Bud Ecosystem lanceert hardware-agnostisch AI-besturingssysteem

Bud Novaria, het nieuwe AI-besturingssysteem van Bud Ecosystem, bundelt acht producten onder één controlelaag voor GPU’s, CPU’s, on-premisesystemen en air-gapped omgevingen, meldt het bedrijf.

Voor een Nederlandse organisatie verschuift daarmee de keuze van één model of cloud naar de hele keten: waar training, inferentie, beveiliging, koppelingen en agents draaien, welke hardware bruikbaar blijft en hoe een overstap eruitziet. Bud positioneert Novaria als een manier om die infrastructuurkeuze zelf te houden, maar de concrete besparing en prestaties zijn voorlopig eigen claims.

Acht lagen onder één controlelaag

Bud noemt acht geïntegreerde producten, die samen van hardware tot gebruik lopen:

• Bud LayerZero: een hardware-abstrahering die GPU-kernels kiest voor verschillende chips.
• Bud Pod: een eigen GPU-cloud met pods, serverloze endpoints en clusters.
• Bud Model Foundry: trainen, verfijnen en nabewerken van open modellen op eigen infrastructuur.
• Bud AI Foundry: uitrollen en serveren, met inferentie, observability, evaluaties en kostenbeheer.
• Bud MCP Foundry: bestaande software en API’s omzetten naar beheerde MCP-tools.
• Bud SENTRY: beveiliging, beleidsregels, toegangsbeheer, FinOps en compliance.
• Bud Studio: een desktoplaag voor medewerkers, modellen en agents.
• Bud Agent: een agent die GenAI-systemen in gewone taal aanmaakt, uitrolt en beheert.

De stack is volgens Bud nu beschikbaar voor ondernemingen, cloudproviders en OEM’s. Een proof of concept van dertig dagen draait op de infrastructuur en data van de klant.

Hardwarekeuze wordt minder bepalend

De belofte zit niet alleen in de integratie, maar in de onderliggende hardwarevrijheid. Bud zegt dat Novaria zonder codewijzigingen op meer dan 600 hardware-SKU’s werkt, van NVIDIA, AMD, Intel, Qualcomm en Arm, en inzetbaar is in iedere cloud, on-premises of volledig zonder internetverbinding. Voor organisaties met bestaande servers of strenge eisen rond data- en netwerkisolatie maakt dat de migratiekeuze breder dan een overstap naar één nieuwe GPU-leverancier.

De release noemt ook een router die 60 tot 70 procent van de verzoeken naar eigen, domeinspecifieke kleine modellen stuurt en de zwaarste 30 procent voor frontiermodellen bewaart. Dat is de architectuur achter Buds kostenverhaal: kleine modellen voor het grootste deel van het werk, grotere modellen alleen waar dat nodig is.

De besparingen zijn Buds eigen cijfers

Bud meldt dat een AI-stylingagent van een wereldwijd modemerk de maandelijkse rekening verlaagde van 218.000 naar 40.000 dollar, bij een nauwkeurigheid van 85,4 procent. Ook noemt het bedrijf een belastingdienst met meer dan 60.000 gelijktijdige gebruikers in een volledig afgesloten omgeving en een financiële dienstverlener die de jaarlijkse totale eigendomskosten voor backofficewerk terugbracht van 2,4 miljoen naar 768.000 dollar.

Deze voorbeelden komen uit Buds eigen aankondiging en zijn geen onafhankelijke benchmark. Hetzelfde geldt voor de claim van maximaal 80 procent lagere AI-run-rate bij gelijke nauwkeurigheid. Voor een inkoper is het relevante onderscheid dus helder: de acht lagen, de hardware-ondersteuning en de beschikbaarheid zijn productfeiten zoals Bud ze presenteert; de besparingen moeten per eigen werklast worden aangetoond.

De controlelaag wordt een nieuwe keuze

Hardware-agnostisch betekent niet automatisch leverancier-onafhankelijk. De afhankelijkheid kan verschuiven van een chip, model of cloud naar de partij die de controlelaag, beleidsregels, auditsporen en modelroutes beheert. Dezelfde toets die geldt voor de vijf assen van vendor lock-in, van data-export tot koppelingen, bepaalt daarom ook hoeveel vrijheid Novaria in de praktijk geeft.

Novaria maakt hardwarekeuze tot een producteigenschap, maar maakt de besturingslaag zelf daarmee strategischer. Voor Nederlandse organisaties wordt de vraag dus niet alleen of een AI-stack op eigen hardware kan draaien, maar ook of data, beleid, modelroutes en operationele kennis buiten die stack bruikbaar blijven.