NVIDIA 发布 Minerva 平台，为 AI 工厂提供端到端可观测性

NVIDIA 今日正式发布 Minerva，这是一款专为 AI 工厂设计的 AIOps 平台。该平台旨在解决大规模 GPU 集群运维中数据分散、故障定位难的问题，通过整合基础设施与 AI 工作负载的遥测数据，提供端到端的可观测性。Minerva 利用专用 AI 模型分析海量数据，帮助运维团队从被动响应转向主动维护，从而最大化 GPU 的有效运行时间。

先看重点

• Minerva 整合 GPU、网络、存储及调度器信号，构建动态知识图谱以映射基础设施与作业关系。
• 平台利用监督与非监督机器学习分析每小时数十亿数据点，检测异常并预测潜在故障。
• 提供原生 AI 助手，支持自然语言交互，可将事件风暴聚合为单一可操作事件并推荐修复方案。
• IREN 正在使用 Minerva 优化其 AI 工厂，而 Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 和 Tesla 计划部署该平台。
• Dell Technologies、Lenovo 和 Supermicro 将把 Minerva 纳入其 AI 工厂运维产品组合。

平台发布与核心定位

NVIDIA 于今日推出 Minerva，定位为面向 AI 工厂的 AIOps 平台。AI 工厂作为全球最复杂的运营系统之一，涉及大量 GPU 通过高速网络协同工作以训练模型和提供 AI 服务。在此规模下，单个组件的性能下降（如 GPU 温度异常或 NVMe 驱动器性能损耗）可能导致整个任务变慢，且早期预警信号往往难以察觉。Minerva 的核心目标是帮助团队更早发现问题，保持 AI 工厂的生产力，其关注的关键指标包括 AI 工厂产出（AI factory yield），具体涵盖 GPU 小时数、有效吞吐量（goodput）、集群正常运行时间以及 token 产出量。

技术架构与动态知识图谱

传统监控工具通常将数据中心划分为网络、计算、站点可靠性和机器学习等独立视图，导致团队只能看到运营的一部分。Minerva 通过连接 NVIDIA GPU、网络、存储、调度器和工作负载的信号，打破这种数据孤岛。平台利用这些信号构建动态知识图谱，逻辑上映射基础设施组件（如 GPU、SuperNIC、交换机和线缆）及其上运行的作业。这种上下文关联有助于操作员在拥有数十万块 GPU 的工厂中，将缓慢的训练任务追溯到影响它的特定组件。此外，Minerva 每小时分析数十亿数据点，结合监督和非监督机器学习，学习正常行为、检测未知异常、预测新兴故障，并基于工厂拓扑关联相关事件。

智能分析与运维交互

Minerva 不仅提供监控，还具备智能分析能力。它可以将事件风暴聚合为聚焦的事件，并给出可能的根本原因，而不是将所有症状发送给操作员。平台配备原生 AI 助手，并连接外部智能体 AI 工具，提供基于实时遥测数据的自然语言界面。操作员可以通过对话调查集群健康状况并接收推荐的修复措施。团队可以选择保留人工介入以手动实施修复，或通过基础设施 API 和外部系统将 Minerva 连接到自动化流程。这种设计允许 AIOps 团队从被动响应转向主动维护，简化 AI 工厂的运营复杂性。

合作伙伴与部署计划

在商业落地方面，IREN 是首批使用 Minerva 优化其 AI 工厂的 NVIDIA 合作伙伴之一。IREN 首席技术官 Denis Skrinnikoff 表示，Minerva 为运营团队提供了跨网络、GPU 和作业的统一视图，使其能更专注于主动维护而非故障排查。此外，Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 和 Tesla 计划部署 Minerva。在硬件生态方面，Dell Technologies、Lenovo 和 Supermicro 将把 Minerva 作为其 AI 工厂运维产品组合的一部分提供。这意味着 Minerva 正试图构建一个涵盖软件平台、硬件供应商和大型云/算力提供商的完整生态闭环。

对读者的影响与观察

对于关注 AI 基础设施的读者而言，Minerva 的发布意味着 NVIDIA 正在进一步向上层软件栈延伸，试图掌控 AI 工厂的运维标准。通过强调‘端到端可观测性’和‘AI 工厂产出’，NVIDIA 将竞争焦点从单纯的硬件性能转向整体运营效率。可以理解为，随着 AI 集群规模扩大，运维复杂度呈指数级增长，专用 AIOps 工具将成为大规模部署的必要组件。然而，仍需观察该平台在实际多厂商混合环境中的兼容性，以及‘智能体 AI’在自动化修复中的实际可靠性。目前，Minerva 主要依托 NVIDIA 生态内的组件进行优化，其在非 NVIDIA 硬件上的表现尚待验证。

参考资料与编写说明

• 事实来源：NVIDIA Blog：NVIDIA Unveils Minerva to Bring End-to-End Observability for AI Factories
• 本文由 AiNav 根据公开材料独立整理与解读，事实陈述与编辑分析分别表达，不逐段转载或翻译发布方全文。来源链接用于溯源和查看后续更新，本站正文已提供本篇完整内容。
• 尚未公开或来源未证实的信息不作确定性结论。具体产品条件、法规进展和服务变动以发布方后续公告为准。