Magtatayo ang Foxconn at Nvidia ng Pinakamalaking Supercomputing Cluster sa Taiwan pagsapit ng 2026

Bagong sandigan para sa AI compute sa Asya

Nagtatayo ang Foxconn ng supercomputing center na nagkakahalaga ng 1.4 bilyong dolyar sa Taiwan, katuwang ang Nvidia, at target na simulan ang operasyon sa unang kalahati ng 2026. Kapag nagsimula na itong gumana, maglalaman ang pasilidad ng pinakamalaking advanced GPU cluster sa Taiwan at magiging unang instalasyon sa Asya na nakabatay sa Blackwell GB300 platform ng Nvidia. May kapasidad na 27 megawatts (MW) ang pasilidad, na binubuo ng Visonbay.ai, bagong yunit ng Foxconn para sa AI supercomputing at mga serbisyong cloud.

Dumarating ang proyekto sa panahong nag-uunahan ang mga negosyo na makakuha ng kapasidad para magsanay ng malalaking language model, magpatakbo ng inference ng foundation model sa malawakang saklaw, at mag-deploy ng robotics at mga autonomous system. Nangangailangan ang mga makabagong AI workflow ng masinsing GPU cluster na kayang maglipat ng datos sa pagitan ng mga chip sa napakataas na bilis habang napamamahalaan ang konsumo ng kuryente at init. Sa pagsasama ng pinakabagong arkitektura ng Nvidia at lumalawak na papel ng Foxconn bilang tagagawa at integrator ng mga AI rack, idinisenyo ang Taiwan center upang tugunan ang mga pangangailangang ito ng mga kliyente sa buong rehiyon.

Sa kapasidad na 27 MW, kabilang ang pasilidad sa pinakamalalaking deployment sa iisang gusali sa Asya. Hindi ito isang napakalawak na campus, pero sapat ang laki nito para magsanay ng mga makabagong modelo, magpatakbo ng pananaliksik sa pambansang saklaw, at maglingkod sa mga komersyal na kliyenteng walang panahon o puhunan upang magtayo ng sarili nilang pasilidad. Layunin ng proyekto na mapabilis ang pagsisimula ng serbisyo sa pamamagitan ng mga rack system na ginagawa sa pabrika, at bigyang-diin ang liquid cooling upang mapanatiling mataas ang performance at kontrolado ang power usage effectiveness.

Mga kakayahang hatid ng Blackwell GB300

Nakatuon ang henerasyong Blackwell ng Nvidia sa mas malalaking modelo, mas mabilis na training, at mas mababang gastos sa bawat yunit ng compute. Pinagsasama ng linyang GB300 ang napakabilis na GPU core, memory na may mataas na bandwidth, at na-update na NVLink fabric na nag-uugnay sa dose-dosenang GPU bilang iisang pool. Sa aktuwal na paggamit, mas mahusay na naipapasa ng cluster ang mga parameter at activation sa pagitan ng mga GPU, kaya bumibilis ang training at inference ng napakalalaking modelo.

Idinisenyo ang mga sistemang ito para gumana sa napakataas na density. Malayong lampas sa kayang hawakan ng tradisyonal na air cooling ang init na nalilikha ng mga ito, kaya lumilipat ang mga vendor sa direct liquid cooling at iba pang makabagong disenyo na mas mahusay mag-alis ng init mula sa maiinit na bahagi. Sumasalamin sa pagbabagong ito ang mga rack-scale system ng Nvidia na ipinares sa mga GPU na GB300: nakapaloob na sa mga rack mula pa sa pabrika ang mga tubo, manifold, at control system.

Nagdaragdag din ang Blackwell ng mga feature sa platform para sa enterprise deployment, kabilang ang pinahusay na seguridad at suporta sa confidential computing. Mahalaga ito sa mga organisasyong kailangang protektahan ang datos at mga timbang ng modelo habang isinasagawa ang training at inference, kasabay ng pagtugon sa mga kinakailangan sa regulasyon at panloob na pagsunod.

Paano gumagana ang AI rack

Naglalaman ang AI rack ng mga server na puno ng GPU, switch na may mataas na bilis, at storage, kasama ang power distribution at mga kable na nagdurugtong sa sistema. Sa loob ng rack, pinahihintulutan ng NVLink na mag-usap ang mga GPU sa napakataas na bandwidth at mababang latency. Sa pagitan ng mga rack, pinag-uugnay ng high-speed Ethernet o InfiniBand ang cluster upang maipamahagi ang trabaho sa maraming rack kapag napakalaki ng isang gawain para kayanin ng iisang rack.

Bakit nagiging pamantayan ang liquid cooling

Mas mahusay mag-alis ng init ang liquid cooling kaysa hangin, kaya mas maraming compute ang naipapasok ng mga data center sa bawat metro kuwadrado ng espasyo. Binabawasan din nito ang enerhiyang nasasayang sa mga bentilador, na makatutulong magpababa sa power usage effectiveness (PUE) ng isang pasilidad. Para sa mga operator, nangangailangan ang liquid cooling ng mga bagong gawi sa maintenance, pero sulit ang kapalit kapag mahigpit ang mga limitasyon sa GPU density, target na efficiency, at ingay.

Pag-upa sa halip na pagtatayo: pagbabago sa ekonomiya ng AI

Sa tech day ng Foxconn, inilahad ng Nvidia ang malinaw na pagtutuos para sa mga kliyenteng pinag-iisipan ang gastos sa puhunan kumpara sa bilis. Maaaring bumili at magpatakbo ng sarili nilang cluster ang mga kumpanya, o umupa ng kapasidad sa compute mula sa mga operator na dalubhasa sa pagpapanatiling bago ng mga GPU fleet. Dahil mabilis ang pagsulong ng performance ng GPU, nagiging mahirap para sa mga mamimiling hindi planong madalas magpalit ng kagamitan na patagalin ang paggamit sa mga asset.

Sinabi ni Alexis Bjorlin, isang bise presidente sa Nvidia, sa mga dumalo na maaaring maging mas kaakit-akit ang modelo ng pag-upa habang umiikli ang mga siklo ng produkto at mabilis magbago ang mga modelo. Ayon sa kanya, maaaring magbigay ang pamamaraang ito ng higit na kakayahang umangkop at mas magandang balik para sa maraming negosyo.

Maaaring maghatid ng mas magandang balik sa puhunan ang pag-upa ng mga mapagkukunan ng compute, na nagbibigay ng kakayahang umangkop at nagpapahintulot sa mga kumpanya na iayon ang kapasidad ng compute sa mga siklo ng produkto at negosyo.

Inaasahang iaalok ng bagong yunit ng Foxconn na Visonbay.ai ang modelong ito sa Taiwan, na magbibigay sa mga negosyo ng access sa kapasidad ng GB300 nang hindi naghihintay, kumukuha ng tauhan, o nagtatayo ng pasilidad gaya ng hinihingi ng pribadong proyekto. Sinusuportahan din ng modelo ng serbisyo ang mga mamimili sa pampublikong sektor at pananaliksik na nangangailangan ng mahuhulaang daloy ng badyet sa halip na malalaking paunang gastos. Para sa Nvidia, pinalalawak ng kasunduan ang naka-install na base ng Blackwell; para naman sa Foxconn, lumilikha ito ng paulit-ulit na kita mula sa mga serbisyo bukod sa papel nito sa pagmamanupaktura.

Pusta ng Foxconn sa imprastraktura ng AI

Sa nakalipas na dalawang taon, bumubuo ang Foxconn ng ikalawang makina ng paglago na nakasentro sa AI at imprastraktura ng cloud. Ayon sa kumpanya, kaya nitong gumawa ng humigit-kumulang 1,000 AI rack bawat linggo at plano nitong dagdagan ang produksiyon sa susunod na taon. Naglatag din si Chairman Young Liu ng pangmatagalang plano sa puhunan, at nangakong mamumuhunan ng 2 hanggang 3 bilyong dolyar bawat taon sa mga proyekto at kapasidad ng AI.

Hindi lang data center ang saklaw ng pagtutulungan ng Foxconn at Nvidia: dinadala rin nila ang AI sa mga linya ng produksiyon. Layunin nilang gamitin ang mga vision system, digital twin, at robotics upang mabawasan ang mga depekto, mapataas ang yield, at mapaikli ang panahong kailangan para maipamilihan ang mga bagong produkto. Aktibo na ang pakikipagtulungan, at inaasahang makaaapekto ito sa disenyo at pagpapatakbo ng sarili ring mga pabrika ng Foxconn.

Inilarawan ni Spencer Huang, isang pinuno ng produkto sa Nvidia na nakatuon sa robotics at anak ng tagapagtatag ng Nvidia na si Jensen Huang, ang gawain bilang praktikal na hakbang tungo sa mas matatalinong pabrika.

Nakikipagtulungan ang Nvidia sa Foxconn upang magdala ng AI sa mga pabrika at linya ng pagmamanupaktura.

Ginamit din ng Foxconn ang kaganapan upang ipakita ang progreso ng programa nito sa mga de-kuryenteng sasakyan. Ang Model A, na idinisenyo ng mga inhinyerong Hapones, ay para sa merkado ng Japan. Plano ng Foxconn na gawin ang sasakyan sa Japan kapag sapat na ang dami ng produksiyon upang bigyang-katwiran ang lokal na planta; bahagi ito ng estratehiyang maglingkod sa mga automaker na gustong ipaubaya sa iba ang mas malaking bahagi ng assembly.

Gaano kalaki ang 27 megawatts

Pinakasimpleng paraan ang kapasidad sa kuryente upang maikumpara ang mga data center na itinayo para sa AI. Sa 27 MW, magiging malaking pasilidad para sa Taiwan ang Foxconn-Nvidia site, na may sapat na kapasidad upang maglaman ng libu-libong makabagong GPU. Mas malalaki ang mga hyperscale campus, na umaabot kung minsan sa 100 hanggang 300 MW sa maraming gusali, pero nakatuon ang proyektong ito sa iisang high-density cluster na kayang magsagawa ng training at inference para sa maraming kliyente nang sabay-sabay.

Sinusuportahan ng ganitong kalaking kapasidad ang mga laboratoryo sa pananaliksik at negosyo sa iba't ibang sektor. Maaaring magsagawa ang mga kompanya ng semiconductor ng simulation para sa disenyo ng chip at mga hakbang sa photolithography. Maaaring gumamit ang mga biotech team ng generative model sa pagtuklas ng estruktura ng protina at pagsusuri ng mga gamot. Maaaring mag-fine-tune ang mga kumpanya sa fintech at e-commerce ng malalaking language model para sa rekomendasyon, pagtukoy ng pandaraya, at suporta sa kostumer. Maaaring magsanay ng mga patakaran ang mga developer ng robotics at magpatakbo ng mga pipeline ng sintetikong datos sa bilis ng produksiyon.

Kalamangan ng ekosistema ng Taiwan

May masinsing supply chain para sa advanced compute ang Taiwan. Gumagawa ang TSMC ng maraming chip, binubuo ng mga contract manufacturer ang mga server at rack, at iniuugnay ng maunlad na merkado ng mga serbisyo sa network ang mga kliyente sa mga cloud provider. Pinabibilis ng paglalagay ng GB300 cluster sa Taiwan ang palitan ng puna sa pagitan ng hardware, integrasyon ng sistema, at mga unang gagamit. Pinaiikli rin ng lokasyon ang oras ng pagpapadala at pinapasimple ang pag-aangkat para sa mga mamimili sa rehiyon.

Sino ang malamang gagamit ng cluster

Magsasagawa ang mga lokal na unibersidad at pambansang laboratoryo ng pananaliksik sa AI na makikinabang sa sariling kapasidad ng compute sa isla. Makapagbu-book ng kapasidad ang mga panrehiyong cloud provider at kompanya ng software para sa training, fine-tuning, at inference ng modelo. Maaaring gamitin ng mga grupong industriyal na may mga pabrika sa Taiwan at Japan ang cluster sa simulation at mga gawaing computer vision na may kaugnayan sa produksiyon. Dapat makatulong ang halo-halong mga gamit na mapanatiling mataas ang paggamit sa kabila ng pagbabago-bago ng mga siklo ng merkado.

Kakayahan sa pagmamanupaktura na may libu-libong rack bawat linggo

Masalimuot na gawain ang maramihang paggawa ng mga AI rack. Kailangang buuin ang bawat yunit, kabitan ng mga tubo para sa liquid cooling, kablehan para sa napakataas na bandwidth, at subukin habang may karga bago ipadala. Ipinakikita ng bilis ng produksiyon ng Foxconn na humigit-kumulang 1,000 rack bawat linggo kung gaano kalayo na ang narating ng kumpanya mula sa pag-aassemble ng telepono tungo sa paggawa ng kritikal na imprastraktura. Pinaiikli ng ganitong kapasidad ang panahon ng paghihintay ng mga kliyente at nakatutulong upang mapuno agad ang bagong Taiwan center sa sandaling magbukas ito.

Plano rin ng Foxconn na gumawa ng kagamitan para sa data center kasama ang mga partner sa ibang bansa. Kabilang sa mga naunang plano ang pakikipagtulungan sa SoftBank sa dating pasilidad ng Foxconn para sa mga de-kuryenteng sasakyan sa Ohio, bahagi ng mas malawak na hakbang upang magbigay ng kagamitan para sa malalaking programa sa AI sa Estados Unidos. Nagbibigay ng mga opsiyon sa logistik ang pandaigdigang saklaw ng mga kasunduang ito habang nagbabago ang mga bottleneck sa iba't ibang rehiyon.

Enerhiya, pagpapalamig, at pagpapanatili

Nagkukumpol ng malaking konsumo ng kuryente at init ang malalaking AI cluster. Nagbubukas ito ng mga karaniwang tanong tungkol sa pagkonekta ng mga pasilidad sa grid, pagkuha ng mas malinis na kuryente, at pamamahala sa tubig. Pinalalawak ng mga operator sa Taiwan ang paggamit ng mga power purchase agreement para sa hangin at solar, at nagsasagawa sila ng muling paggamit ng init at pag-upgrade ng mga chiller upang mabawasan ang pag-aaksaya. Binabawasan ng paglipat sa direct liquid cooling ang enerhiyang ginagamit ng mga bentilador, pinahuhusay ang pagsalo sa init, at ginagawang praktikal ang mataas na GPU density.

Nangangailangan ng maingat na disenyo at de-kalidad na kontrol ang mga liquid system upang maiwasan ang downtime. Kailangang sanayin ang mga service team sa paggamit ng quick disconnect, kemistri ng coolant, at pagtukoy ng tagas. Kapalit nito, nagkakaroon ng mas mahuhulaang thermal performance at mas mahusay na target na PUE sa buong taon, kabilang ang maiinit na buwan ng tag-init na karaniwan sa maraming bahagi ng Asya.

Kahulugan nito para sa Nvidia at merkado ng AI

Dalawang bagay ang sabay na nagagawa ng proyekto para sa Nvidia. Pinabibilis nito ang paggamit ng pamilyang Blackwell sa produksiyon at pinalalawak ang merkado para sa mga modelong nagpapaupa ng compute. Pinatitibay ng kasunduan ang ugnayan ng Nvidia sa isang mahalagang kasosyo sa pagmamanupaktura, habang nagbubukas ng paraan para makagamit ang mga kliyente ng mga de-kalidad na GPU nang hindi dumaraan sa siklo ng pagbili o nagtatayo ng bagong gusali.

Kasabay ng panibagong bugso ng mga update sa modelo ang takdang panahon para sa mga mamimili. Maaaring ilipat ng mga negosyong nagpaplanong magpalit mula sa mga naunang henerasyon ng accelerator ang kanilang mga workload sa mga GB300 instance na may mas mataas na memory bandwidth at mas mahusay na performance kada watt. Maaaring magreserba ng oras ang mga pangkat ng pananaliksik sa cluster para sa mga training run na mahirap isagawa sa mga pampublikong cloud kapag mataas ang demand. Dagdag-kapasidad din ito para sa mga pambansang programa na nagnanais ng sariling mapagkukunan ng AI sa loob ng Taiwan.

Takdang panahon, puhunan, at mga dapat bantayan

Ayon sa Foxconn, magiging handa ang pasilidad sa Taiwan sa unang kalahati ng 2026. Inaprubahan na ng lupon ng kumpanya ang pagkuha ng kagamitan para sa mga AI compute cluster at supercomputing center hanggang sa huling bahagi ng 2026, na nagpapahiwatig ng sunod-sunod na yugto ng konstruksiyon at puwang para sa pagpapalawak kung mabilis na matutupad ang demand. Ipinoposisyon ng proyektong 27 MW, kasabay ng taunang planong mamuhunan ng 2 hanggang 3 bilyong dolyar sa AI, ang Foxconn upang lumago bilang tagapagtustos ng mga AI rack at operator ng serbisyo sa pamamagitan ng Visonbay.ai.

Babantayan ng mga kliyente ang mga detalye tungkol sa pagkakaroon ng mga GB300 rack, katalogo ng mga serbisyong planong ialok ng Visonbay.ai, at mga opsiyon sa koneksiyon sa mga panrehiyong network. Magiging batayan para sa mga susunod na deployment ng Blackwell sa Asya ang performance ng center sa efficiency at uptime, habang nagpaplano ang maraming pasilidad ng mga kuwartong may liquid cooling at modular na disenyong iniangkop sa mga GPU cluster.

Mahahalagang punto

• Nagtatayo ang Foxconn at Nvidia ng supercomputing center na nagkakahalaga ng 1.4 bilyong dolyar sa Taiwan, at nakatakda itong maging handa pagsapit ng unang kalahati ng 2026.
• Magkakaroon ang pasilidad ng pinakamalaking advanced GPU cluster sa Taiwan at magiging una sa Asya na gagamit ng Blackwell GB300 platform ng Nvidia.
• May kapasidad na 27 MW ang data center at bubuuin at patatakbuhin ito ng yunit ng Foxconn na Visonbay.ai.
• Ipinakikilala ng Nvidia ang pag-upa ng compute bilang flexible na paraan upang makagamit ng mga de-kalidad na GPU; planong ialok ng Visonbay.ai ang modelong ito.
• Kayang gumawa ng humigit-kumulang 1,000 AI rack bawat linggo ang Foxconn at plano nitong dagdagan ang produksiyon sa susunod na taon.
• Ayon kay Spencer Huang ng Nvidia, nagtutulungan ang dalawang kumpanya upang gamitin ang AI sa mga pabrika at linya ng pagmamanupaktura.
• Plano ng Foxconn na mamuhunan ng 2 hanggang 3 bilyong dolyar kada taon sa AI upang tugunan ang tumataas na demand sa 2026 at mga susunod pang taon.
• Itinatampok ng proyekto ang lumalaking papel ng Taiwan sa advanced compute, habang higit na pinagtutuunan ang enerhiya, pagpapalamig, at mga layunin sa efficiency.