NVIDIA推出Minerva AIOps平台，提升AI工厂可观测性

NVIDIA于2026年10月22日推出Minerva，并将其描述为一款AIOps平台，可帮助运维团队更早发现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，再运用专门构建的AI模型，将这些数据转化为可采取行动的洞察。

NVIDIA表示，AI工厂是全球最复杂的运营环境之一：海量GPU集群通过高速网络训练模型并运行AI应用。在如此庞大的规模下，任何一个组件性能下降——例如某块GPU的运行温度高于同类设备，或NVMe硬盘在负载下性能下滑——都可能拖慢整个作业，而这类预警信号很容易被忽略。Minerva旨在提升NVIDIA所称的AI工厂产出效益，即衡量基础设施所完成的有效工作量，指标包括GPU小时数、有效吞吐量、集群正常运行时间和令牌产量。

构建工厂动态知识图谱

传统监控工具往往将数据中心划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只能看到运营情况的一部分。NVIDIA表示，Minerva能够关联其GPU、网络、存储、调度器和工作负载中的各类信号。

Minerva根据这些信号构建动态知识图谱，以逻辑关系映射GPU、SuperNIC、交换机和线缆，以及在这些设备上运行的作业。NVIDIA表示，即使工厂部署了数十万块GPU，这种映射也能让运维人员追溯运行缓慢的训练作业，找到影响其性能的组件。

NVIDIA称，该平台每小时会分析数十亿个数据点，运用有监督和无监督机器学习来学习正常行为模式、标记此前未遇到过的异常、预测逐渐显现的故障，并根据工厂拓扑关联相关事件。平台还能将大量相互关联的事件整合为一项重点事件，并附上可能的根本原因，而不是将每个单独的症状都转发给运维人员。

AI助手与问题修复工作流

Minerva配备了原生AI助手，也可以连接外部智能体式AI工具，为运维人员提供基于实时遥测数据的自然语言交互界面。运维人员可以通过对话排查集群运行状况，并获取建议的修复方案。团队可以安排人员介入并手动处理修复，也可以通过基础设施应用程序编程接口和外部系统将平台接入自动化流程。

Bitdeer AI于10月22日宣布采用该平台，并将内置助手称为Sherlock，也就是Minerva原生的多智能体AI助手。该公司表示，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问题分类和调试。Bitdeer AI称，该软件既可作为独立平台部署，也已集成至NVIDIA DSX OS。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、调度器及AI工作负载。

已报告的成效

NVIDIA表示，该平台能够在AI工厂关注的关键指标上带来价值：通过在问题发生前发现隐患，延长故障间隔时间；在事件发生时准确定位问题，缩短修复时间；过滤现代AI基础设施产生的海量数据，只保留少数真正重要的警报，从而提供更有价值的洞察。该公司称，平台会将相关问题汇总为一项可采取行动的任务，帮助AIOps团队从被动响应转向主动维护，进而提高AI工厂的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数天缩短至6小时；在另一个案例中，它将81条噪声事件合并为一条警报，挽回了54小时的集群正常运行时间。Bitdeer AI还表示，内部测试显示，预测性维护延长了平均中断间隔时间，自动化根本原因分析缩短了平均修复时间，先进的噪声抑制提升了可采取行动的洞察数量，而有效GPU小时数的增加则直接提高了令牌产量。

早期采用者与OEM合作伙伴

IREN是使用Minerva优化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统一查看网络、GPU以及在其上运行的作业，使我们能将更多精力放在主动维护上，而不是故障排查上。”

Bitdeer AI表示，Minerva现已用于其AI工厂运营，并称此举进一步体现了公司致力于为大规模AI训练和推理提供可靠、高产出的GPU基础设施。该公司表示，平台的可观测性、预测性维护和智能体式故障排查能力有助于他们在性能下降影响作业前及时发现问题、缩短修复时间，并让更多GPU持续为客户提供有效算力；该软件还专为扩展而构建，既适用于小型集群，也可扩展至拥有数十万块GPU的AI工厂。

Lenovo 在自己的 GTC Berlin 帖文中表示，随着环境规模不断扩大，Minerva 可以帮助团队管理 AI 基础设施的可用性和性能，并将其与搭载 NVIDIA 解决方案的 Lenovo Hybrid AI Factory 并列介绍。Lenovo 还表示，正在与 IBM 和 NVIDIA 合作开发主权 AI 工厂解决方案，旨在让客户能够掌控自身运营。

除 IREN 外，NVIDIA 还表示，Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 和 Tesla 计划部署 Minerva。据 NVIDIA 称，Dell Technologies、Lenovo 和 Supermicro 将把该平台纳入各自的 AI 工厂运营产品组合中提供。