Como parte de la plataforma NVIDIA Vera Rubin de pila completa, NVIDIA Minerva convierte la telemetría de pila completa desde la computación y la conmutación de NVLink en mantenimiento proactivo, depuración agéntica y remediación de bucle cerrado. Esto protege las horas de GPU, el tiempo de actividad de los clústeres y la producción de tokens para maximizar el rendimiento de las fábricas de IA.
NVIDIA Minerva
La plataforma de AIOps nativa de IA para maximizar el rendimiento de las fábricas de IA.
Descripción General
Transformación de las Operaciones de Fábricas de IA
NVIDIA Minerva™ es la principal solución de observabilidad para las fábricas de IA de NVIDIA. Una plataforma de AIOps integral y nativa de IA, está diseñada específicamente para maximizar la disponibilidad y el desempeño de la pila de infraestructura de fábricas de IA.
Como parte de la plataforma NVIDIA Vera Rubin de pila completa, NVIDIA Minerva ingiere telemetría de las GPU NVIDIA, Spectrum-X™ Ethernet, switches NVLink™, SuperNIC, DPU, programadores (como Slurm y NVIDIA Run:ai) y cargas de trabajo de IA. Un gráfico de conocimiento dinámico, machine learning (ML) e IA agéntica ofrecen detección de anomalías en tiempo real, análisis automatizado de causas raíz y remediación de bucle cerrado. Las fábricas de IA pasan del mantenimiento reactivo al proactivo con depuración agéntica más rápida y una reducción en el ruido de las alertas.
Solución de Observabilidad de AIOps para Fábricas de IA de NVIDIA
NVIDIA Minerva correlaciona la telemetría en todas las ofertas de computación, redes y software de IA de pila completa de NVIDIA.
Fábrica de IA de NVIDIA
Maximice la resiliencia y el desempeño de la plataforma NVIDIA Vera Rubin.
NVIDIA DSX OS
Integre la observabilidad en las operaciones y la administración de la pila de DSX.
NVIDIA Spectrum-X Ethernet
Aproveche la telemetría de alta frecuencia para la observabilidad de la red de extremo a extremo.
Características y Beneficios
Mayor Utilización de Infraestructura para Más Rendimiento de IA
Mantenga la fábrica de IA funcionando con máxima eficiencia para maximizar el rendimiento, acelerar el entrenamiento y la inferencia de modelos y aumentar la producción de tokens.
Tiempo de Actividad de Computación Maximizado
La inteligencia procesable recupera horas de GPU que, de otro modo, se perderían debido a fallas no detectadas.
De la Reacción a la Prevención
Las fallas emergentes y las degradaciones de desempeño se detectan antes de que eliminen trabajos de entrenamiento.
Ruido Operativo Reducido
La reducción avanzada de ruido convierte las tormentas de eventos en alertas procesables.
Implementación Flexible
Las múltiples opciones de implementación, desde el autoservicio hasta la opción lista para usar, se adaptan a su organización.
Mantenimiento Predictivo
El mantenimiento predictivo automatizado aumenta el tiempo medio entre interrupciones (MTBI).
Análisis de Causa Raíz
El análisis de causa raíz de los trabajos rezagados y los trabajos fallidos acelera la recuperación y reduce el tiempo medio de reparación (MTTR).
Vista Unificada
La telemetría en tiempo real en hardware, planificadores y cargas de trabajo proporciona un panel único para diagnosticar problemas.
Más Horas de GPU
Contar con más horas de GPU efectivas aumenta la producción de tokens y reduce el tiempo de entrenamiento.
Capacidades
Inteligencia de Pila Completa para la Fábrica de IA
Correlacione la telemetría en toda la infraestructura y las cargas de trabajo en una vista dinámica y en tiempo real.
Producto
Cómo funciona NVIDIA Minerva
Recopile telemetría de cada capa de una fábrica de IA y aplique la detección y la correlación de anomalías de ML para lograr inteligencia procesable. Los datos y la información están integrados con la UI y el agente de IA de NVIDIA Minerva, así como con plataformas y agentes de observabilidad externos.
Casos de Uso
AIOps Diseñado Específicamente para Fábricas de IA
Valide la infraestructura, investigue problemas de trabajos y clústeres, reduzca el ruido y prevenga interrupciones antes de que afecten el resultado.
-
Mantenimiento Proactivo
-
Depuración Agéntica
-
Correlación de Pila Completa
-
Reducción de Ruido
-
Observabilidad de la Red
Mantenimiento Proactivo
NVIDIA Minerva usa la detección de anomalías en tiempo real y basada en ML para identificar problemas de infraestructura antes de que afecten la producción. Al monitorear continuamente la pila completa de las fábricas de IA y destilar miles de millones de puntos de datos de telemetría en alertas de alta fidelidad y procesables, NVIDIA Minerva brinda a los equipos de operaciones la advertencia anticipada que necesitan para actuar con confianza.
Este cambio de la solución de problemas reactiva al mantenimiento proactivo reduce el MTTR, lo que evita cientos de horas de GPU perdidas y mantiene las cargas de trabajo de IA en ejecución con desempeño máximo.
Depuración Agéntica
NVIDIA Minerva permite el análisis de causas raíz agéntico y en toda la topología para fábricas de IA. Tiene un asistente de depuración de IA nativo llamado Sherlock e integración basada en MCP con otros agentes de IA como OpenClaw. Juntas, estas capacidades se ajustan a la perfección a los workflows operativos existentes.
En lugar de examinar manualmente registros y paneles de control, los operadores pueden hacer preguntas en lenguaje natural y recibir respuestas directas y procesables sobre lo que está sucediendo en toda la fábrica de IA.
Correlación de Pila Completa
Las fábricas de IA abarcan una enorme gama de sistemas interconectados, desde nodos de GPU y la estructura NVLink hasta Spectrum-X Ethernet, programadores de trabajos, administradores de cargas de trabajo como Slurm y cargas de trabajo activas. Cuando ocurre un problema, su causa raíz puede originarse en una capa, pero aparecer como un síntoma en otra.
Al ingerir telemetría de pila completa en tiempo real y aplicar una correlación basada en ML y sensible a la topología, NVIDIA Minerva revela las relaciones que importan: cómo una anomalía de red afecta la utilización de la GPU o cómo un evento de programación contribuye a degradar el rendimiento de los trabajos.
Los equipos de operaciones obtienen una sola vista unificada de la fábrica de IA en lugar de las herramientas fragmentadas y en silos que hacen que la depuración entre capas sea lenta y costosa.
Reducción de Ruido
La fatiga por alertas es uno de los costos más subestimados en las operaciones de las fábricas de IA. Un problema de red que se propaga por cientos de componentes puede generar miles de alertas. NVIDIA Minerva usa una correlación sensible a la topología para mapear las dependencias de las fábricas de IA y consolidar eventos relacionados en un único incidente contextualizado. NVIDIA Minerva destila estas alertas en una sola señal, precisa y priorizada con contexto procesable que se entrega a través de herramientas como Slack o ServiceNow.
Los equipos pasan menos tiempo clasificando alertas, diagnostican problemas más rápido y se centran en los problemas operativos de mayor impacto.
Observabilidad de la Red
NVIDIA Minerva es la principal solución de observabilidad de redes para las fábricas de IA de NVIDIA. NVIDIA Minerva incluye paneles de control y alertas listos para usar diseñados específicamente para redes Spectrum-X Ethernet, estructura escalable NVLink, estado de hardware y servicios. Los paneles están alineados con las arquitecturas de referencia de NVIDIA, lo que brinda a los equipos de operaciones visibilidad de mejores prácticas.
La integración con DSX OS extiende aún más esta capacidad, lo que permite a NVIDIA Minerva compartir componentes, modelos de datos y contexto operativo en todo el ecosistema de DSX más amplio.
Modelos de Consumo
Implemente NVIDIA Minerva con Modelos de Consumo Flexibles
Para el recopilador de datos, la detección de anomalías en tiempo real y las capacidades de IA de NVIDIA Minerva, elija las configuraciones, desde el autoservicio hasta la opción lista para usar, que más se adapten a los workflows de su organización.
Recursos
Más Información Sobre NVIDIA Minerva
Preguntas Frecuentes sobre NVIDIA Minerva
NVIDIA Minerva es una plataforma de AIOps nativa de IA que correlaciona la infraestructura y la telemetría de las cargas de trabajo para proporcionar observabilidad de pila completa en las cargas de trabajo de computación, redes, almacenamiento e IA, y las convierte en información para una acción proactiva o automatizada.
NVIDIA Minerva recopila datos de la infraestructura de NVIDIA, la red, los programadores y la telemetría de las cargas de trabajo. Este contexto de pila completa le permite correlacionar interfaces anómalas con trabajos de IA, lo que ayuda a los operadores a aislar las causas raíz que las herramientas genéricas y las soluciones puntuales en silos pueden pasar por alto.
NVIDIA Minerva es la principal solución de observabilidad de redes para las fábricas de IA de NVIDIA, NVIDIA Vera Rubin y NVIDIA Blackwell. Abarca NVIDIA Spectrum-X Ethernet para escalado horizontal, escala transversal y escalado interno, NVLink de NVIDIA para escalado vertical, programadores Slurm y otros, y cargas de trabajo de IA.
NVIDIA Minerva se puede implementar en las instalaciones o consumir como SaaS desde la nube de NVIDIA. Admite múltiples modelos de consumo, desde autoservicio hasta soluciones listas para uso, para adaptarse a los workflows de fábricas de IA existentes.
NVIDIA Minerva ingiere computación, red, almacenamiento, programador, NCCL y telemetría de cargas de trabajo a través de estándares, como OpenTelemetry, gNMI, syslog, DCGM, Slurm y JSON. Se integra con Slack, Microsoft Teams, PagerDuty, ServiceNow, Grafana, Ansible y las API de infraestructura.
NVIDIA Minerva usa IA/ML diseñado específicamente para aprender el comportamiento normal, predecir anomalías, correlacionar eventos y recomendar remediación. Un asistente de IA nativo permite el triaje en lenguaje natural mediante telemetría en vivo, mientras que su servidor MCP conecta NVIDIA Minerva con herramientas agénticas de terceros.
NVIDIA Minerva reutiliza componentes de DSX OS, mientras que las capacidades clave de NVIDIA Minerva, comenzando por NVIDIA Minerva Collector, serán de código abierto en DSX OS, lo que crea una base de observabilidad modular.
Próximos Pasos