NVIDIA 推出 Minerva：面向 AI 工厂的可观测性运维平台

NVIDIA 于 2026 年 10 月 22 日发布 AI 运维平台 Minerva，把 GPU、网络、存储、调度器与作业层的遥测打通，用动态知识图谱定位故障部件、预测异常，并自带对话式 AI 助手。

这次发布的是什么

NVIDIA 于 2026 年 10 月 22 日在官方博客发布 Minerva，定位是面向 AI 工厂的端到端可观测性运维平台（AIOps）。它把 GPU、网络、存储、调度器与上层作业等多层的遥测数据连到一起，再用机器学习把这些数据转成可执行的线索，目标是让运维团队更早发现问题、更快完成修复。官方把它的落脚点放在「AI 工厂产出」上，即基础设施实际应用起来的那部分 GPU 工时与可用时间。

可用性与限制

• 形态：2026 年 10 月 22 日宣布推出，具体的供货与开通方式以 NVIDIA 官网产品页为准。
• 适用对象：自建 GPU 集群的算力运营方；只调用云端 API 做应用开发的团队用不到这一层。
• 覆盖范围：官方围绕 NVIDIA GPU 与自家的网卡、交换机、线缆等来描述能力，混用其他厂商设备时的支持范围以官网为准。
• 采购渠道：除 NVIDIA 自身交付外，Dell Technologies、联想与 Supermicro 三家将把它纳入各自的 AI 工厂运维产品组合。
• 参与方：官方点名 IREN 正在使用，另有数家算力与科技企业计划部署。
• 价格：本文不列具体金额，以 NVIDIA 官网为准。

主要功能

• 汇总 GPU、网络、存储、调度器与作业的多层遥测
• 生成随集群状态变化的动态知识图谱
• 用有监督与无监督模型识别异常、预测故障
• 把告警风暴收敛成一个事件与可能的根因
• 提供对话式 AI 助手，用自然语言查询集群状态
• 既可人工确认后执行，也可通过接口联动自动化修复

技术原理

据官方说明，Minerva 的关键是把基础设施侧和工作负载侧的信号放进同一个上下文：它先构建一张图，节点是 GPU、网卡、交换机、线缆，以及跑在上面的作业，边则是它们之间的关联。有了这层关系，一个变慢的训练任务就能顺着图找到具体影响它的部件，即便是规模很大的集群也一样。

在此之上，平台用有监督与无监督机器学习去学习「正常」是什么样子：据此发现此前没见过的异常、预测即将出现的故障，并按拓扑把相关事件聚合成一条事故记录，而不是把每一个症状都推给值班人员。官方称其每小时处理的数据点规模很大，具体数量级以官网为准。

实际体验

本文未做实测。可以确认的是它与已有监控体系的关系：传统工具往往按网络、计算、站点可靠性、机器学习团队分别给各自视角，Minerva 的切入点是把这些信号串起来，而不是替换某一层采集探针。它也保留了人在回路的位置 —— 运维可以只让它给建议，并通过基础设施接口与自动化流程对接后由其代为执行。

至于它在特定规模集群上的实际效果，官方没有提供可复现的对照口径；是否需要引入，取决于集群规模是否已经大到「靠现有告警看不出因果」这一步。

项目地址与获取方式

• 官方博客：https://blogs.nvidia.com/blog/minerva-platform-infrastructure/
• 产品页：https://www.nvidia.com/en-us/networking/products/software/minerva/
• GTC Berlin 期间的欧洲发布汇总：https://blogs.nvidia.com/gtc-berlin-2026-news/
• 请通过 NVIDIA 及其列出的服务器厂商官方渠道洽谈部署，避免经由非授权渠道采购软件授权。

适合谁用

• 自建 GPU 集群或对外提供算力的运营方：多层遥测关联是这类规模下才明显受益的能力。
• 已经觉得现有告警体系「看得见、但说不清因果」的 AI 工厂运维团队。
• 需要把故障修复时长等指标纳入考核的数据中心负责人。
• 不必用：单机工作站用户，以及只在公有云模型接口上开发应用的团队 —— 他们接触不到这些底层遥测。

常见问题

Minerva 是硬件还是软件？

软件平台。它消费的是集群里 GPU、网络设备与作业系统已有的遥测数据，本身不承担计算任务；采购与部署方式以官方产品页说明为准。

已经有现成的监控体系，还需要它吗？

两者不是替换关系。传统监控通常按网络、计算、可靠性等团队分开提供视图，Minerva 做的是把这些信号按拓扑关联起来并收敛告警。是否引入取决于你的集群规模是否已经让「定位因果」成为瓶颈。

它能自动修复故障吗？

官方给了两种用法：一是让运维人员确认后手动执行，二是通过基础设施接口与外部系统对接走自动化。要不要放开自动执行，取决于各自的变更管理策略。

非 NVIDIA 的设备能用吗？

官方主要围绕 NVIDIA GPU 与自家网络、存储设备来描述能力。混部或第三方设备的支持范围没有在这次发布说明中展开，以官网产品页为准。

相关工具与内容

• AI 智能体
• 其他 AI 工具
• AI 编程
• NVIDIA Cosmos 世界模型训练与评估工具
• SageMaker 训练会话正式可用
• vLLM 0.32.0 发布