Michael JohnsonКогда обучение модели замедляется, причина может находиться за пределами GPU: в сети, накопителе, планировщике заданий или другом компоненте, от которого зависит вычислительная задача. 22 октября 2026 года NVIDIA представила Minerva — платформу AIOps, которая связывает телеметрию инфраструктуры с данными о выполняемых ИИ-нагрузках. Компания позиционирует её как инструмент для повышения доступности и продуктивности своих ИИ-фабрик.
Minerva собирает сигналы с GPU, сетевого оборудования, хранилищ, планировщиков и рабочих нагрузок. Затем платформа строит динамический граф связей между компонентами и заданиями. По описанию NVIDIA, такой контекст помогает проследить, как аппаратная аномалия влияет на конкретную задачу обучения, и объединять связанные события в один инцидент с вероятной первопричиной. Платформа анализирует миллиарды точек телеметрии в час — это заявленная NVIDIA характеристика системы.
Что меняется в разборе инцидентов
Обычная проблема мониторинга крупных кластеров — раздельные представления для вычислений, сети и эксплуатации. Minerva пытается связать эти слои: отклонение сетевого интерфейса можно рассматривать рядом с состоянием GPU и производительностью задания, которое использует этот маршрут. Практическая цель — сократить путь от набора сигналов к локализации узкого места.
У платформы есть встроенный ИИ-помощник для вопросов на естественном языке и подключение к внешним агентным инструментам. Оператор может исследовать состояние кластера по живой телеметрии и получать рекомендации по устранению проблем. NVIDIA описывает вариант, при котором сотрудник применяет исправление вручную, а также возможность подключить автоматизацию через API инфраструктуры и внешние системы.
Для эксплуатации это разделяет диагностику и действие. Сопоставление сигналов может помочь быстрее определить, где искать причину, а автоматическое изменение инфраструктуры остаётся отдельным решением команды. При внедрении полезно заранее определить, какие рекомендации допустимо выполнять автоматически, какие требуют подтверждения и где фиксируются результаты. Это практический вывод из описанного NVIDIA разделения между рекомендациями, ручным исправлением и подключённой автоматизацией.
Кому доступна платформа
NVIDIA сообщила, что IREN уже использует Minerva; ещё восемь организаций, включая IBM, Lambda и Tesla, планируют развёртывание. Dell Technologies, Lenovo и Supermicro, по данным компании, предложат Minerva в составе своих портфелей решений для ИИ-фабрик. Анонс перечисляет текущие и планируемые внедрения, но не содержит независимых сравнительных измерений эффекта для операторов.
На странице продукта NVIDIA перечислены варианты развёртывания — от сбора телеметрии с передачей данных во внешние инструменты, например Grafana, до полноценной платформы AIOps. Документация также описывает сбор сигналов из разных компонентов и интеграции с инструментами эксплуатации. Перед оценкой продукта команде стоит сопоставить перечень поддерживаемых источников с собственной инфраструктурой, проверить охват телеметрии и зафиксировать исходные показатели: доступность кластера, потерянные часы GPU, время диагностики и восстановления.
Minerva адресована организациям, которым приходится разбирать инциденты на стыке вычислений, сети и ИИ-задач. Её прикладной смысл — собрать эти сигналы в общий контекст; ценность для конкретного кластера можно оценить по тому, насколько хорошо система находит причины реальных сбоев и сокращает время восстановления.