NVIDIA于2026年10月22日推出NVIDIA Minerva，这是一款由AI驱动的运维平台，旨在检测基础设施问题，并帮助大型AI计算设施保持高效运行。IREN已在使用该平台，IBM、Tesla和Lambda等公司则计划部署。
要点
- Minerva连接硬件与工作负载数据，帮助运营人员找出AI任务运行缓慢或中断的原因。
- IREN正在使用该平台；另外七家公司已宣布部署计划。
- NVIDIA称，提升正常运行时间和加快维修速度是该平台旨在实现的效益，但未提供量化的客户成果。
目录
NVIDIA Minerva如何连接基础设施与工作负载
大型AI设施依赖GPU、网络、存储和调度系统协同运作。单个组件性能下降就可能拖慢整个训练任务，而各自独立的监控工具可能导致运维团队只能分别查看同一问题的不同部分。
NVIDIA Minerva的全栈可观测能力将基础设施和工作负载遥测数据汇集到统一视图中。动态知识图谱可映射GPU、网络适配器、交换机和线缆等硬件，以及在其上运行的任务。
NVIDIA表示，该平台利用有监督和无监督机器学习，每小时分析数十亿个数据点。该平台旨在学习正常运行模式、检测异常、预测即将发生的故障，并将相关事件联系起来，找出可能的根本原因。
其实用目标是从可能产生的大量警报中识别出潜在故障。运营人员无需分别调查每个症状，而是可以根据与受影响的基础设施和工作负载相关联的整合事件开展处理。
| 项目 | 详情 |
|---|---|
| 已在使用Minerva | IREN |
| 计划部署 | Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI和Tesla |
| 将在运维产品组合中提供Minerva | Dell Technologies、Lenovo和Supermicro |
AI辅助故障排查与维护
Minerva内置AI助手，并可连接外部智能体AI工具。运营人员可以用自然语言询问集群运行状况，并获得依据实时遥测数据生成的建议解决方案。
团队可以保留对修复操作的人工控制权，也可以通过基础设施应用程序编程接口和外部系统将该平台接入自动化流程。因此，公告描述了人工监督下的故障排查和自动化工作流，而非要求平台自主修复。
NVIDIA将该平台定位于提升AI工厂产出：以GPU小时数、有效吞吐量、集群正常运行时间和令牌产量衡量有用产出。更早发现故障和更快进行诊断旨在保障产出，但公告未量化正常运行时间的提升、维修时间的缩短或客户成本的节省。
客户使用情况与计划部署
IREN首席技术官Denis Skrinnikoff表示，Minerva让公司的运营团队能够在一个视图中查看网络、GPU和正在运行的任务，帮助团队将更多精力放在主动维护上，而不是故障排查。
其他被点名的用户仍处于计划部署阶段。NVIDIA还指出，三家硬件供应商将在其AI工厂运维产品组合中提供Minerva。
结论
下一步是由已宣布计划的公司部署该平台，并将其纳入供应商的运维产品组合。这些承诺与IREN已在使用该平台的情况不同；公告没有提供部署日期或量化的性能结果。
阅读更多新闻
免责声明
本文由FinanceVelix提供一般信息，不构成个性化财务、投资、法律或税务建议。市场价格、利率和经济状况可能发生变化；投资存在亏损风险。文中事实反映发布时可获得的资料，之后可能发生变化。请独立核实重要信息，并在需要时咨询具备资质的专业人士。提及某项资产、公司或服务并不代表对其予以认可。
