商傳媒｜記者張安禾／台北報導

AI新創公司Futurenest未來巢科技，於 2026 Computex 正式發表軟硬整合的企業 AI 作業治理系統 AI OS Xparse，本次除了在NVIDIA Inception Program展區展出，並受邀在仁寶、神雲、永擎等多家AI伺服器策略夥伴於Computex攤位中展出軟硬整合方案，產品藉由NVIDIA NIM™與NVIDIA NeMo™Guardrails打造，並與NVIDIA生態系中眾多公司合作，展示企業如何從快速AI概念驗證，進入大規模可治理、可部署、可擴充的地端 AI Workforce 時代。  

Enterprise AI Needs an Operating System

未來企業將會成為Agent公司，每家公司都需要自己的Agent作業系統，AI 正從「回答問題」進入「執行任務」的新階段。隨著企業開始導入 AI agents，挑戰已不再只是模型能力，而是如何管理模型調用、工具執行、資料權限、GPU 資源、成本歸因與稽核紀錄。

企業真正缺少的不是更多 AI app 或聊天入口，而是一套能讓 AI agents 在企業環境中被正式部署、調度、控管與稽核的作業層。就像 PC 時代需要作業系統連接硬體、軟體與使用者，Agentic AI 時代也需要新的作業系統，將模型、資料。工具、GPU 與 workflow 納入同一套執行架構，Xparse 的定位正是企業 AI 作業治理層。它負責管理 AI 任務如何被執行、模型如何被調用、GPU 資源如何被使用、資料權限如何被控管，以及每一次 Agent 行動如何留下可追蹤紀錄。

Xparse讓AI伺服器高資安、高算力、高節能

企業 AI 的成本不只來自 token 或模型訂閱費，更大的成本來自 GPU 閒置、重複 PoC、分散串接，以及上線後無法追蹤成本與責任的 AI 任務。因此，AI 作業層的價值不只是「讓 AI 能用」，而是讓企業能判斷 AI 是否值得規模化使用。

根據 Futurenest 於10U NVIDIA HGX™ B300 Server 8 x NVIDIA Blackwell Ultra GPUs環境進行測試，在同一組硬體條件下，導入 Xparse 後，可承載用戶數提升 91%。同時，每筆任務能耗降低 61%，複雜查詢誤分類率為 0%，這項結果透過任務路由、模型分流與資源控管，讓既有算力發揮更高營運效率。並且企業導入龍蝦或代理式AI應用所害怕的資安問題，也能在底層受到高效監管並提供即時稽核報告。若企業有混合雲需求亦可同時在良好資安規範下，整合雲端LLM API與地端模型的Routing功能。

未來巢科技入列 NVIDIA 全球 AI 生態系版圖，與國際科技大廠及研究機構共同推動下一代 AI 基礎建設。圖/業者提供

從 AI Server 到企業地端部署新解方

台灣企業正在加速採購 AI Server、地端模型與混合雲基礎設施，GPU Server 只是 AI 轉型的第一步。企業真正需要的，是能把算力轉化為工作成果的作業層。Xparse協助硬體夥伴、算力中心與系統整合商在交付 GPU Server 的同時，提供 Agent Runtime、使用控管、成本歸因與稽核治理能力，讓 AI Server 不只是算力設備，而是能承載企業 AI workforce 的執行基礎設施。

Futurenest 將企業 AI 導入打造更快速的部署旅程：從地端 AI 基礎環境建置開始，協助企業完成多租戶架構、部門權限與存取控管設定；再將分散於文件、SOP、知識庫與內部系統中的資料，整理為具備權限邊界的 Knowledge Workspace。當資料、角色與任務脈絡被建立後，平台可依部門需求自動生成建議的 AI workflow，並進一步串接 API、企業知識庫與既有業務系統，最終，企業可啟用內建與自訂 AI agents，讓不同部門不只是「使用 AI 工具」，而是以可治理、可追蹤的 AI team 形式，進入實際工作流程。

關於 未來巢科技 Futurenest

Futurenest過去導入政府、金融、製造眾多產業龍頭客戶，場域從AI KM、企業 GPT、地端知識庫，到內部客服、後勤營運、財務分析、徵信推論與法遵合規等涵蓋產銷人發財上百個應用場景，逐步看見企業 AI 導入真正卡住的地方；不是 AI 不夠聰明，而是企業底層還沒有準備好，資料散在不同系統，流程藏在少數人的經驗裡，權限沒有清楚邊界，模型調用與 GPU 成本難以追蹤，任務執行後缺乏完整稽核紀錄，這些問題在 AI 出現以前就存在。

共同創辦人暨執行長 Bob 許旭安觀察到，企業真正缺少的不是應用層，而是能讓 AI 被正式部署、控管、追蹤與治理的作業層，就像 PC 時代需要 Windows作業系統，才能讓硬體、軟體與使用者形成可運作的生產力平台；AI 時代，企業也需要一套新的作業系統，將GPU算力、模型、資料與 AI agents 轉化為可治理、可稽核、可規模化部署的 AI Workforce。這套作業層，將決定 AI 能不能從部門試用，真正走向企業生產力。