「大家一直認為鴻海只是把盒子搬來搬去(Box Mover),只是在做系統組裝。」鴻海董事長劉揚偉在鴻海科技日舞台上打破外界對這家全球代工龍頭的刻板印象,強調難以被複製的競爭優勢,不是只有龐大的製造規模,關鍵在於長年累積的「精密加工力」與「垂直整合力」。2026 年鴻海科技日(HHTD)於 10 月 30 日登場,今年以「Accelerating Intelligence」(加速智慧化)為主題,聚焦 AI 基礎設施、智慧製造、機器人及電動車等領域。現場展示為輝達打造的 AI 伺服器與共同封裝光學(CPO)交換機,鴻海也推出全新電動車款,包括豪華越野休旅車 MODEL A+、主打年輕族群的休旅車 MODEL K+,以及瞄準日本 K-Car 輕型商用車市場的小型貨卡 MODEL K。劉揚偉在開場表示,之前鴻海多半扮演國際科技品牌背後的製造夥伴,但當 AI 浪潮帶動高階伺服器、散熱、電力及光通訊需求,希望讓外界了解,並非只負責組裝產品,更具備從產品設計、關鍵零組件到系統整合及全球量產的能力。
對於 2027 年展望,劉揚偉認為,明年仍呈現 K 型發展,往上升的線依舊是由 AIDC 帶動。他預期,明年鴻海集團營運能維持雙位數成長。
根據官方統計數字,2025 年鴻海為全球一線客戶執行 941 項新產品導入(NPI)專案,平均每天就有約 2.5 項新產品,其中超過一半採用原廠設計製造(ODM)及共同設計製造(JDM)模式,全球約有百萬名員工,其中工程師達 12.2 萬人,光是過去一年就取得 2,492 項專利。這些數字背後,反映鴻海從過去的「製造代工」,已經成為客戶共同開發產品、整合技術及加速量產的合作夥伴。
AI 伺服器是鴻海近年最受關注的成長動能。隨著新一代 AI 晶片運算效能提升,伺服器面臨的挑戰,不只是增加晶片數量,還包括如何解決更複雜的散熱、供電及組裝問題。劉揚偉以輝達新一代 Vera Rubin 平台為例,指出鴻海與客戶共同開發無纜線(Cableless)設計,搭配自動化製程,將運算托盤(Compute Tray)的組裝時間,從過去 2 個多小時縮短至 20 分鐘,組裝時間縮短逾 8 成。背後的關鍵,是鴻海能做到小於 1 微米的精密加工能力。劉揚偉說明,從伺服器連接器、光通訊元件到微型光學零組件,都需要極高的加工精度。鴻海透過高速主軸、精密模具及自動化製程,將這些技術導入新一代 AI 伺服器製造,減少組裝工序,同時提高量產效率。「過去每週可以生產 1,000 個 AI 機櫃,現在已經提升到 2,000 個。」劉揚偉透露,鴻海 AI 機櫃每週產能在一年內翻倍,反映 AI 基礎設施需求持續升溫。
鴻海的布局也從伺服器延伸至整座 AI 資料中心,今年展示輝達 DSX POD 模組化 AI 工廠參考設計,透過在工廠預先整合並驗證運算、電力及液冷散熱設備,縮短現場部署時間。輝達表示,在場地已備妥供電、冷卻、網路等基礎設施的前提下,部署時間可從 6 個月縮短至最快 14 天。鴻海旗下鴻佰科技也是合作夥伴之一;輝達與合作夥伴規劃於 2027 年初開始全球交付。劉揚偉指出,要在短時間內完成如此複雜的系統並不容易。從電力、冷卻到線纜配置,都必須在設計階段解決。面對部分關鍵零組件供應跟不上需求,鴻海甚至必須自行開發製造。這也是他反覆強調垂直整合能力的原因。
不過,當科技巨頭持續砸下鉅資興建 AI 資料中心,市場也開始擔心,AI 投資是否已經過熱?劉揚偉認為,必須將「股市泡沫」與「產業泡沫」分開看待。他以網際網路發展為例,當年科技股雖曾出現泡沫,但網路產業並未因此消失,反而孕育出許多全球科技巨頭。「從產業的角度來看,AI 不會泡沫。」劉揚偉指出,目前 AI 基礎設施需求主要來自模型開發商及雲端服務供應商(CSP),但政府與一般企業這 2 大市場,仍處於摸索 AI 應用的階段。「大部分的政府及企業都知道 AI 一定要用,只是不知道怎麼用。」他認為,隨著政府與企業開始大規模採用 AI,未來對運算基礎設施的需求,還有很大的成長空間。展望 2027 年,劉揚偉預期全球產業仍將呈現「K 型發展」,AI 資料中心相關產業持續向上,其他產業則面臨不同的景氣表現。他也看好鴻海明年持續成長。
電動車一口氣秀 3 款新車!攜手本田攻自駕技術,鴻海想搶什麼商機?除了 AI 基礎設施,電動車也是今年鴻海科技日另一大亮點。鴻海電動車事業策略長關潤一口氣發表 3 款全新參考設計電動車,包括跨界休旅車 MODEL A+、休旅車 MODEL K+,以及小型商用貨卡 MODEL K,讓鴻海累計推出的電動車參考設計車型達到 12 款。其中,MODEL A+ 以小型電動車平台為基礎,結合更寬敞的車室空間與跨界休旅設計,瞄準都會與戶外移動需求。MODEL K+ 則以年輕族群及休閒市場為目標,MODEL K 則鎖定日本普及的輕型商用貨卡(Kei Truck)市場,適用於城市物流、最後一哩配送及行動商店等場景。
為什麼鴻海要持續推出不同車款?關鍵在於,鴻海希望複製過去在電子產業的代工經驗,透過委託設計製造服務(CDMS)模式,協助傳統車廠降低電動車開發成本、縮短上市時間,而不必從零開始建立完整的電動車技術及製造體系。關潤表示,鴻海持續擴大電動移動產品線,就是希望透過標準化平台、彈性設計及關鍵零組件整合,讓合作車廠更快將電動車推向市場。
除了新車款,鴻海也將觸角延伸至自動駕駛領域。今年科技日邀請日本本田技術研究所(Honda R&D)參與,雙方宣布推進新世代光達(LiDAR)、AI 感知及智慧車輛平台技術合作,朝 Level 4 高度自動駕駛應用發展。相較於一般駕駛輔助系統,Level 4 代表車輛能在特定設計運行條件下自行完成駕駛任務,不必持續仰賴人類駕駛介入。不過,相關技術要真正走向商用,仍需要克服安全驗證、成本及法規等挑戰。
另一方面,鴻海也持續將 AI 導入集團製造現場。劉揚偉指出,位於台灣南部、負責 MODEL T 電動巴士生產的 AI 工廠,已透過數位孿生(Digital Twin)技術,將實體產線與虛擬模型結合,用於工程變更與工作流程優化,進一步朝實體 AI 智慧製造邁進。
Claim ledger
| ID | Claim | Status | Boundary / Note |
|---|---|---|---|
| C01 | BusinessNext 92855 的標題、作者(郭采樺)、publisher(數位時代 BusinessNext)與發布/修改時間(2026-10-30T16:49+08:00)。 | supported | 由 canonical page JSON-LD NewsArticle 直接讀取;只支持頁面 metadata。1 |
| C02 | 2026 鴻海科技日(HHTD)於 10 月 30 日登場,主題「Accelerating Intelligence」,聚焦 AI 基礎設施、智慧製造、機器人及電動車;現場展示為輝達打造的 AI 伺服器與 CPO 交換機。 | supported(頁面範圍) | 為文章對活動的報導;鴻海科技日官方議程本輪未直接讀取。既有 raw bnext-2026-oct-nov-tech-events-calendar-github-hhtd-meet-taipei-2026-10-02.md(92467)亦以 BusinessNext 彙整列 HHTD26 為 10/30–31、主題「Accelerating Intelligence」,兩來源一致但皆非第一方。1 |
| C03 | 劉揚偉表示鴻海難以複製的競爭優勢關鍵在「精密加工力」與「垂直整合力」,並具備從產品設計、關鍵零組件到系統整合及全球量產的能力。 | supported(受訪者口徑範圍) | 維持文章歸屬的受訪者觀點層級;無獨立量化證據。1 |
| C04 | 劉揚偉預期 2027 年全球產業仍呈「K 型發展」、AIDC 帶動上行,且鴻海集團 2027 年營運能維持雙位數成長。 | partially-supported(受訪者口徑範圍) | 為董事長展望性發言,非公司正式財測;鴻海官方財測或法說會原檔本輪未讀取。1 |
| C05 | 根據「官方統計數字」:2025 年鴻海執行 941 項 NPI 專案(平均每天約 2.5 項)、超過一半採 ODM/JDM 模式、全球約百萬名員工、工程師 12.2 萬人、過去一年取得 2,492 項專利。 | partially-supported | 文章稱「官方統計數字」但未附出處連結;鴻海年報、ESG 報告或官方新聞稿原檔本輪未直接讀取,維持媒體轉述層級。1 |
| C06 | 以輝達 Vera Rubin 平台為例:鴻海與客戶共同開發無纜線(Cableless)設計搭配自動化製程,將 Compute Tray 組裝時間從 2 個多小時縮短至 20 分鐘(縮短逾 8 成),關鍵為小於 1 微米的精密加工能力。 | partially-supported | 維持受訪者口徑;NVIDIA Vera Rubin 平台第一方文件、鴻海製程驗證資料本輪未讀取,組裝時間數字未獨立核對。1 |
| C07 | 劉揚偉透露鴻海 AI 機櫃每週產能由過去 1,000 個提升至 2,000 個,一年內翻倍。 | partially-supported(受訪者口徑範圍) | 為董事長現場口徑;鴻海官方產量統計或財報未直接讀取,「一年內」的起算點以文章表述為準。1 |
| C08 | 今年展示輝達 DSX POD 模組化 AI 工廠參考設計:在場地已備妥供電、冷卻、網路等基礎設施前提下,部署時間可從 6 個月縮短至最快 14 天;鴻海旗下鴻佰科技為合作夥伴之一;輝達與合作夥伴規劃於 2027 年初開始全球交付。 | partially-supported | 「輝達表示」部分屬 NVIDIA 口徑轉述;NVIDIA DSX POD 官方公告、鴻佰科技角色說明與交付時程原檔本輪未直接讀取。1 |
| C09 | 劉揚偉認為應將「股市泡沫」與「產業泡沫」分開看待,以網際網路時代為例主張「從產業的角度來看,AI 不會泡沫」;目前 AI 基礎設施需求主要來自模型開發商及 CSP,政府與一般企業兩大市場仍處摸索階段。 | supported(受訪者口徑範圍) | 為董事長觀點層級,非預測或研究結論;不作為市場判斷依據。1 |
| C10 | 鴻海電動車事業策略長關潤發表 3 款全新參考設計電動車:MODEL A+(跨界休旅)、MODEL K+(年輕族群/休閒)、MODEL K(日本 Kei Truck 市場),累計電動車參考設計車型達 12 款;鴻海以 CDMS 模式協助傳統車廠降低開發成本、縮短上市時間。 | partially-supported(受訪者口徑範圍) | 維持受訪者口徑與文章報導層級;鴻海電動車官方產品頁或型錄本輪未讀取,「累計 12 款」清單未獨立核對。1 |
| C11 | 鴻海科技日邀請日本本田技術研究所(Honda R&D)參與,雙方宣布推進新世代光達(LiDAR)、AI 感知及智慧車輛平台技術合作,朝 Level 4 高度自動駕駛應用發展;商用仍需克服安全驗證、成本及法規挑戰。 | partially-supported | 「雙方宣布」維持文章報導層級;鴻海或 Honda R&D 官方新聞稿/合作協議本輪未直接讀取。1 |
| C12 | 劉揚偉指出位於台灣南部、負責 MODEL T 電動巴士生產的 AI 工廠,已透過數位孿生(Digital Twin)技術將實體產線與虛擬模型結合,用於工程變更與工作流程優化。 | partially-supported(受訪者口徑範圍) | 維持受訪者口徑;該 AI 工廠第一方資料、Digital Twin 導入細節本輪未讀取。1 |
Evidence boundary
raw-only。本輪只直接讀取 BusinessNext canonical page 的 HTML 與 JSON-LD(Python urllib.request 直接 HTTP GET,HTTP 200、332,557 bytes、HTML SHA-256 0235dd05bc2ec598892650fb7103ecfab66cb56388ce96826fbe782273ab6977;JSON-LD articleBody 3,329 chars、SHA-256 bb87a33156791b00e939401e4327a88b3d726e76fd5ffbee2263accfe280e008);未核對鴻海科技日官方議程、鴻海年報/ESG 報告或財測原檔、NVIDIA DSX POD 與 Vera Rubin 第一方文件、Honda R&D 合作公告,也未操作任何產品。全部主張維持鴻海科技日現場報導層級,未加入 verified。
Rights boundary
BusinessNext 內容受其版權、授權或網站條款約束。本次僅保存 metadata、繁中 faithful summary(articleBody 忠實文字)、claim ledger、證據界線與來源連結;未保存完整 HTML 或圖片 payload。