NVIDIA は 2026 年 10 月 22 日、GTC Berlin で Minerva を発表した。NVIDIA の公式ブログによると、数十万基の GPU で訓練・推論を行う「AI ファクトリー」向けの AIOps プラットフォームで、運用にエンドツーエンドの可観測性をもたらす。発想はシンプルだ。インフラと AI ワークロードのテレメトリを 1 カ所に集め、AI モデルにアラートを実行可能な障害対応項目へ翻訳させる。
アラートが多すぎて、原因が見つからない
AI データセンターの運用が苦しいのは規模のせいだ。1 つの部品が劣化すれば訓練全体が遅くなり、従来の監視はネットワーク、計算、ストレージを別々の画面に分けるため、ジョブが遅くなっても全体像を持つ者がいない。Minerva は GPU、SuperNIC、スイッチ、ケーブルの物理的・論理的な接続と、その上で動くジョブを 1 枚の動的なナレッジグラフに描く。教師ありと教師なしの機械学習モデルが 1 時間あたり数十億のデータポイントを分析し、「正常」がどう見えるかを学び、異常を早期に検知し、故障を予測して、関連アラートをトポロジに沿って想定される根本原因に束ねる。
Sherlock：クラスタについて自然言語で聞けるアシスタント
Minerva にはマルチエージェント AI アシスタント Sherlock が内蔵され、MCP サーバー経由でリアルタイムのテレメトリに接続する。運用担当者は自然言語で「このクラスタは健全か」と尋ね、修正の提案を受け取り、ワンクリックで自動化に引き継ぐかどうかを選べる。NVIDIA が最適化したい指標は具体的で、「AI ファクトリーの歩留まり」（AI factory yield）と呼ぶ。GPU 時間、goodput（リトライや失敗ジョブを除いた有効な仕事量）、クラスタ稼働時間、トークン生産量だ。プラットフォームは単体でも、NVIDIA DSX OS に組み込んでも使える。
すでに使い始めた企業も
ローンチ時の名簿には、導入を計画する IREN、Bitdeer AI、IBM、Jio、Lambda、Quake AI、Tesla が並び、Dell、Lenovo、Supermicro は自社の AI ファクトリー向け製品群に組み込む。IREN の CTO、Denis Skrinnikoff は、Minerva によって運用チームが初めてネットワーク、GPU、ジョブを同じ画面で見られるようになり、火消しから予防保守へ注力が移ったと述べている。
何を意味するのか
AI インフラのボトルネックは「GPU を買うこと」から「GPU を遊ばせないこと」へ移っている。数十万基規模では、過熱した 1 枚の GPU を見つけること自体が大きなコストであり、もう 1 枚買うより安い。Minerva の価値は個々の機能ではなく、「層をまたいだ関連付け」を製品化した点にある。これが汎用的な可観測性ツールとの違いでもある。裏を返せば、解決するのは NVIDIA エコシステムの中の問題だ。ナレッジグラフがカバーするのは NVIDIA GPU、ConnectX SuperNIC、BlueField DPU、NVLink、Spectrum-X といった自社部品であり、NVIDIA 以外のクラスタは使えない。AI ファクトリーを建設中のチームには真剣に検討する価値がある。一方、中小規模のクラスタなら、既存の監視にアラート集約を足す方が割に合うかもしれない。
