Michael Johnson大型AI集群发生故障，起因可能只是一个不起眼的异常：某块GPU的运行温度高于其他GPU，存储设备在负载下速度下降，训练任务随之变慢。2026年10月22日，NVIDIA推出AIOps平台Minerva，将基础设施和正在运行的AI工作负载遥测数据整合为一幅全局视图。
根据NVIDIA的介绍，该系统会关联GPU、网络设备、存储、调度器和任务的数据。其实际目标是帮助运营者将任务性能下降与特定组件可能出现的问题联系起来，而不必逐一排查彼此割裂的监控面板。
从单项指标到关联图谱
Minerva会构建动态知识图谱，将GPU、SuperNIC、交换机和线缆等物理基础设施与正在运行的任务关联起来。NVIDIA称，该系统每小时处理数十亿个数据点，通过学习集群的正常运行模式来发现异常，并结合拓扑结构关联相关事件。
在诊断连锁问题时，这种关联对值班团队很重要：运营者可以追踪某个组件性能下降如何影响使用集群相应部分的任务。Minerva还会将相关信号归并为包含可能根因的事件，以减少零散告警。
建议仍是工作流程的一部分
平台内置自然语言助手，可依据当前遥测数据回答有关集群状态的问题，并提供问题处理方案。团队可以手动应用修复，也可以将自动化系统连接到基础设施API和外部代理工具。因此，部署时一个重要的实际问题是：哪些操作仅作为建议，哪些操作可以由运营者授权自动执行。
NVIDIA通过AI工厂的有效产出来描述Minerva的目标指标：GPU运行小时数、有效吞吐量（goodput）、集群可用性和令牌产出。这使监控重点从告警数量转向基础设施状态与实际完成的计算工作之间的关系。
发布与部署
NVIDIA称，IREN已在使用Minerva优化AI工厂。Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI和Tesla计划部署该平台；Dell Technologies、Lenovo和Supermicro则计划将其纳入各自面向AI工厂运维的解决方案组合中提供。
10月22日的公告确认了平台已推出及上述合作伙伴的部署计划，但已发布的材料未提供可供比较的独立数据，来衡量Minerva能将停机时间或故障排查时间缩短多少。运营者可以先确认系统是否覆盖自身的遥测数据来源，将其事件与现有值班流程衔接，并明确自动操作的边界。该方案的核心价值，是围绕同一个问题整合基础设施信号与工作负载信号：找出有效计算能力损失在哪里，以及原因何在。