Como parte de la plataforma NVIDIA Vera Rubin de Full-Stack, NVIDIA Minerva convierte la telemetría de pila completa de 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
Transformar 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 de extremo a extremo nativa de IA que está diseñada específicamente para maximizar la disponibilidad y el rendimiento de la pila de infraestructura de fábrica de IA.
Como parte de la plataforma de pila completa NVIDIA Vera Rubin, NVIDIA Minerva obtiene telemetría de las GPU de NVIDIA, Spectrum-X Ethernet, conmutadores NVLink, SuperNIC, DPU, planificadores (como Slurm y NVIDIA Run:ai) y cargas de trabajo de IA. Un gráfico de conocimiento dinámico, el aprendizaje automático (ML) y la IA agentica ofrecen detección de anomalías en tiempo real, análisis automatizado de causa raíz y remediación de bucle cerrado. Las fábricas de IA pasan del mantenimiento reactivo al proactivo con una depuración agéntica más rápida y una reducción del 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 pila completa de software de computación, redes e IA de NVIDIA.
NVIDIA AI Factory
Maximice la resiliencia y el rendimiento de la plataforma NVIDIA Vera Rubin.
NVIDIA DSX OS
Integre la observabilidad en las operaciones y la gestión de la pila de DSX.
NVIDIA Spectrum-X Ethernet
Aproveche la telemetría de alta frecuencia para lograr la observabilidad de red de extremo a extremo.
Características y ventajas
Aumento de la utilización de la infraestructura para obtener un mayor rendimiento de la 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 tókenes.
Tiempo de actividad de computación maximizado
La inteligencia procesable recupera horas de GPU que, de otro modo, se perderían debido a fallos no detectados.
De la reacción a la prevención
Los errores incipientes y las degradaciones de rendimiento se detectan antes de que desactiven los trabajos de entrenamiento.
Ruido operativo reducido
La reducción avanzada de ruido convierte las tormentas de eventos en alertas prácticas.
Implementación flexible
Múltiples opciones de implementación, desde DIY hasta llave en mano completa, 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 procesos 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
Las horas de GPU más efectivas aumentan la producción de tokens y reducen el tiempo de entrenamiento.
Funcionalidades
Inteligencia Full-Stack 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 todas las capas 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 se integran con la interfaz de usuario y el agente de IA de NVIDIA Minerva, así como con plataformas y agentes de observabilidad externos.
Casos de uso
AIOps diseñada específicamente para las fábricas de IA
Valide la infraestructura, investigue problemas de trabajos y clústeres, reduzca el ruido y evite las interrupciones antes de que afecten al rendimiento.
-
Mantenimiento proactivo
-
Depuración agentica
-
Correlación de pila completa
-
Reducción de ruido
-
Observabilidad de red
Mantenimiento proactivo
NVIDIA Minerva utiliza la detección de anomalías en tiempo real y basada en aprendizaje automático para identificar problemas de infraestructura antes de que afecten a la producción. Al supervisar de forma continua toda la pila de fábrica de IA y destilar miles de millones de puntos de datos de telemetría en alertas de alta fidelidad y prácticas, NVIDIA Minerva proporciona a los equipos de operaciones la alerta anticipada que necesitan para actuar con confianza.
Este cambio de una resolución de problemas reactiva a un mantenimiento proactivo reduce el MTTR, evita que se pierdan cientos de horas de GPU y mantiene las cargas de trabajo de IA ejecutándose al máximo rendimiento.
Depuración agentica
NVIDIA Minerva posibilita un análisis de causa raíz basado en agentes y en toda la topología para fábricas de IA. Cuenta con un asistente de depuración de IA nativo llamado Sherlock y una integración basada en MCP con otros agentes de IA, como OpenClaw. En conjunto, estas capacidades se adaptan a la perfección a los flujos de trabajo 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 prácticas sobre lo que está sucediendo en toda la fábrica de IA.
Correlación de pila completa
Las fábricas de IA abarcan una enorme variedad de sistemas interconectados, desde nodos de GPU y la estructura NVLink hasta Spectrum-X Ethernet, planificadores de tareas, gestores de carga de trabajo como Slurm y cargas de trabajo activas. Cuando se produce un problema, su causa raíz puede originarse en una capa, pero aparecer como síntoma en otra.
Al ingerir telemetría de pila completa (full-stack) en tiempo real y aplicar una correlación basada en aprendizaje automático (ML) y consciente de la topología, NVIDIA Minerva revela las relaciones que importan: cómo una anomalía de la red afecta a la utilización de la GPU o cómo un evento del planificador contribuye a la degradación del rendimiento del trabajo.
Los equipos de operaciones obtienen una vista única y unificada de la fábrica de IA, en lugar de las herramientas fragmentadas y en silos que hacen que la depuración de errores en varias capas sea lenta y costosa.
Reducción de ruido
La fatiga por alertas es uno de los costes más subestimados en las operaciones de las fábricas de IA. Un problema de red que se propaga en cascada a través de cientos de componentes puede generar miles de alertas. NVIDIA Minerva utiliza la correlación consciente de la topología para mapear las dependencias de las fábricas de IA y consolidar los eventos relacionados en un solo incidente contextualizado. NVIDIA Minerva destila estas alertas en una señal única, precisa y priorizada con contexto accionable que se entrega a través de herramientas como Slack o ServiceNow.
Los equipos pasan menos tiempo clasificando alertas, diagnostican los problemas más rápido y se centran en los problemas operativos de mayor impacto.
Observabilidad de 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 Ethernet Spectrum-X, la red de escalabilidad NVLink, el estado del hardware y los servicios. Los paneles de control están alineados con las arquitecturas de referencia de NVIDIA, lo que proporciona a los equipos de operaciones una visibilidad basada en las mejores prácticas.
La integración con DSX OS amplía aún más esta capacidad, lo que permite a NVIDIA Minerva compartir componentes, modelos de datos y contexto operativo en todo el ecosistema de DSX en general.
Modelos de consumo
Implemente NVIDIA Minerva con modelos de consumo flexibles
Para el colector de datos, la detección de anomalías en tiempo real y las capacidades de IA de NVIDIA Minerva, elija las configuraciones, desde las autoadministradas hasta las completas llave en mano, que mejor se adapten a los flujos de trabajo 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 telemetría de la infraestructura y de la carga de trabajo para proporcionar una observabilidad de pila completa (full-stack) en cargas de trabajo de computación, redes, almacenamiento e IA, y las convierte en información estratégica para una acción proactiva o automatizada.
NVIDIA Minerva recopila datos de la infraestructura de NVIDIA, redes, planificadores y telemetría de 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 el escalado horizontal, transversal y reducción de escala, NVIDIA NVLink para el escalado vertical, Slurm y otros planificadores, y cargas de trabajo de IA.
NVIDIA Minerva se puede implementar en las instalaciones o consumirse como SaaS desde la nube de NVIDIA. Admite múltiples modelos de consumo, desde soluciones de autoservicio hasta soluciones completas llave en mano para adaptarse a los flujos de trabajo de fábricas de IA existentes.
NVIDIA Minerva ingiere la telemetría de computación, redes, almacenamiento, planificador, NCCL y 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 utiliza la IA/ML diseñada específicamente para aprender el comportamiento normal, predecir anomalías, correlacionar eventos y recomendar remediación. Un asistente de IA nativo permite el triaje en lenguaje natural utilizando telemetría en directo, mientras que su servidor MCP conecta NVIDIA Minerva con herramientas de agentes de terceros.
NVIDIA Minerva reutiliza componentes de DSX OS, mientras que las capacidades clave de NVIDIA Minerva, comenzando con NVIDIA Minerva Collector, serán de código abierto en DSX OS, creando una base de observabilidad modular.
Próximos pasos