NVIDIA lancia la piattaforma AIOps Minerva per l’osservabilità delle fabbriche di IA

Il 22 ottobre 2026 NVIDIA ha lanciato Minerva, descrivendola come una piattaforma AIOps che avvisa con maggiore anticipo i team operativi dei problemi infrastrutturali nelle fabbriche di IA. Secondo l’azienda, Minerva consolida la telemetria proveniente sia dall’infrastruttura sia dai carichi di lavoro di IA, quindi applica modelli di IA appositamente progettati per trasformare quei dati in informazioni utili e utilizzabili.

Secondo NVIDIA, le fabbriche di IA sono tra le attività operative più complesse al mondo: enormi flotte di GPU addestrano modelli ed eseguono applicazioni di IA attraverso reti ad alta velocità. A quella scala, un singolo componente degradato — una GPU che funziona a una temperatura superiore a quella delle altre o un’unità NVMe che perde prestazioni sotto carico — può rallentare un intero job, e segnali di allarme di questo tipo sono facili da non rilevare. Minerva punta a migliorare quello che NVIDIA definisce rendimento delle fabbriche di IA: il lavoro utile prodotto dall’infrastruttura, misurato in ore di GPU, goodput, disponibilità del cluster e produzione di token.

Un grafo della conoscenza dinamico della fabbrica

Gli strumenti di monitoraggio tradizionali spesso suddividono il data center in viste separate: i team di rete, calcolo, affidabilità dei siti e apprendimento automatico vedono ciascuno una parte diversa delle operazioni. NVIDIA afferma che Minerva collega i segnali provenienti da GPU, rete, archiviazione, scheduler e carichi di lavoro.

A partire da questi segnali, Minerva crea un grafo della conoscenza dinamico che mappa logicamente GPU, SuperNIC, switch e cavi, insieme ai job in esecuzione su di essi. Secondo NVIDIA, questa mappatura consente agli operatori di risalire da un job di addestramento lento al componente che lo sta influenzando, anche in una fabbrica con centinaia di migliaia di GPU.

Secondo NVIDIA, la piattaforma analizza miliardi di punti dati all’ora usando l’apprendimento automatico supervisionato e non supervisionato: apprende quale sia il comportamento normale, segnala anomalie mai rilevate prima, prevede i guasti mentre si manifestano e correla gli eventi correlati in base alla topologia della fabbrica. La piattaforma può raggruppare un’ondata di eventi correlati in un unico incidente mirato, corredato da una probabile causa principale, anziché inoltrare all’operatore ogni singolo sintomo.

Assistente IA e flusso di lavoro per la risoluzione dei problemi

Minerva include un assistente IA nativo e può anche collegarsi a strumenti esterni di IA agentica, offrendo agli operatori un’interfaccia in linguaggio naturale basata sulla telemetria in tempo reale. Gli operatori possono esaminare lo stato del cluster e ricevere indicazioni sugli interventi correttivi tramite una conversazione. I team possono mantenere una persona coinvolta nel processo, che esegua manualmente le correzioni, oppure collegare la piattaforma ai sistemi di automazione tramite interfacce di programmazione delle applicazioni per l’infrastruttura e sistemi esterni.

Bitdeer AI, che il 22 ottobre ha annunciato di aver adottato a sua volta la piattaforma, identifica l’assistente integrato con Sherlock, l’assistente IA multiagente nativo della piattaforma Minerva, e afferma che un server MCP consente agli operatori di classificare e risolvere i problemi tramite conversazioni in linguaggio naturale basate sulla telemetria in tempo reale. Secondo Bitdeer AI, il software può essere distribuito come piattaforma autonoma ed è integrato con NVIDIA DSX OS. Nel suo annuncio, l’ambito della telemetria comprende GPU NVIDIA, SuperNIC ConnectX, DPU BlueField, switch NVLink per lo scale-up, Ethernet Spectrum-X est-ovest e nord-sud, NCCL, scheduler e carichi di lavoro di IA.

Risultati riportati

NVIDIA afferma che la piattaforma genera valore rispetto agli indicatori chiave su cui si concentrano le fabbriche di IA: aumenta il tempo tra le interruzioni individuando i problemi prima che si verifichino; riduce il tempo di riparazione identificando con precisione il problema quando si verifica un incidente; e offre maggiori informazioni filtrando l’enorme quantità di dati generata dalle moderne infrastrutture di IA, così da mettere in evidenza i pochi avvisi che contano davvero. L’azienda afferma che la piattaforma raggruppa i problemi correlati in un unico elemento su cui è possibile intervenire, consentendo ai team AIOps di passare da una manutenzione reattiva a una proattiva e aiutando le fabbriche di IA a massimizzare il tempo di attività delle GPU.

Bitdeer AI ha riportato i risultati dei test interni di NVIDIA sulle fabbriche di IA: in un caso, Minerva ha ridotto il tempo medio di riparazione per un guasto di alimentazione NVMe, che avrebbe causato un’interruzione di più giorni, a sei ore; in un altro, ha condensato 81 eventi di disturbo in un unico avviso, preservando 54 ore di disponibilità del cluster. Bitdeer AI ha dichiarato che i test interni hanno inoltre mostrato un aumento del tempo medio tra le interruzioni grazie alla manutenzione predittiva, una riduzione del tempo medio di riparazione grazie all’analisi automatizzata delle cause principali, un aumento delle informazioni utili grazie a una riduzione avanzata del rumore e un incremento delle ore effettive di utilizzo delle GPU, con un conseguente aumento diretto della produzione di token.

Primi adottanti e partner OEM

IREN è tra i partner NVIDIA che utilizzano Minerva per ottimizzare le proprie fabbriche di IA. «NVIDIA Minerva offre al nostro team operativo una vista unificata della rete, delle GPU e dei job in esecuzione su di esse, così possiamo concentrarci maggiormente sulla manutenzione proattiva anziché sulla risoluzione dei problemi», ha dichiarato Denis Skrinnikoff, direttore tecnico di IREN, nell’annuncio del lancio.

Bitdeer AI ha dichiarato che ora supporta Minerva nelle proprie attività delle fabbriche di IA, definendo questa scelta un’estensione del suo impegno a fornire un’infrastruttura GPU affidabile e ad alto rendimento per l’addestramento e l’inferenza dell’IA su larga scala. L’azienda ha affermato che le funzionalità di osservabilità, manutenzione predittiva e risoluzione agentica dei problemi della piattaforma la aiutano a individuare i cali di prestazioni prima che incidano sui job, a ridurre i tempi di riparazione e a mantenere operative più GPU a beneficio dei clienti. Ha inoltre dichiarato che il software è progettato per scalare dai cluster di piccole dimensioni alle fabbriche di IA con centinaia di migliaia di GPU.

Lenovo ha dichiarato nel suo post su GTC Berlin che Minerva può aiutare i team a gestire la disponibilità e le prestazioni dell’infrastruttura IA man mano che gli ambienti crescono, annoverandola insieme a Lenovo Hybrid AI Factory con soluzioni NVIDIA. Lenovo ha inoltre dichiarato di collaborare con IBM e NVIDIA allo sviluppo di soluzioni per fabbriche di IA sovrane, pensate per consentire ai clienti di avere il controllo delle proprie operazioni.

Oltre a IREN, NVIDIA ha indicato Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI e Tesla tra le aziende che intendono implementare Minerva. Secondo NVIDIA, Dell Technologies, Lenovo e Supermicro offriranno la piattaforma nell’ambito dei rispettivi portafogli di soluzioni per le operazioni delle fabbriche di IA.