Como parte da plataforma completa NVIDIA Vera Rubin, o NVIDIA Minerva transforma a telemetria completa, desde a computação e a comutação NVLink, em manutenção proativa, depuração baseada em agentes e remediação em loop fechado. Isso protege as horas de GPU, o tempo de atividade do cluster e a produção de tokens para maximizar o rendimento da fábrica de IA.
NVIDIA Minerva
A plataforma de AIOps nativa de IA para maximizar o rendimento de fábricas de IA.
Visão Geral
Transformando as Operações de Fábricas de IA
O NVIDIA Minerva™ é a principal solução de observabilidade para fábricas de IA da NVIDIA. Uma plataforma de AIOps de ponta a ponta nativa de IA, criada especificamente para maximizar a disponibilidade e o desempenho do stack de infraestrutura de fábricas de IA.
Como parte da plataforma completa NVIDIA Vera Rubin, o NVIDIA Minerva ingere a telemetria de GPUs NVIDIA, Spectrum-X™ Ethernet, switches NVLink™, SuperNICs, DPUs, agendadores (como Slurm e NVIDIA Run:ai) e workloads de IA. Um gráfico de conhecimento dinâmico, Machine Learning (ML) e IA baseada em agentes oferecem detecção de anomalias em tempo real, análise automatizada de causa-raiz e remediação em loop fechado. As fábricas de IA passam da manutenção reativa para a manutenção proativa com depuração mais rápida com agentes e uma redução no ruído de alerta.
Solução de Observabilidade AIOps para Fábricas de IA da NVIDIA
O NVIDIA Minerva correlaciona a telemetria em computação, rede e ofertas completas de software de IA da NVIDIA.
Fábrica de IA da NVIDIA
Maximize a resiliência e o desempenho da plataforma NVIDIA Vera Rubin.
NVIDIA DSX OS
Integre a observabilidade em operações e no gerenciamento do Stack DSX.
NVIDIA Spectrum-X Ethernet
Aproveite a telemetria de alta frequência para obter observabilidade de rede de ponta a ponta.
Recursos e Vantagens
Maior Utilização da Infraestrutura para Maior Produtividade da IA
Mantenha a fábrica de IA funcionando com eficiência total para maximizar o rendimento, acelerar o treinamento e a inferência de modelos e aumentar a produção de tokens.
Tempo de Atividade de Computação Maximizado
A inteligência acionável recupera horas de GPU que, de outra forma, seriam perdidas para falhas não detectadas.
Da Reação à Prevenção
Falhas emergentes e degradações de desempenho são detectadas antes que interrompam os trabalhos de treinamento.
Ruído Operacional Reduzido
A redução avançada de ruído transforma tempestades de eventos em alertas acionáveis.
Implantação Flexível
Várias opções de implantação, desde DIY até prontas para uso, se adaptam à sua organização.
Manutenção Preditiva
A manutenção preditiva automatizada aumenta o tempo médio entre interrupções (MTBI).
Análise de Causa-Raiz
A análise de causa raiz de tarefas lentas (stragglers) e jobs com falha acelera a recuperação e reduz o tempo médio de reparo (MTTR).
Visão Unificada
A telemetria em tempo real em hardware, agendadores e workloads fornece uma interface única para diagnosticar problemas.
Mais Horas de GPU
Horas de GPU mais eficazes elevam a produção de tokens e reduzem o tempo de treinamento.
Capacidades
Inteligência de Stack Completo para a Fábrica de IA
Correlacione a telemetria na infraestrutura e nas workloads em uma visualização dinâmica e em tempo real.
Produto
Como o NVIDIA Minerva Funciona
Colete a telemetria de todas as camadas de uma fábrica de IA e aplique a detecção e a correlação de anomalias em ML para alcançar inteligência prática. Dados e insights são integrados à interface do usuário e ao agente de IA do NVIDIA Minerva, bem como a plataformas e agentes de observabilidade externos.
Casos de Uso
AIOps Projetado Especificamente para Fábricas de IA
Valide a infraestrutura, investigue problemas de trabalhos e clusters, reduza o ruído e evite interrupções antes que elas afetem a produção.
-
Manutenção Proativa
-
Depuração Baseada em Agentes
-
Correlação Full-Stack
-
Redução de Ruído
-
Observabilidade da Rede
Manutenção Proativa
O NVIDIA Minerva usa detecção de anomalias em tempo real e baseada em ML para identificar problemas de infraestrutura antes que eles afetem a produção. Ao monitorar continuamente o stack completo da fábrica de IA e destilar bilhões de pontos de dados de telemetria em alertas práticos e de alta fidelidade, o NVIDIA Minerva oferece às equipes de operações o aviso antecipado de que precisam para agir com confiança.
Essa mudança da solução reativa de problemas para a manutenção proativa reduz o MTTR, evitando a perda de centenas de horas de GPU e mantendo as workloads de IA em desempenho máximo.
Depuração Baseada em Agentes
O NVIDIA Minerva permite a análise de causa-raiz em toda a topologia baseada em agentes para fábricas de IA. Ele tem um assistente nativo de depuração de IA chamado Sherlock e integração baseada em MCP com outros agentes de IA, como o OpenClaw. Juntos, esses recursos se encaixam perfeitamente nos workflows operacionais existentes.
Em vez de analisar manualmente registros e painéis, os operadores podem fazer perguntas em linguagem natural e receber respostas diretas e práticas sobre o que está acontecendo em toda a fábrica de IA.
Correlação Full-Stack
As fábricas de IA abrangem uma enorme variedade de sistemas interconectados, desde nós de GPU e NVLink fabric até o Spectrum-X Ethernet, agendadores de trabalhos, gerenciadores de workload como o Slurm e workloads ativas. Quando um problema ocorre, sua causa pode ter origem em uma camada, mas aparecer como um sintoma em outra.
Ao ingerir telemetria completa em tempo real e aplicar a correlação baseada em ML e com reconhecimento de topologia, o NVIDIA Minerva revela os relacionamentos que importam: como uma anomalia de rede afeta a utilização da GPU ou como um evento de agendamento contribui para a degradação da taxa de processamento de trabalhos.
As equipes de operações ganham uma visualização unificada da fábrica de IA, em vez das ferramentas fragmentadas e isoladas que tornam a depuração em camadas cruzadas lenta e cara.
Redução de Ruído
A fadiga de alerta é um dos custos mais subestimados em operações de fábricas de IA. Um problema de rede que afeta centenas de componentes pode gerar milhares de alertas. O NVIDIA Minerva usa a correlação com reconhecimento de topologia para mapear as dependências de fábricas de IA e consolidar eventos relacionados em um único incidente contextualizado. O NVIDIA Minerva destila esses alertas em um único sinal, preciso e priorizado, com contexto prático, entregue por meio de ferramentas como o Slack ou o ServiceNow.
As equipes gastam menos tempo triando alertas, diagnosticam problemas mais rapidamente e se concentram nos problemas operacionais de maior impacto.
Observabilidade da Rede
O NVIDIA Minerva é a principal solução de observabilidade de rede para fábricas de IA da NVIDIA. O NVIDIA Minerva inclui painéis prontos para uso e alertas criados especificamente para redes Spectrum-X Ethernet, a malha NVLink scale-up, a integridade do hardware e os serviços. Os painéis estão alinhados com as arquiteturas de referência da NVIDIA, oferecendo às equipes de operações visibilidade das melhores práticas.
A integração com o DSX OS estende ainda mais esse recurso, permitindo que o NVIDIA Minerva compartilhe componentes, modelos de dados e contexto operacional em todo o ecossistema DSX mais amplo.
Modelos de Consumo
Implante o NVIDIA Minerva com Modelos de Consumo Flexíveis
Para o coletor de dados do NVIDIA Minerva, a detecção de anomalias em tempo real e os recursos de IA, escolha as configurações, desde DIY até prontas para uso, mais adequadas aos workflows de sua organização.
Recursos
Saiba Mais sobre o NVIDIA Minerva
Perguntas Frequentes sobre o NVIDIA Minerva
O NVIDIA Minerva é uma plataforma de AIOps nativa de IA que correlaciona a telemetria de infraestrutura e de cargas de trabalho para oferecer observabilidade full-stack em recursos de computação, rede, armazenamento e cargas de trabalho de IA, convertendo esses dados em informações para ações proativas ou automatizadas.
O NVIDIA Minerva reúne dados da infraestrutura da NVIDIA, rede, agendadores e telemetria de workload. Esse contexto completo permite correlacionar interfaces anômalas com trabalhos de IA, ajudando os operadores a isolar causas raiz que ferramentas genéricas e soluções pontuais isoladas podem não detectar.
O NVIDIA Minerva é a principal solução de observabilidade de rede para fábricas de IA da NVIDIA, NVIDIA Vera Rubin e NVIDIA Blackwell. Ele abrange o NVIDIA Spectrum-X Ethernet para scale-out, scale-across e scale-in, o NVIDIA NVLink para scale-up, Slurm e outros agendadores e workloads de IA.
O NVIDIA Minerva pode ser implantado em instalações locais ou consumido como SaaS na nuvem NVIDIA. Ele é compatível com vários modelos de consumo, desde DIY até soluções turnkey completas para se ajustar aos workflows de fábricas de IA existentes.
O NVIDIA Minerva ingere computação, rede, armazenamento, agendamento, NCCL e telemetria de workload por meio de padrões, incluindo OpenTelemetry, gNMI, syslog, DCGM, Slurm e JSON. Ele se integra ao Slack, Microsoft Teams, PagerDuty, ServiceNow, Grafana, Ansible e APIs de infraestrutura.
O NVIDIA Minerva usa IA/ML criados especificamente para aprender o comportamento normal, prever anomalias, correlacionar eventos e recomendar remediações. Um assistente de IA nativo permite a triagem em linguagem natural usando telemetria em tempo real, enquanto seu servidor MCP conecta o NVIDIA Minerva a ferramentas baseadas em agentes de terceiros.
O NVIDIA Minerva reutiliza componentes do DSX OS, enquanto os principais recursos do NVIDIA Minerva, começando com o NVIDIA Minerva Collector, serão de código aberto no DSX OS, criando uma base modular de observabilidade.
Próximos Passos