NVIDIA Minerva 在 2026 年 10 月 22 日的 GTC Berlin 上发布。这是 NVIDIA 官方博客公布的一套 AIOps 平台，专门给"AI 工厂"——几十万张 GPU 的训练与推理集群——做端到端运维可观测。核心思路：把基础设施和 AI 工作负载的遥测数据统一收拢，用 AI 模型把告警翻译成可执行的故障处理事项。
告警太多，根因太难找
AI 数据中心运维的痛点是规模：一个部件降速整轮训练跟着变慢，传统监控又把网络、计算、存储拆成各自的视图。Minerva 把 GPU、SuperNIC、交换机、线缆的连接和跑在上面的任务画进一张动态知识图谱，用有监督和无监督两套机器学习模型，每小时分析数十亿个数据点，学出"正常"的样子，提前发现异常、预测故障，把告警按拓扑归并到根因。
Sherlock：能用自然语言问集群的助手
Minerva 内置多智能体 AI 助手 Sherlock，通过 MCP 服务器接入实时遥测：运维人员用自然语言问"这组集群健康吗"，拿修复建议，一键决定是否接入自动化流程。NVIDIA 要优化的指标是"AI 工厂产出"（AI factory yield）：GPU 小时数、goodput（有效产出）、集群可用时间、token 产量；可独立部署，也能集成进 NVIDIA DSX OS。
已经有人先用上了
IREN、Bitdeer AI、IBM、Jio、Lambda、Quake AI、Tesla 计划部署，Dell、Lenovo、Supermicro 纳入各自方案。IREN CTO Denis Skrinnikoff 说，Minerva 让运维团队第一次在同一视图里看到网络、GPU 和任务。
这件事意味着什么
AI 基础设施的瓶颈正从"买卡"转向"让卡别闲着"：几十万卡量级下，找一块过热 GPU 的成本可能超过多买一块卡。Minerva 的价值在于把"跨层关联"做成平台，这也是它和通用可观测工具的区别。但它只解决 NVIDIA 生态内的问题：知识图谱覆盖 NVIDIA GPU、ConnectX SuperNIC、BlueField DPU、NVLink、Spectrum-X 这些自家部件，其他集群用不上。建 AI 工厂的团队值得评估；中小集群现有监控加告警收敛可能更划算。
