Michael Johnson模型训练变慢时，原因可能并不在 GPU：网络、存储设备、作业调度器，或其他计算任务依赖的组件，都可能是问题所在。2026 年 10 月 22 日，NVIDIA 推出了 Minerva，这是一款将基础设施遥测数据与正在运行的 AI 工作负载数据关联起来的 AIOps 平台。公司将其定位为提升其 AI 工厂可用性与生产力的工具。
Minerva 从 GPU、网络设备、存储、调度器和工作负载收集信号。随后，平台构建组件与作业之间的动态关系图。根据 NVIDIA 的介绍，这些上下文信息有助于追踪硬件异常如何影响特定训练任务，并将相关事件合并为一个带有可能根因的事件。该平台每小时分析数十亿个遥测数据点——这是 NVIDIA 对系统性能的描述。
事件排查方式的变化
大型集群监控中常见的问题之一，是计算、网络和运维数据彼此分离。Minerva 试图将这些层面关联起来：网络接口异常可以与 GPU 状态以及使用该网络路径的作业性能一并查看。实际目标是缩短从一组信号到定位瓶颈的过程。
该平台内置可用自然语言提问的 AI 助手，并支持连接外部智能体工具。运维人员可以根据实时遥测数据查看集群状态，并获取问题排查建议。NVIDIA 描述的使用方式既包括员工手动应用修复，也包括通过基础设施 API 和外部系统接入自动化。
对运维工作而言，这将诊断与执行分开。关联信号有助于更快确定问题所在，而自动修改基础设施仍是团队需要单独决定的事项。部署时，最好提前明确哪些建议可以自动执行、哪些需要确认，以及在哪里记录执行结果。这是根据 NVIDIA 所描述的建议、手动修复与接入自动化之间的区别得出的实际考量。
哪些组织可以使用该平台
NVIDIA 表示，IREN 已在使用 Minerva；包括 IBM、Lambda 和 Tesla 在内的另外八家组织计划部署。公司称，Dell Technologies、Lenovo 和 Supermicro 将在其 AI 工厂解决方案组合中提供 Minerva。此次公告列出了现有和计划中的部署，但没有提供独立的对比数据来衡量其对运维人员的实际效果。
NVIDIA 产品页面列出了多种部署方式，从收集遥测数据并将其传送到 Grafana 等外部工具，到部署完整的 AIOps 平台。文档还介绍了如何从不同组件收集信号，以及如何与运维工具集成。评估产品前，团队应将受支持的数据源与自身基础设施进行比对，检查遥测覆盖范围，并记录基准指标：集群可用性、GPU 损失时长、诊断时间和恢复时间。
Minerva 面向需要排查计算、网络与 AI 任务交汇处故障的组织。它的实际价值在于将这些信号汇聚到共同的上下文中；对具体集群而言，是否有用，可以看它能否有效找出真实故障的原因并缩短恢复时间。