Michael JohnsonBüyük bir yapay zekâ kümesindeki arıza, fark edilmesi güç bir sapmayla başlayabilir: GPU’lardan biri diğerlerinden daha sıcak çalışır, depolama birimi yük altında hız kaybeder ve eğitim yavaşlar. NVIDIA, 22 Ekim 2026’da altyapı ve çalışan yapay zekâ iş yüklerine ait telemetriyi tek bir görünümde birleştiren AIOps platformu Minerva’yı tanıttı.
NVIDIA’nın açıklamasına göre sistem; GPU’lardan, ağ ekipmanlarından, depolama sistemlerinden, zamanlayıcılardan ve işlerden gelen verileri ilişkilendiriyor. Pratik amacı, operatörlerin bir işteki performans düşüşünü belirli bir bileşendeki olası soruna bağlamasına yardımcı olmak; böylece farklı izleme panolarını ayrı ayrı inceleme ihtiyacını azaltmak.
Ayrı metriklerden bağlantı haritasına
Minerva, GPU’lar, SuperNIC’ler, anahtarlar ve kablolar dahil olmak üzere fiziksel altyapıyı çalışan işlerle ilişkilendiren dinamik bir bilgi grafiği oluşturuyor. NVIDIA’nın açıklamasına göre sistem saatte milyarlarca veri noktasını işliyor, kümenin olağan davranışını öğreniyor, anormallikleri belirliyor ve topolojiyi dikkate alarak ilişkili olayları eşleştiriyor.
Bu bağlantı, nöbetçi ekip için zincirleme sorunları teşhis ederken önem taşıyor: operatör, bir öğedeki bozulmanın kümenin o bölümünü kullanan bir işi nasıl etkilediğini izleyebiliyor. Minerva ayrıca ayrı uyarıların akışını azaltmak için ilişkili sinyalleri olası bir temel nedene sahip tek bir olay altında topluyor.
Öneriler iş akışının bir parçası olmayı sürdürüyor
Platformda, güncel telemetriye dayanarak kümenin durumuyla ilgili soruları yanıtlayan ve sorunları gidermek için seçenekler sunan doğal dil destekli bir yardımcı bulunuyor. Ekip, düzeltmeleri elle uygulayabilir veya otomasyon sistemini altyapı API’lerine ve harici ajan araçlarına bağlayabilir. Bu nedenle uygulamada önemli bir soru, hangi işlemlerin öneri olarak kalacağı ve operatörün hangilerinin otomatik yapılmasına izin vereceğidir.
NVIDIA, Minerva’nın hedef ölçütlerini yapay zekâ fabrikasının üretken sonuçları üzerinden tanımlıyor: GPU çalışma saatleri, goodput, küme kullanılabilirliği ve üretilen token sayısı. Böylece izlemenin odağı uyarı sayısından, altyapının durumuyla gerçekten tamamlanan hesaplama işi arasındaki bağlantıya kayıyor.
Duyuru ve uygulamaya geçiş
NVIDIA’nın açıklamasına göre Minerva’yı yapay zekâ fabrikalarını optimize etmek için hâlihazırda kullanan şirketler arasında IREN yer alıyor. Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI ve Tesla platformu devreye almayı planlıyor; Dell Technologies, Lenovo ve Supermicro ise bunu yapay zekâ fabrikalarının işletimine yönelik çözüm portföylerinin bir parçası olarak sunmayı amaçlıyor.
22 Ekim tarihli duyuru, platformun kullanılabilirliğini ve adı geçen iş ortaklarının planlarını ortaya koyuyor; ancak yayımlanan materyalde Minerva’nın kesinti süresini veya arıza bulma süresini ne ölçüde kısalttığına ilişkin karşılaştırılabilir, bağımsız ölçümler bulunmuyor. Operatörler için yararlı bir başlangıç noktası; sistemin kendi telemetri kaynaklarını kapsayıp kapsamadığını kontrol etmek, olaylarını mevcut nöbet süreciyle ilişkilendirmek ve otomatik işlemlerin sınırlarını ayrıca belirlemektir. Bu yaklaşımın temel değeri, altyapı sinyalleriyle iş sinyallerini tek bir sorunun çevresinde birleştirmektir: Yararlı hesaplama gücü nerede ve neden kayboluyor?