NVIDIA uvádí platformu Minerva AIOps pro observabilitu továren na umělou inteligenci

NVIDIA uvedla Minervu 22. října 2026 a popsala ji jako platformu AIOps, která provozním týmům umožňuje s předstihem odhalovat problémy s infrastrukturou v továrnách na umělou inteligenci. Minerva podle společnosti shromažďuje telemetrická data z infrastruktury i úloh umělé inteligence a následně na ně aplikuje modely AI vytvořené pro tento účel, aby je převedla na prakticky využitelné poznatky.

Továrny na umělou inteligenci patří k nejsložitějším provozům na světě, uvádí NVIDIA: rozsáhlé flotily GPU v nich trénují modely a zajišťují běh aplikací umělé inteligence v sítích s vysokou rychlostí. Jediná součást, která v takovém měřítku nefunguje správně — například GPU, které se zahřívá více než ostatní, nebo jednotka NVMe, jejíž výkon při zátěži klesá — může zpomalit celou úlohu a podobné varovné signály lze snadno přehlédnout. Minerva se zaměřuje na to, čemu NVIDIA říká výtěžnost továrny na umělou inteligenci: užitečnou práci, kterou infrastruktura odvede a která se měří v hodinách GPU, propustnosti užitečné práce (goodput), provozuschopnosti clusteru a produkci tokenů.

Dynamický znalostní graf továrny

Tradiční monitorovací nástroje často rozdělují datové centrum do samostatných pohledů, takže týmy pro sítě, výpočetní techniku, spolehlivost provozu a strojové učení vidí každá jen jinou část provozu. NVIDIA uvádí, že Minerva propojuje signály z GPU, sítí, úložišť, plánovačů a úloh.

Na základě těchto signálů Minerva vytváří dynamický znalostní graf, který logicky mapuje GPU, zařízení SuperNIC, přepínače a kabely spolu s úlohami, jež na nich běží. NVIDIA uvádí, že toto mapování umožňuje provozním týmům dohledat, která součást zpomaluje trénovací úlohu, a to i v továrně, kde běží stovky tisíc GPU.

Podle NVIDIA platforma pomocí řízeného i neřízeného strojového učení analyzuje miliardy datových bodů za hodinu, učí se rozpoznávat běžné chování, označuje dosud nezaznamenané anomálie, předvídá vznikající poruchy a propojuje související události na základě topologie továrny. Dokáže sloučit příval souvisejících událostí do jediného přehledného incidentu s pravděpodobnou hlavní příčinou, místo aby provoznímu týmu předávala každý jednotlivý příznak zvlášť.

Asistent AI a pracovní postup pro nápravu problémů

Minerva obsahuje nativního asistenta AI a lze ji také propojit s externími agentními nástroji umělé inteligence, takže operátoři mohou komunikovat přirozeným jazykem a dostávat odpovědi založené na aktuálních telemetrických datech. V rozhovoru mohou prověřovat stav clusteru a získávat doporučení k nápravě. Týmy mohou ponechat člověka v procesu, aby opravy prováděl ručně, nebo platformu propojit s automatizací prostřednictvím aplikačních programovacích rozhraní infrastruktury a externích systémů.

Bitdeer AI, která oznámila, že platformu začala používat, 22. října, označuje vestavěného asistenta jako Sherlock, nativního víceagentního asistenta AI platformy Minerva. Uvádí také, že server MCP umožňuje operátorům třídit incidenty a hledat jejich příčiny v konverzaci přirozeným jazykem, která vychází z aktuálních telemetrických dat. Podle Bitdeer AI lze software nasadit jako samostatnou platformu a je integrován s NVIDIA DSX OS. Oznámení uvádí, že telemetrie zahrnuje GPU NVIDIA, zařízení ConnectX SuperNIC, DPU BlueField, přepínače NVLink pro škálování nahoru, Ethernet Spectrum-X East-West a North-South, NCCL, plánovače a úlohy umělé inteligence.

Uváděné výsledky

NVIDIA uvádí, že platforma přináší přínosy v klíčových oblastech, na které se továrny na umělou inteligenci zaměřují: prodlužuje dobu mezi přerušeními tím, že odhaluje problémy ještě před jejich vznikem; zkracuje dobu opravy tím, že při incidentu přesně určí problém; a zlepšuje přehled tím, že záplavu dat generovaných moderní infrastrukturou AI filtruje na několik upozornění, která jsou skutečně důležitá. Společnost uvádí, že platforma slučuje související problémy do jediné položky, na kterou lze reagovat, aby týmy AIOps mohly přejít od reaktivní údržby k proaktivní a pomáhat továrnám na umělou inteligenci co nejvíce prodloužit dobu provozu GPU.

Bitdeer AI informovala o výsledcích interního testování továren na umělou inteligenci společnosti NVIDIA: v jednom případě Minerva zkrátila průměrnou dobu opravy závady napájení jednotky NVMe z několika dnů odstávky na šest hodin a v jiném sloučila 81 četných, ale málo významných událostí do jediného upozornění, čímž ušetřila 54 hodin provozuschopnosti clusteru. Bitdeer AI uvedla, že interní testování prokázalo také prodloužení průměrné doby mezi přerušeními díky prediktivní údržbě, zkrácení průměrné doby opravy díky automatizované analýze hlavních příčin, nárůst prakticky využitelných poznatků díky pokročilému omezení šumu a zvýšení počtu efektivně využitých hodin GPU, které přímo zvyšuje produkci tokenů.

První uživatelé a partneři OEM

IREN patří mezi partnery NVIDIA, kteří Minervu využívají k optimalizaci svých továren na umělou inteligenci. „NVIDIA Minerva dává našemu provoznímu týmu jednotný přehled o síti, GPU i úlohách, které na nich běží, takže se můžeme více soustředit na proaktivní údržbu místo řešení problémů,“ uvedl Denis Skrinnikoff, technický ředitel společnosti IREN, v oznámení o uvedení.

Bitdeer AI uvedla, že nyní podporuje Minervu ve svém provozu továren na umělou inteligenci. Tento krok označila za rozšíření svého závazku poskytovat spolehlivou infrastrukturu GPU s vysokou výtěžností pro rozsáhlé trénování modelů AI a inferenci. Společnost uvedla, že observabilita platformy, prediktivní údržba a řešení problémů pomocí agentů pomáhají odhalit zhoršení výkonu dříve, než ovlivní úlohy, zkrátit dobu oprav a udržet více GPU v produktivním provozu pro zákazníky. Software je navíc navržen tak, aby bylo možné škálovat jej od malých clusterů až po továrny na umělou inteligenci se stovkami tisíc GPU.

Lenovo ve svém příspěvku z GTC Berlin uvedlo, že Minerva může týmům pomoci řídit dostupnost a výkon infrastruktury AI při rozšiřování jejich prostředí. Zmínilo ji také v souvislosti se svým řešením Lenovo Hybrid AI Factory s technologiemi NVIDIA. Lenovo dále uvedlo, že spolupracuje se společnostmi IBM a NVIDIA na řešeních suverénních továren na AI, která mají zákazníkům umožnit řídit vlastní provoz.

NVIDIA uvedla, že kromě společnosti IREN plánují nasadit Minervu také Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI a Tesla. Podle NVIDIA nabídnou Dell Technologies, Lenovo a Supermicro tuto platformu v rámci svých portfolií řešení pro provoz továren na AI.