工與經驗難傳承等，一直是問題。
所以，AI派上用場了。
鴻海董事長辦公室智能系統研發處長郭錦斌透露，鴻海把訪談現場老師傅的經驗、機台參數、研究等資料餵給FoxBrain，經過短短5個月的訓練，AI已經學會80%的基礎調機工作。
栗永徽解釋，這是透過擷取增強生成的方法，把企業擁有的行業知識傳授給AI，讓模型可以針對特定問題，從資料庫裡精確回答。
透過這樣的方法，AI把老師傅的經驗建構成「知識圖譜」，讓產線人員如同使用ChatGPT般，和AI對話。「這種協作方式以後會是我們產線上的標配，」郭錦斌表示。
▲「知識圖譜」讓老師傅經驗得以傳承。（攝／鄧凱元，由天下雜誌授權轉載）
這樣的應用，也代表大型語言模型搭配AI代理，已經從雲端落地到企業實戰。
相較剛開始反應冷淡，現在每天都有很多單位寫email或傳訊給栗永徽，「都是要來找我們討論FoxBrain怎麼開發、應用，」他笑著說。
AI應用下一步，協助新品開發時間減半
鴻海發展AI應用，有個難以複製的優勢：模型、現場數據、應用到算力的開發者生態圈，正逐步成形。
最快今年第三季，鴻海採用輝達的四櫃AI伺服器GB200 NVL72就有可能落地，屆時GPU數將增加一倍以上。劉揚偉更在Computex宣布，和輝達、台積要新建的AI工廠，GPU的張數有可能增加至萬張以上。
「這個建起來之後，算力絕對是台灣最大，」栗永徽說。
因此，AI除了用來調整機台參數，後續還有更多的工作要做。下一個應用，將是縮短從接單、模具開發到產線參數調整所需的時間。
「新產品開發要花不少時間，所以我們透過生成式AI，提供模具設計的建議，接著再讓AI調整參數，」郭錦斌估計，開發時間可省下將近一半。
未來，鴻海也將逐步把這樣的方法論，導入其他製程。
從塑膠射出產線，再落地到其他製程產線，甚至導入其他事業部的應用場域及平台，鴻海還需要更多時間。但AI這場競賽，已經從雲端高閣，漸漸落地到現場。一場比數據、比算力、比應用的競賽正式展開。
（原文標題：鴻海AI大腦FoxBrain，包下廠內八成基礎工作 如何連老師傅經驗也吸收？）
更多104【鴻海】精選職缺
沒看到有興趣的職缺嗎？
延伸閱讀：
- AI時代的資工人何去何從？專家：向「文組」取經是條出路
- AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
- 文組生3個月轉職半導體工程師、年薪翻倍！陽明交大為何免費幫上千人轉職？
- 3張圖看懂AI工廠｜機械手臂從「滿笨的」變好同事，頂大畢業生不用再顧機台
- 獨家開箱鴻海深圳3大關燈現場 圖解：AI排程、機器人上工，一人能管全球6萬機台
- 直擊台達黃埔基地祕密武器 AI產線經理：要讓工程師在台灣，操作美國產線
