鴻海攜輝達造台灣最大推論算力中心 2026啟用！首期27MW上線

鴻海（2317）今年5月宣布與NVIDIA合作打造亞灣超算股份有限公司（AI算力中心），將購買1萬顆Blackwell Ultra架構GB300 GPU，建立首期27MW電力容量的超級算力，定位為以推論為核心的本土算力基地，該中心量產後將成為台灣最大的推論算力集群。

亞灣超算執行長姚延宗20日出席國泰金控技術年會」指出，超算中心目標2026年上半啟用，提供真正本土算力出品的服務，讓企業能更有效率、更彈性地使用運算資源，概念上類似「喝牛奶不一定要在家裡養牛」。

現在許多AI算力中心設計架構適合用於訓練，而鴻海亞灣超算將更專注提供推論應用。他分享，GB300的算力中心設計架構跟GB200全然不同，目的也不同，後者聚焦AI訓練，而GB300聚焦推論，由於推論應用常被期待在幾秒甚至幾毫秒快速反應作答，若GPU機群距離太遠，可能會因資料傳輸而影響推論效率。

姚延宗指出，GB300算力中心是重資本投資，對硬體環境的要求也高，舉例而言，樓地板的承重要求是每平方公尺兩噸，相對一般辦公大樓每平方公尺500公斤承重標準，其實遠高的多，而這也將使傳統資料中心硬體跟不上GPU機群建置要求。

三大任務 2026年上半啟動

他解釋，亞灣算力中心有多重任務，首先，台灣企業或公部門的AI運算資料目前大多通過境外GPU算力完成後再回傳，部署本地GPU集群能將台灣企業的專業資料Domain Data和敏感資料留在本地。

其次，未來的AI Agent應用（例如推論 Inference）要求在幾秒或幾毫秒內回應，若GPU集群距離太遠，將影響推論效率，一些企業的研發專案或POC驗證，若需反覆修改，在地算力能更即時有效率，加快企業修改。

第三點，他透露目前也會跟國際大型AI模型商洽談合作，期望大型LLM落地亞灣超算，與其從無到有訓練台灣自有LLM，現階段更有效率方式是跟國際LLM合作，引進台灣後針對個別產業加入專業知識庫做優化。

亞灣超算也將與國泰金控合作，就金融AI模型進行POC驗證，姚延宗指出，政府已將資料治理納入AI十大建設中，他也期盼並可能透過修法適度放寬資料限制，呼籲能盡速在資料來源取得問題上進行「鬆綁」或「共享」，這對AI應用發展相當重要，另外政府若能有AI治理單一窗口將加快發展效率。

攜手國泰金（2882）打造本地LLM應用

今年上半，金管會成立「金融市場發展與創新處」，邀集金融總會與4家國內金控業者中信金（2891）、玉山金（2884）、凱基金與國泰金成立「金融科技產業聯盟」，期望打群架，共同推動金融科技應用研發、數位金融產業標準、金融科技投資交流及異業生態共創。

國立政治大學金融科技研究中心主任王儷玲指出，業界需要一個產官學都認同的共同協作平台，以驅動台灣成為AI大國，初期，產業大聯盟已開始進行大型模型訓練，由中信金控主導，平台建立後下一步將擴展到保險業及機器人理財投資等領域。

王儷玲指出，政大金融AI創新中心將建立一個知識庫，整理包含學術界資料、考試試題、法規證照等資料，資料清理及模型檢測後，會調教該模型的邏輯思考跟問答，同時在AI模型的標準化上也會努力，並取得法遵及主管機關的認可，且能加入新資料不斷測試精進。

另外透過AI專屬沙盒，提供容錯措施進行多情境訓練，讓AI可以階段性優化。

國泰金控數數發中心數據暨人工智慧發展部副總經理劉浩翔也指出，雖通用型AI如GPT5.0已經很聰明強大，但專門為金融業Finetune的AI模型仍有必要。他指出，檢索不等於內化的知識，專門訓練的模型將所有知識內化於參數中，能針對結構化問題和邏輯推理提供更穩定的回答。對於處理跨越多項金控法規、內外規的複雜多跳式問答尤其重要，能避免RAG模式下資訊量過大導致的內容丟失問題。

鴻海亞灣超級算力中心日前預告將搭載NVIDIA Blackwell Ultra系統，包含GB300 NVL72機櫃級解決方案，配備NVIDIA NVLink、Quantum InfiniBand以及Spectrum-X乙太網路，預計2026年上半完成第一階段建置，而未來也有第二階段方案將啟動。