Als Teil der Full-Stack-NVIDIA Vera Rubin-Plattform verwandelt NVIDIA Minerva Full-Stack-Telemetrie von Rechenleistung und NVLink-Switching in proaktive Wartung, agentisches Debugging und Closed-Loop-Behebung. Dies schützt GPU-Stunden, Cluster-Verfügbarkeit und Token-Produktion, um die Ausbeute von KI-Fabriken zu maximieren.
NVIDIA Minerva
Die KI-native AIOps-Plattform für die Maximierung der Ausbeute von KI-Fabriken.
Überblick
Transformation des KI-Fabrikbetriebs
NVIDIA Minerva™ ist die primäre Beobachtungslösung für NVIDIA KI-Fabriken. Eine KI-native, End-to-End-AIOps-Plattform, die speziell darauf ausgelegt ist, die Verfügbarkeit und Leistung des KI-Fabrik-Infrastruktur-Stacks zu maximieren.
Als Teil der Full-Stack NVIDIA Vera Rubin-Plattform erfasst NVIDIA Minerva Telemetrie von NVIDIA-GPUs, Spectrum-X™ Ethernet, NVLink™-Switches, SuperNICs, DPUs, Schedulern (wie Slurm und NVIDIA Run:ai) und KI-Workloads. Ein dynamischer Wissensgraph, maschinelles Lernen (ML) und agentische KI bieten Anomalieerkennung in Echtzeit, automatisierte Ursachenanalyse und Closed-Loop-Fehlerbehebung. KI-Fabriken gehen von einer reaktiven zu einer proaktiven Wartung mit schnellerer agentischer Fehlerbehebung und einer Reduzierung des Warnrauschens über.
AIOps-Beobachtungslösung für NVIDIA KI-Fabriken
NVIDIA Minerva korreliert Telemetrie über NVIDIA-Rechenleistung, Netzwerke und Full-Stack-KI-Softwareangebote hinweg.
NVIDIA AI Factory
Maximieren Sie die Ausfallsicherheit und Leistung der NVIDIA Vera Rubin-Plattform.
NVIDIA DSX OS
Integrieren Sie Beobachtbarkeit in den Betrieb und die Verwaltung des DSX-Stacks.
NVIDIA Spectrum-X Ethernet
Nutzen Sie Hochfrequenz-Telemetrie für durchgängige Netzwerkbeobachtbarkeit.
Leistungsmerkmale und Vorteile
Höhere Infrastrukturauslastung für mehr KI-Durchsatz
Lassen Sie die KI-Fabrik mit voller Effizienz laufen, um den Ertrag zu maximieren, Modelltraining und Inferenz zu beschleunigen und die Token-Produktion zu erhöhen.
Maximierte Rechenverfügbarkeit
Handlungsrelevante Erkenntnisse gewinnen GPU-Stunden zurück, die andernfalls durch unerkannte Ausfälle verloren gingen.
Von der Reaktion zur Prävention
Aufkommende Fehler und Leistungseinbußen werden erkannt, bevor sie Trainingsaufgaben zum Absturz bringen.
Reduziertes Betriebsrauschen
Fortschrittliche Rauschunterdrückung verwandelt Ereignisstürme in umsetzbare Warnungen.
Flexible Bereitstellung
Mehrere Bereitstellungsoptionen von DIY bis hin zu vollständiger schlüsselfertiger Bereitstellung passen sich Ihrem Unternehmen an.
Vorbeugende Wartung
Automatisierte vorausschauende Wartung erhöht die mittlere Zeit zwischen Unterbrechungen (MTBI).
Ursachenanalyse
Die Ursachenanalyse von Verzögerern und gescheiterten Jobs beschleunigt die Wiederherstellung und reduziert die mittlere Reparaturzeit (MTTR).
Einheitliche Ansicht
Echtzeit-Telemetrie über Hardware, Scheduler und Workloads bietet eine zentrale Oberfläche für die Problemdiagnose.
Mehr GPU-Stunden
Effektivere GPU-Stunden erhöhen die Token-Produktion und verkürzen die Trainingszeit.
beschleunigen
Full-Stack-Intelligenz für die KI-Fabrik
Korrelieren Sie Telemetrie über Infrastruktur und Workloads in einer dynamischen Echtzeitansicht.
Produkt
Wie NVIDIA Minerva funktioniert
Sammeln Sie Telemetrie aus jeder Ebene einer KI-Fabrik und wenden Sie ML-Anomalie-Erkennung und -Korrelation an, um umsetzbare Intelligenz zu erreichen. Daten und Erkenntnisse sind in die Benutzeroberfläche und den KI-Agenten von NVIDIA Minerva sowie in externe Beobachtungsplattformen und Agenten integriert.
Anwendungsfälle
AIOps – Speziell für KI-Fabriken entwickelt
Validieren Sie die Infrastruktur, untersuchen Sie Job- und Cluster-Probleme, reduzieren Sie das Rauschen und verhindern Sie Störungen, bevor sie die Leistung beeinträchtigen.
-
Proaktive Wartung
-
Agentisches Debugging
-
Full-Stack-Korrelation
-
Rauschunterdrückung
-
Netzwerkbeobachtbarkeit
Proaktive Wartung
NVIDIA Minerva nutzt ML-basierte Anomalie-Erkennung in Echtzeit, um Infrastrukturprobleme zu identifizieren, bevor sie sich auf die Produktion auswirken. Durch die kontinuierliche Überwachung des gesamten KI-Fabrik-Stacks und die Verarbeitung von Milliarden von Telemetriedatenpunkten in hochpräzise, umsetzbare Warnungen bietet NVIDIA Minerva Betriebsteams die Vorwarnung, die sie benötigen, um vertrauensvoll zu handeln.
Dieser Übergang von der reaktiven Fehlerbehebung zu einer proaktiven Wartung reduziert die MTTR, wodurch Hunderte von verlorenen GPU-Stunden verhindert werden und KI-Workloads mit Spitzenleistung ausgeführt werden.
Agentisches Debugging
NVIDIA Minerva ermöglicht eine agentische, topologieweite Ursachenanalyse für KI-Fabriken. Es verfügt sowohl über einen nativen KI-Debugging-Assistenten namens Sherlock als auch über eine MCP-basierte Integration mit anderen KI-Agenten wie OpenClaw. Gemeinsam passen diese Funktionen nahtlos in bestehende betriebliche Workflows.
Anstatt Protokolle und Dashboards manuell zu durchsuchen, können Bediener Fragen in natürlicher Sprache stellen und direkte, umsetzbare Antworten darüber erhalten, was in der gesamten KI-Fabrik passiert.
Full-Stack-Korrelation
KI-Fabriken umfassen eine enorme Palette von miteinander verbundenen Systemen, von GPU-Knoten und NVLink-Fabric bis hin zu Spectrum-X Ethernet, Job-Schedulern, Workload-Managern wie Slurm und aktiven Workloads. Wenn ein Problem auftritt, kann seine Ursache in einer Ebene entstehen, auf einer anderen Ebene jedoch als Symptom erscheinen.
Durch die Aufnahme von Full-Stack-Telemetrie in Echtzeit und die Anwendung von ML-basierter, topologiebewusster Korrelation deckt NVIDIA Minerva die Beziehungen auf, die wichtig sind: Wie sich eine Netzwerkanomalie auf die GPU-Auslastung auswirkt oder wie ein Scheduler-Ereignis zu einer Verschlechterung des Job-Durchsatzes beiträgt.
Betriebsteams erhalten eine einzige, einheitliche Ansicht der KI-Fabrik anstelle der fragmentierten, isolierten Tools, die das schichtübergreifende Debugging langsam und kostspielig machen.
Rauschunterdrückung
Alarmmüdigkeit ist einer der am meisten unterschätzten Kostenfaktoren im KI-Fabrikbetrieb. Ein Netzwerkproblem, das sich über Hunderte von Komponenten auswirkt, kann Tausende von Warnungen auslösen. NVIDIA Minerva nutzt topologiebewusste Korrelation, um KI-Fabrik-Abhängigkeiten abzubilden und verwandte Ereignisse in einen einzigen, kontextualisierten Vorfall zu konsolidieren. NVIDIA Minerva destilliert diese Warnungen in ein einzelnes, präzises, priorisiertes Signal mit umsetzbarem Kontext, der über Tools wie Slack oder ServiceNow bereitgestellt wird.
Teams verbringen weniger Zeit mit der Triagierung von Warnungen, diagnostizieren Probleme schneller und konzentrieren sich auf die operativen Probleme mit den größten Auswirkungen.
Netzwerkbeobachtbarkeit
NVIDIA Minerva ist die primäre Netzwerkbeobachtbarkeitslösung für NVIDIA KI-Fabriken. NVIDIA Minerva umfasst sofort einsatzbereite Dashboards und Warnungen, die speziell für Spectrum-X Ethernet-Netzwerke, NVLink-Scale-up-Fabric, Hardware-Zustand und Dienste entwickelt wurden. Dashboards sind an NVIDIA-Referenzarchitekturen ausgerichtet und bieten Betriebsteams Best-Practice-Transparenz.
Die Integration in DSX OS erweitert diese Fähigkeit weiter und ermöglicht es NVIDIA Minerva, Komponenten, Datenmodelle und Betriebskontext im gesamten breiteren DSX-Ökosystem zu teilen.
Verbrauchsmodelle
Stellen Sie NVIDIA Minerva mit flexiblen Verbrauchsmodellen bereit
Wählen Sie für den Datensammler von NVIDIA Minerva, die Echtzeit-Anomalieerkennung und die KI-Funktionen die Konfigurationen aus – von DIY bis hin zu vollständig schlüsselfertig –, die am besten für die Workflows Ihres Unternehmens geeignet sind.
Ressourcen
Erfahren Sie mehr über NVIDIA Minerva
NVIDIA Minerva FAQs
NVIDIA Minerva ist eine KI-native AIOps-Plattform, die Infrastruktur und Workload-Telemetrie korreliert, um Full-Stack-Beobachtbarkeit über Rechen-, Netzwerk-, Datenspeicher- und KI-Workloads zu bieten und diese in Erkenntnisse für proaktive oder automatisierte Maßnahmen umwandelt.
NVIDIA Minerva sammelt Daten aus der NVIDIA-Infrastruktur, dem Netzwerk, Schedulern und Workload-Telemetrie. Dieser Full-Stack-Kontext ermöglicht es, anomale Schnittstellen mit KI-Jobs zu korrelieren, was den Betreibern dabei hilft, Ursachen zu isolieren, die generische Tools und isolierte Punktlösungen möglicherweise übersehen.
NVIDIA Minerva ist die primäre Netzwerkbeobachtungslösung für NVIDIA KI-Fabriken, NVIDIA Vera Rubin und NVIDIA Blackwell. Es umfasst NVIDIA Spectrum-X Ethernet für Scale-out, Scale-across und Scale-in, NVIDIA NVLink für Scale-up, Slurm und andere Scheduler sowie KI-Workloads.
NVIDIA Minerva kann vor Ort bereitgestellt oder als SaaS von der NVIDIA-Cloud konsumiert werden. Es unterstützt mehrere Verbrauchsmodelle, von DIY-Lösungen bis hin zu vollständigen schlüsselfertigen Lösungen, um in bestehende KI-Fabrik-Workflows zu passen.
NVIDIA Minerva erfasst Rechenleistung, Netzwerk, Datenspeicher, Scheduler, NCCL und Workload-Telemetrie über Standards, einschließlich OpenTelemetry, gNMI, syslog, DCGM, Slurm und JSON. Es integriert sich in Slack, Microsoft Teams, PagerDuty, ServiceNow, Grafana, Ansible und Infrastruktur-APIs.
NVIDIA Minerva nutzt speziell entwickelte KI/ML, um normales Verhalten zu lernen, Anomalien vorherzusagen, Ereignisse zu korrelieren und Korrekturmaßnahmen zu empfehlen. Ein nativer KI-Assistent ermöglicht die Triage in natürlicher Sprache mithilfe von Live-Telemetrie, während sein MCP-Server NVIDIA Minerva mit agentischen Tools von Drittanbietern verbindet.
NVIDIA Minerva verwendet DSX OS-Komponenten wieder, während wichtige Funktionen von NVIDIA Minerva, beginnend mit dem NVIDIA Minerva Collector, in DSX OS als Open Source bereitgestellt werden und so eine modulare Beobachtungsgrundlage schaffen.
Nächste Schritte