英伟达发布Minerva，为AI工厂带来端到端可观测性
内容提要
英伟达发布AIOps平台Minerva，为AI工厂提供端到端可观测性。该平台整合GPU、网络、存储、调度器与工作负载的遥测数据，构建动态知识图谱，利用机器学习分析海量数据，识别异常、预测故障并定位根因，将大量告警聚合为单一事件。平台还提供AI助手，支持自然语言查询与修复建议。IREN、IBM、特斯拉等计划部署，戴尔、联想、超微将纳入其AI工厂运营产品组合。
延伸解读
从分散监控到统一视图
传统监控工具常将网络、计算、站点可靠性和机器学习团队的数据割裂开，各团队只能看到局部。Minerva 将英伟达 GPU、网络、存储、调度器和工作负载的遥测信号连接起来，构建动态知识图谱，逻辑映射 GPU、SuperNIC、交换机和线缆以及其上运行的任务。这种跨层关联有助于在数十万 GPU 的工厂中，将缓慢的训练任务追溯到影响它的具体组件，减少跨团队排查的盲区。
告警风暴的收敛与根因定位
AI 工厂规模下，单个组件性能下降就可能拖慢整个任务，而 GPU 温度异常或 NVMe 盘负载下性能损失等预警信号容易被忽略。Minerva 每小时分析数十亿数据点，利用监督与无监督机器学习学习正常行为、检测未见异常、预测故障，并基于工厂拓扑关联相关事件。它能把大量症状聚合为聚焦事件并给出可能根因，而不是把每个告警都推给运维人员，从而支持从被动响应转向主动维护。
AI 助手与自动化边界
Minerva 内置原生 AI 助手，并可连接外部代理式 AI 工具，提供基于实时遥测的自然语言界面。运维人员可通过对话调查集群健康状态并获得修复建议。文章明确团队可保留人工环节手动实施修复，也可通过基础设施 API 和外部系统将 Minerva 接入自动化。这意味着平台既支持人机协同，也为后续自动化留出接口，但具体修复效果仍取决于部署方的流程设计。
部署生态与衡量指标
IREN、Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 和特斯拉计划部署 Minerva；戴尔、联想和超微将把 Minerva 纳入其 AI 工厂运营产品组合。平台围绕 AI 工厂良率展开，文章将其衡量为 GPU 小时、有效吞吐、集群正常运行时间和令牌产出等指标，并强调延长无中断运行时间、缩短修复时间以及从海量数据中筛选关键告警。这些指标为评估平台价值提供了参照，但文章未给出具体量化结果。
Q&A
英伟达发布的Minerva是什么？主要解决什么问题？
Minerva是英伟达推出的AIOps平台，旨在为AI工厂提供端到端可观测性。它整合基础设施与AI工作负载的遥测数据，利用专用AI模型将数据转化为及时、可操作的洞察，帮助团队更早发现问题并保持AI工厂的生产力。
Minerva如何帮助定位AI工厂中的性能问题？
Minerva连接英伟达GPU、网络、存储、调度器和工作负载的信号，构建动态知识图谱，逻辑映射基础设施（GPU、SuperNIC、交换机、线缆）及其上运行的任务。借助这一上下文，运维人员可将缓慢的训练任务追溯到影响它的组件，即使工厂有数十万块GPU也能做到。
Minerva在告警处理上有什么特别之处？
Minerva每小时分析数十亿数据点，使用监督与无监督机器学习学习正常行为、检测未见异常、预测故障并按工厂拓扑关联事件。它不会把每个症状都推给运维人员，而是能将告警风暴聚合成一个聚焦的事件，并给出可能的根因。
Minerva的AI助手能做什么？
Minerva内置原生AI助手，并连接外部代理式AI工具，提供基于实时遥测的自然语言界面。运维人员可通过对话调查集群健康状况并获得修复建议，既可人工执行修复，也可通过基础设施API和外部系统接入自动化。
使用Minerva能给AI工厂带来哪些实际收益？
Minerva帮助AI工厂提升关键指标：延长无中断运行时间（提前发现问题）、缩短修复时间（精准定位问题）、增强洞察（过滤海量数据，只保留真正重要的少量告警），从而最大化GPU正常运行时间和AI工厂产出。
哪些公司计划部署或提供Minerva？
IREN、Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI和特斯拉计划部署Minerva。戴尔、联想和超微将把Minerva纳入其AI工厂运营产品组合。
