英伟达在柏林GTC大会上正式推出AI运维软件Minerva，旨在帮助大型AI数据中心早期发现故障部件。该软件能够整合GPU、网络、存储及工作负载数据，通过机器学习识别异常模式，将分散的警报归类为单一事件，并提供内置AI助手以自然语言交互方式提供修复建议。
解决大规模集群运维痛点
英伟达指出，在被称为“AI工厂”的庞大GPU集群中，单个部件故障（如GPU过热或存储降速）可能导致整个训练任务停滞。由于网络、计算和机器学习团队通常分别监控不同系统，这类问题易被忽视。Minerva通过将多源数据汇总至统一的数据中心地图，使操作员能够跨系统追溯根源，即便在涉及数十万GPU的规模下也能精准定位。
生态伙伴与客户进展
目前，IREN已投入使用Minerva。IREN首席技术官Denis Skrinnikoff表示，该软件为运营团队提供了涵盖网络、GPU及作业的统一视图。此外，Bitdeer AI、IBM、Jio、Lambda和特斯拉也计划采用该软件。硬件合作伙伴方面，戴尔、联想和超微电脑将向客户提供Minerva。
此次发布是英伟达拓展非芯片业务的一部分。近期，英伟达还推动了欧洲合作伙伴采纳其DSX蓝图以降低能耗，并发布了AI代理安全运行方案。英伟达未公布Minerva的具体定价。值得注意的是，英伟达此前刚与德国签署AI合作伙伴关系，并与前比特币矿企IREN达成最高21亿美元的投资协议。