英伟达重磅发布Minerva：AI工厂智能运维平台，实时解析百亿数据点，大幅提升GPU效率

英伟达推出AI工厂“智慧大脑”：Minerva运维平台深度解析

在AI计算规模急速扩张的当下，如何确保庞大的GPU集群稳定、高效运行，成为行业面临的核心挑战。近日，英伟达正式发布了其专为AI工厂设计的智能运维平台——Minerva，旨在为复杂的人工智能基础设施提供一个集中化的“神经系统”。

传统运维模式往往在故障发生后才进行干预，而Minerva的设计理念是防患于未然。其最核心的能力在于超大规模的数据实时处理与分析。平台能够每小时消化来自基础设施和AI工作负载的数十亿个遥测数据点。

通过对这些海量数据的持续分析，Minerva可以精准地识别出系统行为的异常模式，并据此预测潜在的硬件或软件故障。更重要的是，它能够将来自不同监控源的、看似孤立的告警信息进行智能关联与整合，最终转化为清晰、可执行的故障处理工单，直接指引运维团队采取最有效的行动。

为了让运维工作更加直观高效，Minerva还集成了一个原生的AI助手。运维人员无需编写复杂的查询语句，直接通过自然语言提问，例如“过去一小时内集群的总体健康状况如何？”或“哪个节点的GPU利用率异常？”，即可快速获取关键洞察和修复建议。

这一功能极大地降低了AI基础设施的管理门槛，让专家能将精力更多地聚焦在战略优化，而非繁琐的数据筛查上。

Minerva的推出迅速获得了产业界的关注。据悉，数字基础设施提供商IREN已经在实际环境中使用该平台。与此同时，包括Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI以及特斯拉在内的多家行业领先企业，也已计划部署Minerva来管理其AI算力。

此外，硬件合作伙伴戴尔、联想和超微（Supermicro）也宣布，将把Minerva平台集成到各自面向AI工厂的运维解决方案产品组合中。这一系列的行业动向，标志着AI基础设施的运维管理正朝着更智能、更统一的标准迈进。

随着AI模型训练与推理的复杂度不断提升，像Minerva这样能够提供全景式洞察和预测性维护的工具，正成为释放AI算力全部潜力的关键一环。