Come parte della piattaforma full-stack NVIDIA Vera Rubin, NVIDIA Minerva trasforma la telemetria full-stack dal calcolo e dallo switching NVLink in manutenzione proattiva, debug agentico e risoluzione a ciclo chiuso. Ciò protegge le ore delle GPU, il tempo di attività dei cluster e la produzione di token per massimizzare la resa delle fabbriche IA.
NVIDIA Minerva
La piattaforma AIOps nativa per l'IA per massimizzare la resa delle fabbriche IA.
Panoramica
Trasformare le operazioni delle fabbriche IA
NVIDIA Minerva™ è la soluzione di osservabilità primaria per le fabbriche IA NVIDIA. Una piattaforma AIOps end-to-end nativa per l'IA, progettata appositamente per massimizzare la disponibilità e le prestazioni dello stack infrastrutturale della fabbrica IA.
Come parte della piattaforma NVIDIA Vera Rubin full-stack, NVIDIA Minerva ingerisce la telemetria dalle GPU NVIDIA, Spectrum-X™ Ethernet, dagli switch NVLink, dalle SuperNIC, dalle DPU, dagli scheduler (come Slurm e NVIDIA Run:ai) e dai carichi di lavoro IA. Un grafico di conoscenza dinamico, il machine learning (ML) e l'IA agentica offrono il rilevamento delle anomalie in tempo reale, l'analisi automatizzata delle cause alla radice e la correzione a ciclo chiuso. Le fabbriche IA passano dalla manutenzione reattiva a quella proattiva con un debug agentico più rapido e una riduzione del rumore di avviso.
Soluzione di osservabilità AIOps per le fabbriche IA NVIDIA
NVIDIA Minerva correla la telemetria nelle offerte di calcolo, rete e software IA full-stack di NVIDIA.
NVIDIA AI Factory
Massimizza la resilienza e le prestazioni della piattaforma NVIDIA Vera Rubin.
NVIDIA DSX OS
Integra l'osservabilità nelle operazioni e nella gestione dello stack DSX.
NVIDIA Spectrum-X Ethernet
Sfrutta la telemetria ad alta frequenza per l'osservabilità della rete end-to-end.
Caratteristiche e vantaggi
Maggiore utilizzo dell'infrastruttura per più throughput IA
Mantieni la fabbrica IA in esecuzione alla piena efficienza per massimizzare la resa, accelerare l'addestramento e l'inferenza dei modelli e aumentare la produzione di token.
Tempo di attività di calcolo massimizzato
Le informazioni dettagliate recuperano le ore GPU che altrimenti andrebbero perse a causa di guasti non rilevati.
Dalla reazione alla prevenzione
I guasti emergenti e il degrado delle prestazioni vengono rilevati prima che possano interrompere i lavori di addestramento.
Rumore operativo ridotto
La riduzione avanzata del rumore trasforma le tempeste di eventi in avvisi azionabili.
Distribuzione flessibile
Più opzioni di distribuzione, dal fai-da-te al chiavi in mano completo, si adattano alla tua organizzazione.
Manutenzione predittiva
La manutenzione predittiva automatizzata aumenta il tempo medio tra le interruzioni (MTBI).
Analisi della causa principale
L'analisi della causa principale degli straggler e dei lavori falliti accelera il recupero e riduce il tempo medio per la riparazione (MTTR).
Vista unificata
La telemetria in tempo reale su hardware, scheduler e carichi di lavoro fornisce un'unica console per diagnosticare i problemi.
Più ore GPU
Un maggior numero di ore GPU efficaci aumenta la produzione di token e riduce i tempi di addestramento.
Funzionalità
Intelligenza full-stack per la fabbrica IA
Correla la telemetria nell'infrastruttura e nei carichi di lavoro in un'unica vista dinamica e in tempo reale.
Prodotto
Come funziona NVIDIA Minerva
Raccogli la telemetria da ogni livello di una fabbrica IA e applica il rilevamento e la correlazione delle anomalie ML per ottenere informazioni azionabili. I dati e le informazioni sono integrati con l'interfaccia utente e l'agente IA di NVIDIA Minerva, nonché con piattaforme e agenti di osservabilità esterni.
Casi d'uso
AIOps progettato appositamente per le fabbriche IA
Convalida l'infrastruttura, indaga i problemi dei lavori e dei cluster, riduci il rumore e previeni le interruzioni prima che influenzino l'output.
-
Manutenzione proattiva
-
Debugging agentico
-
Correlazione full-stack
-
Riduzione del rumore
-
Osservabilità della rete
Manutenzione proattiva
NVIDIA Minerva utilizza il rilevamento delle anomalie in tempo reale basato su ML per identificare i problemi dell'infrastruttura prima che influenzino la produzione. Monitorando continuamente l'intero stack della fabbrica IA e distillando miliardi di punti di dati di telemetria in avvisi ad alta fedeltà e azionabili, NVIDIA Minerva offre ai team operativi l'avviso in anticipo di cui hanno bisogno per agire con sicurezza.
Questo passaggio dalla risoluzione dei problemi reattiva alla manutenzione proattiva riduce l'MTTR, evitando centinaia di ore GPU perse e mantenendo i carichi di lavoro IA in esecuzione al massimo delle prestazioni.
Debugging agentico
NVIDIA Minerva consente l'analisi della causa principale agentica a livello topologico per le fabbriche IA. Presenta sia un assistente di debug IA nativo chiamato Sherlock che un'integrazione basata su MCP con altri agenti IA come OpenClaw. Insieme, queste capacità si adattano perfettamente ai flussi di lavoro operativi esistenti.
Invece di analizzare manualmente i log e le dashboard, gli operatori possono porre domande in linguaggio naturale e ricevere risposte dirette e attuabili su ciò che sta accadendo nella fabbrica IA.
Correlazione full-stack
Le fabbriche IA coprono una vasta gamma di sistemi interconnessi, dai nodi GPU e il fabric NVLink a Spectrum-X Ethernet, agli schedulatori di lavori, ai gestori del carico di lavoro come Slurm e ai carichi di lavoro attivi. Quando si verifica un problema, la sua causa principale può avere origine in un livello, ma apparire come un sintomo in un altro.
Analizzando la telemetria full-stack in tempo reale e applicando una correlazione basata su ML e consapevole della topologia, NVIDIA Minerva rivela le relazioni che contano: come un'anomalia di rete influisce sull'utilizzo delle GPU o come un evento dello scheduler contribuisce a ridurre il throughput dei lavori.
I team operativi ottengono una singola vista unificata della fabbrica IA anziché gli strumenti frammentati e in silo che rendono il debug su più livelli lento e costoso.
Riduzione del rumore
La stanchezza degli avvisi è uno dei costi più sottovalutati nelle operazioni delle fabbriche IA. Un problema di rete che si propaga su centinaia di componenti può generare migliaia di avvisi. NVIDIA Minerva utilizza la correlazione basata sulla topologia per mappare le dipendenze delle fabbriche IA e consolidare gli eventi correlati in un singolo incidente contestualizzato. NVIDIA Minerva distilla questi avvisi in un singolo segnale preciso e prioritario con un contesto attuabile fornito attraverso strumenti come Slack o ServiceNow.
I team trascorrono meno tempo a smistare gli avvisi, diagnosticano i problemi più rapidamente e si concentrano sui problemi operativi di maggiore impatto.
Osservabilità della rete
NVIDIA Minerva è la principale soluzione di osservabilità della rete per le fabbriche IA NVIDIA. NVIDIA Minerva include dashboard e avvisi pronti all'uso progettati appositamente per le reti Spectrum-X Ethernet, il fabric scale-up NVLink, lo stato dell'hardware e i servizi. Le dashboard sono allineate alle architetture di riferimento NVIDIA, offrendo ai team operativi visibilità basata sulle best practice.
L'integrazione con DSX OS estende ulteriormente questa capacità, consentendo a NVIDIA Minerva di condividere componenti, modelli di dati e contesto operativo nel più ampio ecosistema DSX.
Modelli di consumo
Distribuire NVIDIA Minerva con modelli di consumo flessibili
Per il raccoglitore di dati, il rilevamento delle anomalie in tempo reale e le capacità IA di NVIDIA Minerva, scegli le configurazioni, dal fai-da-te al chiavi in mano completo, più adatte ai flussi di lavoro della tua organizzazione.
Risorse
Scopri di più su NVIDIA Minerva
FAQ su NVIDIA Minerva
NVIDIA Minerva è una piattaforma AIOps nativa IA che correla la telemetria di infrastruttura e carichi di lavoro per fornire osservabilità full-stack su calcolo, rete, storage e carichi di lavoro IA, convertendo tali dati in informazioni per azioni proattive o automatizzate.
NVIDIA Minerva raccoglie dati dall'infrastruttura, dalla rete, dagli scheduler e dalla telemetria del carico di lavoro di NVIDIA. Questo contesto full-stack consente di correlare le interfacce anomale con i lavori IA, aiutando gli operatori a isolare le cause alla radice che gli strumenti generici e le soluzioni puntuali in silos potrebbero perdere.
NVIDIA Minerva è la principale soluzione di osservabilità della rete per le fabbriche IA NVIDIA, NVIDIA Vera Rubin e NVIDIA Blackwell. Copre NVIDIA Spectrum-X Ethernet per lo scale-out, lo scale-across e lo scale-in, NVIDIA NVLink per lo scale-up, Slurm e altri scheduler e carichi di lavoro IA.
NVIDIA Minerva può essere distribuito on-premise o consumato come SaaS dal cloud NVIDIA. Supporta più modelli di consumo, dal fai-da-te alle soluzioni complete chiavi in mano per adattarsi ai flussi di lavoro delle fabbriche IA esistenti.
NVIDIA Minerva ingerisce calcolo, rete, storage, scheduler, NCCL e telemetria del carico di lavoro attraverso standard, tra cui OpenTelemetry, gNMI, syslog, DCGM, Slurm e JSON. Si integra con Slack, Microsoft Teams, PagerDuty, ServiceNow, Grafana, Ansible e le API dell'infrastruttura.
NVIDIA Minerva utilizza l'IA/ML appositamente progettata per apprendere il comportamento normale, prevedere le anomalie, correlare gli eventi e raccomandare la correzione. Un assistente IA nativo consente il triaggio in linguaggio naturale utilizzando la telemetria dal vivo, mentre il relativo server MCP collega NVIDIA Minerva a strumenti agentici di terze parti.
NVIDIA Minerva riutilizza i componenti DSX OS, mentre le capacità chiave di NVIDIA Minerva, a partire da NVIDIA Minerva Collector, saranno rilasciate come open source in DSX OS, creando una base di osservabilità modulare.
Prossimi passi