NVIDIA 发布 Minerva，为 AI 工厂提供端到端可观测性

核心事实

NVIDIA 于 2026 年 10 月 22 日发布 AIOps 平台 Minerva，目标是帮助团队更早发现问题、维持 AI 工厂的产出。据 NVIDIA 博客介绍，该平台汇聚来自基础设施与 AI 工作负载的遥测数据，再以专门构建的 AI 模型把数据转化为及时、可执行的洞察。平台围绕「AI 工厂产出率」设计，该指标衡量 GPU 小时、有效吞吐（goodput）、集群正常运行时间与 token 产出等维度上的有效工作量。

背景与影响

NVIDIA 指出，传统监控工具常把数据中心拆成彼此分离的视图，网络、计算、站点可靠性与机器学习团队各看一部分。Minerva 打通 NVIDIA GPU、网络、存储、调度器与工作负载的信号，构建动态知识图谱，把 GPU、SuperNIC、交换机、线缆以及其上运行的作业逻辑映射起来，从而在数十万 GPU 规模的工厂中追溯拖慢训练作业的组件。平台称每小时分析数十亿数据点，学习正常行为、检测此前未见的异常、预测潜在故障并按拓扑关联事件，把大量告警聚合成单一事件并给出可能的根因。Minerva 还内置 AI 助手并可连接外部智能体工具，提供基于实时遥测的自然语言界面，运营人员可保留人工确认环节，或通过基础设施 API 接入自动化。IREN 是使用该平台的合作伙伴之一，其首席技术官 Denis Skrinnikoff 在博客中表示，Minerva 让运营团队获得网络、GPU 与作业的统一视图。Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 与 Tesla 计划部署 Minerva；Dell Technologies、Lenovo 与 Supermicro 将把 Minerva 纳入其 AI 工厂运营产品组合。

限制与来源

上述内容来自 NVIDIA 博客，属厂商自述，文中未披露定价、许可条款、具体性能数字与各地区的可用时间，相关功能与部署范围请以 NVIDIA 官网当前信息为准。计划部署的名单为厂商表述，尚未获独立确认。