NVIDIA lanserar Minerva, en AIOps-plattform för observerbarhet i AI-fabriker

NVIDIA lanserade Minerva den 22 oktober 2026 och beskrev den som en AIOps-plattform som gör att driftteam kan få tidigare varningar om infrastrukturproblem i AI-fabriker. Minerva samlar telemetridata från både infrastrukturen och AI-arbetsbelastningar och använder sedan specialutvecklade AI-modeller för att omvandla dessa data till användbara insikter, enligt företaget.

AI-fabriker hör till de mest komplexa verksamheterna i världen, säger NVIDIA, med enorma GPU-flottor som tränar modeller och kör AI-applikationer över höghastighetsnätverk. En enda komponent som fungerar sämre i en sådan skala – en GPU som blir varmare än de andra eller en NVMe-enhet som tappar prestanda under belastning – kan göra att ett helt jobb går långsammare, och sådana varningstecken är lätta att missa. Minerva fokuserar på det NVIDIA kallar avkastning i AI-fabriker: det användbara arbete som infrastrukturen producerar, mätt i GPU-timmar, goodput, klustrets drifttid och tokenproduktion.

En dynamisk kunskapsgraf över fabriken

Traditionella övervakningsverktyg delar ofta upp datacentret i separata vyer, där nätverks-, beräknings-, driftsäkerhets- och maskininlärningsteam ser varsin del av verksamheten. NVIDIA säger att Minerva kopplar samman dessa signaler från företagets GPU:er, nätverk, lagring, schemaläggare och arbetsbelastningar.

Utifrån dessa signaler skapar Minerva en dynamisk kunskapsgraf som logiskt kartlägger GPU:er, SuperNIC:er, switchar och kablar tillsammans med de jobb som körs på dem. NVIDIA säger att kartläggningen gör det möjligt för operatörer att spåra ett långsamt träningsjobb tillbaka till den komponent som påverkar det, även i en fabrik med hundratusentals GPU:er.

Enligt NVIDIA analyserar plattformen miljarder datapunkter i timmen med övervakad och oövervakad maskininlärning. Den lär sig hur normalt beteende ser ut, flaggar avvikelser som den inte har stött på tidigare, förutsäger fel när de börjar uppstå och kopplar samman relaterade händelser utifrån fabrikens topologi. Plattformen kan samla en flod av relaterade händelser i en enda fokuserad incident med en sannolik grundorsak, i stället för att vidarebefordra varje enskilt symtom till en operatör.

AI-assistent och arbetsflöde för åtgärder

Minerva levereras med en inbyggd AI-assistent och kan även anslutas till externa agentiska AI-verktyg, vilket ger operatörer ett gränssnitt på naturligt språk som bygger på aktuell telemetridata. Operatörer kan undersöka klustrets hälsa och få rekommendationer om åtgärder genom en dialog. Team kan låta en person vara med i processen och genomföra korrigeringar manuellt eller ansluta plattformen till automatisering via programmeringsgränssnitt för infrastruktur och externa system.

Bitdeer AI, som meddelade att företaget självt hade börjat använda plattformen den 22 oktober, kallar den inbyggda assistenten Sherlock, Minervas plattformsinbyggda AI-assistent med flera agenter, och säger att en MCP-server gör det möjligt för operatörer att triagera och felsöka genom samtal på naturligt språk som bygger på aktuell telemetridata. Enligt Bitdeer AI kan programvaran driftsättas som en fristående plattform och är integrerad med NVIDIA DSX OS. I företagets meddelande anges att telemetrin omfattar NVIDIA-GPU:er, ConnectX SuperNIC:er, BlueField-DPU:er, NVLink-switchar för skalning, Spectrum-X Ethernet för trafik i öst-västlig och nord-sydlig riktning, NCCL, schemaläggare och AI-arbetsbelastningar.

Rapporterade resultat

NVIDIA säger att plattformen ger resultat inom de nyckeltal som är viktiga för AI-fabriker: längre tid mellan avbrott genom att upptäcka problem innan de uppstår, kortare reparationstid genom att ringa in problemet när en incident inträffar och bättre insikter genom att filtrera det stora dataflöde som modern AI-infrastruktur genererar till de få aviseringar som verkligen spelar roll. Företaget säger att plattformen samlar relaterade problem i en enda åtgärdspunkt, så att AIOps-team kan gå från reaktivt till proaktivt underhåll och hjälpa AI-fabriker att maximera GPU-drifttiden.

Bitdeer AI rapporterade resultat från NVIDIAs interna tester i en AI-fabrik: i ett fall minskade Minerva den genomsnittliga reparationstiden för ett strömfel i en NVMe-enhet från ett avbrott som varade i flera dagar till sex timmar. I ett annat fall slog plattformen samman 81 brusiga händelser till en enda avisering och sparade 54 timmars klusterdrifttid. Bitdeer AI uppgav att de interna testerna också visade en ökning av den genomsnittliga tiden mellan avbrott tack vare prediktivt underhåll, en minskning av den genomsnittliga reparationstiden tack vare automatiserad grundorsaksanalys, fler användbara insikter tack vare avancerad brusreducering och fler effektiva GPU-timmar, vilket direkt ökar tokenproduktionen.

Tidiga användare och OEM-partner

IREN är en av NVIDIA:s partner som använder Minerva för att optimera sina AI-fabriker. ”NVIDIA Minerva ger vårt driftteam en samlad vy över nätverket, GPU:erna och jobben som körs på dem, så att vi kan fokusera mer på proaktivt underhåll i stället för felsökning”, sade Denis Skrinnikoff, teknikchef på IREN, i lanseringsmeddelandet.

Bitdeer AI uppgav att företaget nu använder Minerva i driften av sina AI-fabriker och beskrev satsningen som en utvidgning av sitt åtagande att erbjuda tillförlitlig GPU-infrastruktur med hög avkastning för storskalig AI-träning och inferens. Företaget sade att plattformens observerbarhet, prediktiva underhåll och agentiska felsökning hjälper det att upptäcka försämringar innan de påverkar jobb, korta reparationstiden och hålla fler GPU:er produktiva för kunderna. Företaget uppgav också att programvaran är byggd för att kunna skalas från små kluster till AI-fabriker med hundratusentals GPU:er.

Lenovo skrev i sitt eget inlägg från GTC Berlin att Minerva kan hjälpa team att hantera tillgängligheten och prestandan hos AI-infrastruktur i takt med att miljöerna växer, och nämnde plattformen tillsammans med sina Hybrid AI Factory-lösningar med NVIDIA. Lenovo uppgav också att företaget samarbetar med IBM och NVIDIA kring lösningar för suveräna AI-fabriker, avsedda att ge kunderna kontroll över sin egen verksamhet.

Förutom IREN uppgav NVIDIA att Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI och Tesla planerar att driftsätta Minerva. Enligt NVIDIA kommer Dell Technologies, Lenovo och Supermicro att erbjuda plattformen som en del av sina portföljer för drift av AI-fabriker.