NVIDIA 发布 Minerva AIOps 平台，面向 AI 工厂可观测性

NVIDIA于2026年10月22日发布Minerva，将其描述为一个AIOps平台，可让运维团队更早发现AI工厂中的基础设施问题。据该公司介绍，Minerva整合来自基础设施和AI工作负载的遥测数据，然后应用专门构建的AI模型，将这些数据转化为可执行的洞察。

NVIDIA表示，AI工厂是世界上最复杂的运营环境之一，拥有庞大的GPU集群，在高速网络上训练模型并提供AI应用服务。在这种规模下，单个组件性能下降——某个GPU温度高于同类，或某块NVMe硬盘在负载下性能下降——就可能拖慢整个作业，而这类预警信号很容易被忽视。Minerva瞄准的是NVIDIA所称的AI工厂产出率：即基础设施所产出的有效工作，通过GPU小时、有效吞吐、集群正常运行时间和token生成量来衡量。

传统监控工具往往将数据中心拆分为彼此独立的视图，网络、计算、站点可靠性和机器学习团队各自看到运营的不同部分。NVIDIA表示，Minerva将其GPU、网络、存储、调度器和工作负载中的这些信号连接起来。

基于这些信号，Minerva构建动态知识图谱，将GPU、SuperNIC、交换机和线缆以及运行其上的作业进行逻辑映射。NVIDIA表示，这种映射使运维人员能够将缓慢的训练作业追溯到影响它的组件，即使在运行数十万块GPU的工厂中也是如此。

据NVIDIA介绍，该平台利用监督式和无监督式机器学习，每小时分析数十亿个数据点，学习正常行为的样子，标记此前未曾遇到的异常，在故障出现时进行预测，并利用工厂拓扑关联相关事件。该平台可以将大量相关事件合并为一个聚焦的事件，并附带可能的根本原因，而不是将每个单独的症状逐一转发给运维人员。

AI助手与修复工作流

Minerva自带原生AI助手，也可连接外部代理式AI工具，为运维人员提供基于实时遥测数据的自然语言界面。运维人员可以通过对话调查集群健康状况并接收推荐的修复方案。团队可以保留人工介入以手动执行修复，也可以通过基础设施应用编程接口和外部系统将平台连接到自动化流程。

Bitdeer AI于10月22日宣布采用该平台，其将内置助手认定为Sherlock，即Minerva平台原生的多智能体AI助手，并表示MCP服务器使运维人员能够通过基于实时遥测数据的自然语言对话进行分诊和调试。据Bitdeer AI介绍，该软件可作为独立平台部署，并已与NVIDIA DSX OS集成。其公告列出的遥测范围涵盖NVIDIA GPU、ConnectX SuperNIC、BlueField DPU、NVLink纵向扩展交换机、Spectrum-X东西向和南北向以太网、NCCL、调度器和AI工作负载。

报告的结果

NVIDIA表示，该平台在AI工厂关注的关键指标上带来价值：通过提前发现问题延长两次中断之间的时间；通过在事件发生时精确定位问题缩短修复时间；以及通过将现代AI基础设施产生的海量数据过滤为真正重要的少数告警来提升洞察力。该公司表示，该平台将相关问题汇总为单个可执行事项，使AIOps团队能够从被动维护转向主动维护，帮助AI工厂最大化GPU正常运行时间。

Bitdeer AI报告了NVIDIA内部AI工厂测试的结果：在一个案例中，Minerva将NVMe电源故障的平均修复时间从持续数天的停机缩短至六小时；在另一个案例中，它将81个噪声事件合并为单个告警，节省了54小时的集群正常运行时间。Bitdeer AI表示，内部测试还显示，通过预测性维护提高了平均中断间隔时间，通过自动化根因分析缩短了平均修复时间，通过先进的降噪技术增加了可执行的洞察，并增加了有效GPU小时数，从而直接提升了token生成量。

早期采用者与OEM合作伙伴

IREN是使用Minerva优化其AI工厂的NVIDIA合作伙伴之一。IREN首席技术官Denis Skrinnikoff在发布公告中表示：“NVIDIA Minerva让我们的运维团队能够在一个视图中查看网络、GPU以及运行其上的作业，因此我们可以更多地专注于主动维护，而不是故障排查。”

Bitdeer AI表示，其现在已在AI工厂运营中支持Minerva，并将此举描述为其致力于为大规模AI训练和推理提供可靠、高产出GPU基础设施的承诺的延伸。该公司表示，该平台的可观测性、预测性维护和代理式故障排查帮助其在性能下降影响作业之前将其捕获，缩短修复时间，并让更多GPU为客户保持生产力，而且该软件的设计可从中小型集群扩展到拥有数十万块GPU的AI工厂。

联想在其GTC柏林活动的帖子中表示，随着环境规模扩大，Minerva可以帮助团队管理AI基础设施的可用性和性能，并将其与联想的NVIDIA混合AI工厂解决方案并列列出。联想还表示，其正与IBM和NVIDIA合作开发主权AI工厂解决方案，旨在让客户掌控自身运营。

除IREN外，NVIDIA还点名Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI和Tesla计划部署Minerva。据NVIDIA介绍，戴尔科技、联想和Supermicro将在其AI工厂运维产品组合中提供该平台。