英伟达于 2026 年 10 月 22 日宣布推出 Minerva。这是一款 AIOps 平台,旨在监控 GPU 集群,为 AI 基础设施运维提供支持。该平台在英伟达举办的 GTC Berlin 活动上首次亮相,同时发布的还有面向 AI 工厂的新款 DSX POD 参考设计。Minerva 将来自 GPU、网络、存储区、作业调度和 AI 工作负载的遥测数据整合到统一的监控系统中。该平台通过将机器学习模型应用于基础设施堆栈,预测硬件故障并检测异常,从而应对大规模 AI 部署带来的运维复杂性。
英伟达 Minerva 整合 GPU 基础设施中的遥测数据
Minerva 将来自 GPU、网络、存储区、作业调度和 AI 工作负载的遥测数据整合到统一视图中。该平台同时应用有监督和无监督机器学习模型。根据发布时公布的研究结果,它每小时可以分析数十亿个数据点。这些模型旨在预测硬件故障、检测异常并关联整个堆栈中的事件。
该平台包含一个具备拓扑感知能力的知识图谱。Minerva 会映射 GPU、SuperNIC 和线缆之间的物理与逻辑连接关系。当警报触发时,系统会将相关警报归为一组,并指出可能的根本原因。
Minerva 原生搭载 AI 助手,可接受自然语言查询。操作人员可以用日常语言询问集群健康状况,而不必针对原始日志编写查询。
平台追踪 GPU 小时数和有效吞吐量指标
英伟达将 Minerva 定位为最大化 AI 工厂产出的工具。该平台重点关注的关键绩效指标包括 GPU 小时数、有效吞吐量、集群正常运行时间和 Token 产出效率。
有效吞吐量衡量实际有用的工作量,不计入重试、失败的作业和浪费的计算周期。吞吐量则衡量系统处理的工作量。
该平台面向包含数十万块 GPU 的超大规模部署。英伟达将 Minerva 定位为推动运维从被动故障排查转向主动维护的工具,其既定目标是大幅提升正常运行时间并缩短维修时间。
IREN、IBM、特斯拉是早期采用者
IREN 被列为集成 Minerva 的知名早期客户。IBM、特斯拉和 Jio 也被列为该平台的早期采用者和合作伙伴。
在硬件方面,戴尔科技和 Lenovo 将把 Minerva 纳入其 AI 工厂产品。
常见问题
英伟达于 2026 年 10 月 22 日宣布了什么?
英伟达宣布推出 Minerva。这是一款 AIOps 平台,旨在监控 GPU 集群,为 AI 基础设施运维提供支持。该平台在英伟达举办的 GTC Berlin 活动上首次亮相,同时发布的还有面向 AI 工厂的新款 DSX POD 参考设计。
Minerva 如何分析 GPU 集群数据?
Minerva 同时应用有监督和无监督机器学习模型,每小时分析数十亿个数据点。该平台将来自 GPU、网络、存储区、作业调度和 AI 工作负载的遥测数据整合到统一视图中,并利用具备拓扑感知能力的知识图谱,映射基础设施中的物理与逻辑连接关系。