NVIDIA запустила Minerva — AIOps-платформу для крупных кластеров, на которых обучают и запускают модели. Система собирает телеметрию инфраструктуры и нагрузок, а затем применяет модели для поиска аномалий и начинающихся отказов.
Minerva объединяет сигналы GPU, сетей, хранилищ, планировщиков и задач. Динамический граф знаний связывает задачу с конкретными GPU, SuperNIC, коммутаторами и кабелями. По заявлению NVIDIA, платформа анализирует миллиарды точек данных в час, изучает нормальное поведение и группирует поток событий в один инцидент с вероятной причиной.
Встроенный ассистент позволяет запрашивать состояние кластера и получать рекомендации. Исправления можно оставить оператору либо подключить автоматизацию через API. IREN уже использует Minerva; ещё семь компаний, включая IBM и Tesla, планируют развёртывание. Dell, Lenovo и Supermicro включат её в свои портфели. Цены и условия доступа не указаны. Платформа ориентируется на полезную работу кластера: часы GPU, goodput, доступность и выпуск токенов. Она должна замечать ранние сигналы вроде перегрева GPU или падения производительности NVMe под нагрузкой, пока один компонент не замедлил всю задачу. NVIDIA не приводит независимых измерений сокращения простоев или времени ремонта. Ассистент опирается на текущую телеметрию и может подключаться к внешним агентным инструментам; автоматическое исправление остаётся отдельным выбором команды эксплуатации.
