Nutanix 賦能研發人力，R&D 程式編寫時間從 100 分鐘縮短至 30 分鐘；
地端 AI 模型同時上線
近年 AI 應用爆發式成長，研華科技擘劃明確的 AI 戰略藍圖，搭配有系統的部署方針，由 AI 專責單位制定內部公版 AI 模型，從源頭釐清資料來源，並聚焦於具備高經濟價值的標竿專案，期待大幅降低跨部門導入 AI 的門檻，為企業開啟大規模應用的新局。研華科技人工智慧長黃子千指出：「推動 AI 不能僅止於提高個別員工工作的點狀效率，而是要從系統化、規模化的維度出發，才能挖掘出 AI 真正有商業效益的貢獻。」
因此在 AI 應用的開發戰略上，研華落實「駕馭工程（Harness Engineering）」概念，減少依賴容易隨模型更迭而遭淘汰重寫的程式編寫助理，藉由建構 NVIDIA NemoClaw 平台專注於撰寫 Skill，確保未來底層模型升級時，企業 AI 資產能順利延續。為落地此戰略，研華評估公有雲的 Token 成本、資安與高可用性後，選擇攜手 Nutanix，部署地端 Nutanix Enterprise AI（NAI）平台，打造敏捷、安全且具彈性擴充的 AI 基石。
RD 與資訊部開發效率提升
原本需 100 分鐘的程式編寫流程，現在只需 30 分鐘可完成
AI 同步運算承載量能大幅躍升
地端 AI 同時在線使用人數，從 60 人拉升至數百人以上
加速地端 AI 算力落地
實體伺服器機台部署與上線時程轉變為虛擬化後，從數個月縮短到一天完成
作為亞太地區率先導入 Nutanix Enterprise AI（NAI）平台的企業之一，Nutanix 專家團隊與管理平台幫我們將地端 AI 的效能及算力調校到相當極致，免去重複、繁瑣的底層維運工作，讓我們團隊得以百分之百專注於創造實質商業價值。
針對 AI 需求，底層 IT 架構的佈局，研華首先考量跨品牌硬體相容與運維效率。研華擁有運作數十年的資料中心，機房內遍佈各種伺服器，若缺乏虛擬化技術整合，極易陷入資產浪費困境。此外，若回歸傳統實體機部署，將拉長採購、安裝時程。黃子千指出：「以前實體機台採購經驗起碼一個月，進來後光手動安裝作業系統、應用程式並進行測試，上線一個系統動輒耗費兩個月。」
面對多部門需要 AI 資源的場景，黃子千接著提到：「如果公司有 500 個 Agent 要跑，像過去一樣去買 100 台伺服器一台一台灌系統分配給不同部門，光想需要多少工程師，我們就直接卡住了。」這也凸顯多租戶（Multi-tenancy）算力管理的重要性。至於雲端層面，許多 RD 部門在評估公有雲服務時，需全面考量資料治理規範、長期 Token 成本管理，以及服務連續性等風險，促使研華亟需建置一個安全合規、且能快速部署上線的高可用地端 AI 解決方案。
為跨越異質設備束縛並活化既有資產，研華在底層部署 Nutanix 雲端基礎架構，內建 AHV 虛擬化技術，將機房內伺服器整合為可彈性擴容的 Kubernetes 容器平台 。在硬體新舊替換的過渡期，跑在 Kubernetes 叢集上的 AI 工作負載 （NemoClaw），也能持續運作 NKP 上的各項 AI 應用。
至於中層平台管理，研華導入 Nutanix Kubernetes Platform（NKP）解決多租戶算力分配難題。透過 NKP 的統一管理主控台，在研華的部屬中，資訊團隊免去過去手動調校 Kubernetes 版本、GPU 驅動程式，以及各類開源套件相容性的繁瑣測試。IT 團隊只需透過 NKP 的單一視窗，即可監控並安全調配各部門的 GPU 算力配額。
最上層應用與模型服務，研華選用 Nutanix Enterprise AI（NAI）藉此安全執行地端模型。研華目前選擇以 NVIDIA NeMo 框架開發的 NVIDIA NemoClaw 作為 AI Agent 的部署平台，NAI 則在後端負責模型的安全託管、與防護閘道，研華表示當同仁在前端 NVIDIA NemoClaw 平台執行任務時，系統會透過 NAI 內建的 Agent Gateway 來依據任務複雜度，將提示詞 (prompt) 導向輕量或高階模型 ，更有效管控地端算力與 Token 成本。
研華研發團隊利用地端 Nutanix Enterprise AI（NAI）平台輔助程式編寫。研華表示，在其實際部署情境下，程式編寫流程由約 100 分鐘縮短至 30 分鐘，整體效率提升高達 70%。此外，AI 平台團隊也因不需肩負大量底層維運工作，得以專注於將公司內部資料進行核心模型微調（Fine-tuning）。 黃子千強調，「更重要的是，資訊部門直接利用 Nutanix 專家規劃的 Dashboard，直接可視化管理算力使用情況，落實 AI 治理與 ESG 永續願景。」
在既有硬體資源前提下，研華攜手 Nutanix 技術專家深度優化地端模型，使地端 AI 同時在線使用人數從部署初期的 60 人，一舉提升到數百人以上。黃子千更指出，得益於超融合虛擬化與映像檔複製等原生功能，資訊團隊得以減少傳統實體機繁雜的裝機測試，將過去要耗時多個月的部署與上線時程，縮短為數天即可完成。
導入 Nutanix 方案後，研華開發出「產品提案助手」作為首批 AI 標竿專案，並細分兩大功能：第一是「方案推薦」，當新手業務面臨醫院節能需求時，AI 會智慧引導考量 24 小時運作與不可現場施工等限制，推薦無線產品並警示特定傳輸協定以防干擾醫療儀器；第二是「產品推薦」，結合 ADAM 系列與 iEMS 能碳報表，一鍵即可產出完整提案，點燃同仁的創新想像，賦予新進業務的即戰力。
研華將持續發揮駕馭工程的 AI 戰略，確保隨著模型的更迭，企業的 AI 資產仍保有持續性，因此未來隨著算力需求成長，研華仍能彈性擴充 Nutanix 地端節點。最後黃子千強調，期許與 Nutanix 緊密合作，當市場推出新型開源大模型時，能在本地環境高效完成部署與應用場景優化，為企業 AI 轉型注入源源不絕的創新動能。
©2026 Nutanix, Inc. 版權所有。Nutanix、Nutanix 商標及本文中提及的所有 Nutanix 產品與服務名稱，均為 Nutanix, Inc. 在美國及其他國家的註冊商標或商標。Kubernetes 是 The Linux Foundation 在美國及其他國家/地區的註冊商標。文中提及的所有其他品牌名稱僅供識別之用，可能是其各自持有者的商標。客戶陳述及成果報告取決於多項因素，不應解讀為承諾或義務，亦不代表將交付特定成果。
10/26