輝達最強 AI 推論機櫃 Groq 3 LPX 量產，鴻海承接組裝

輝達旗下最強的 AI 推論機櫃 Groq 3 LPX 進入量產階段，組裝訂單由鴻海承接。這反映推論專用硬體正成為 AI 基礎設施建置的新重心。

推論與訓練在硬體需求上的差異，是理解這類產品的起點。訓練需要極高的浮點運算能力與晶片之間的高頻寬互連，工作負載大而集中；而推論則不同——它需要的是低延遲、高吞吐與良好的能效比，且對記憶體頻寬的依賴往往高於純運算能力。針對推論場景專門設計的架構，能在這些指標上取得優於通用加速器的表現。

推論需求的成長曲線也與訓練不同。訓練是階段性的投入——完成一次訓練後，模型便可長期使用；而推論則隨使用量線性成長，每一次呼叫都消耗實際的運算資源。當 AI 應用從實驗走向生產環境，推論的總運算量會持續超越訓練，成為算力需求的主體。這正是推論專用硬體受到重視的根本原因。

以「機櫃」而非單一加速器作為產品單位，則反映了部署方式的改變。當代 AI 基礎設施的最小可用單元已不是單張卡或單台伺服器，而是整個機櫃——包含運算節點、高速互連、電源分配與液冷系統的完整組合。這種整合方式簡化了客戶的部署工作，但也把系統整合的技術要求提升到新的層級。

鴻海承接組裝的角色，正是在這個層級。整機櫃的組裝需要同時處理高速訊號完整性、極高功率密度下的散熱設計、以及數千個連接點的可靠度；任一環節出錯都可能造成整櫃效能不達標或運轉不穩。而這類設備的單價極高，報廢或返修的成本相當可觀，使得良率控制成為核心能力。

從商業角度，這也延續了台廠在 AI 硬體上的定位演進。從單純的伺服器代工，延伸到機櫃整合、電源與散熱系統，再到完整的部署與驗證服務；每往上游一層，附加價值與客戶黏著度都隨之提高。近期已有台廠表示 AI 相關訂單的能見度延伸至 2028 年，正反映這個結構的穩固。

風險則來自幾個面向。零組件成本全面上揚——記憶體、矽晶圓與功率半導體都在漲價，而中游組裝業者的轉嫁能力有限；同時，客戶集中度高，需求高度依賴少數大型專案的推進節奏。

後續觀察重點包括：實際出貨量與交付時程、機櫃產品在營收中的占比與毛利率，以及推論專用硬體在整體 AI 硬體支出中的比重變化。