Michael JohnsonСбой в большом ИИ-кластере может начинаться с незаметного отклонения: один GPU работает горячее остальных, накопитель теряет скорость под нагрузкой, а обучение замедляется. 22 октября 2026 года NVIDIA представила Minerva — платформу AIOps, которая сводит телеметрию инфраструктуры и выполняемых ИИ-нагрузок в общую картину.
По описанию NVIDIA, система сопоставляет данные GPU, сетевого оборудования, хранилищ, планировщиков и заданий. Её практическая цель — помочь операторам связать ухудшение работы задания с вероятной проблемой конкретного компонента, вместо того чтобы разбирать разрозненные панели мониторинга.
От отдельных метрик к карте связей
Minerva строит динамический граф знаний, который связывает физическую инфраструктуру — включая GPU, SuperNIC, коммутаторы и кабели — с выполняемыми заданиями. По заявлению NVIDIA, система обрабатывает миллиарды точек данных в час, учится на обычном поведении кластера, выявляет аномалии и сопоставляет связанные события с учётом топологии.
Для дежурной команды такая связь важна при диагностике каскадных проблем: оператор может проследить, как деградация одного элемента отражается на задании, которое использует этот участок кластера. Minerva также группирует связанные сигналы в инцидент с вероятной первопричиной, чтобы сократить поток отдельных предупреждений.
Рекомендации остаются частью рабочего процесса
В платформу встроен помощник на естественном языке, который отвечает на вопросы о состоянии кластера на основе текущей телеметрии и предлагает варианты устранения проблем. Команда может применить исправление вручную или связать систему автоматизации с инфраструктурными API и внешними инструментами агентов. Поэтому важный практический вопрос для внедрения — какие действия остаются рекомендациями, а какие оператор разрешает выполнять автоматически.
NVIDIA описывает целевые показатели Minerva через полезный результат работы ИИ-фабрики: часы работы GPU, goodput, доступность кластера и выпуск токенов. Это переносит фокус мониторинга с числа предупреждений на связь между состоянием инфраструктуры и фактически выполненной вычислительной работой.
Анонс и внедрение
Среди компаний, которые, по сообщению NVIDIA, уже используют Minerva для оптимизации ИИ-фабрик, названа IREN. Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI и Tesla планируют развернуть платформу; Dell Technologies, Lenovo и Supermicro намерены предлагать её в составе своих портфелей решений для эксплуатации ИИ-фабрик.
Анонс от 22 октября фиксирует доступность платформы и планы названных партнёров, однако в опубликованном материале нет сопоставимых независимых измерений того, насколько Minerva сокращает простой или время поиска неисправности. Для операторов полезная отправная точка — проверить, охватывает ли система их источники телеметрии, связать её инциденты с уже используемым процессом дежурств и отдельно определить границы автоматических действий. Главная ценность подхода — объединение инфраструктурных и рабочих сигналов вокруг одной задачи: понять, где теряется полезная вычислительная мощность и почему.