NVIDIA 发布 Minerva:AIOps 平台为 AI 工厂提供端到端可观测性
NVIDIA Blog · rss · 2026-10-22
NVIDIA 发布 AIOps 平台 Minerva，为「AI 工厂」提供端到端可观测性，目标是更早发现问题、最大化 GPU 产出。
- 核心思路：打通 GPU、网络、存储、调度器与工作负载的遥测数据，构建动态知识图谱，把基础设施（GPU、SuperNIC、交换机、线缆）与运行其上的任务逻辑映射起来，可将慢训练任务追溯到具体故障组件——即使是在数十万 GPU 规模的集群上。
- 技术能力：每小时分析数十亿数据点，用监督/无监督模型学习正常行为、检测未知异常、预测故障并按拓扑关联事件，把告警风暴收敛为带根因的单一事件。
- 交互方式：内置原生 AI 助手并支持接入外部 agentic AI 工具，运维人员可用自然语言排查集群健康并获得修复建议，可保留人工执行或通过 API 接自动化。
- 落地：IREN 已在用，Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI、Tesla 计划部署；Dell、联想、Supermicro 将随 AI 工厂方案提供。
「Infra」频道最新
- SpaceX 拟接入 8 万座美国基站，博彩市场给了 29% 成运营商概率 — Polymarket · 2026-10-23
- Modular 宣布 MAX 框架开源：AI 计算不应被单一芯片厂商锁定 — clattner_llvm · 2026-10-23
- Modular 开放 MAX 源码，要做「AI 界的 LLVM」打破芯片锁定 — clattner_llvm · 2026-10-23
- Claude 模型登陆 Google Cloud:Anthropic 托管版正式可用 — claudeai · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23
- Perplexity 联手 AMD 推便携 AI 主机，本地跑 27B 模型做实时研究 — AravSrinivas · 2026-10-23