NVIDIA 发布 Minerva：将 GPU、网络与任务遥测关联到同一运维视图

NVIDIA 于 10 月 22 日发布 Minerva AIOps 平台，面向大规模 AI 基础设施的监测与故障诊断。

让设备异常与任务变慢对应起来

官方介绍，Minerva 将计算、网络、存储和工作负载遥测放到同一上下文中，通过动态知识图谱映射设备连接与运行任务，帮助把一连串告警关联为可能具有共同原因的事件。

平台提供 AI 助手用于查询集群状态和建议处理方式。团队可以由人员实施修复，也可以按自身集成连接基础设施 API 与自动化系统，不能把有建议界面理解成默认拥有全部修复权限。

合作方状态需分开阅读

公告列出 IREN 的使用情况，并将多家其他伙伴写为计划部署。对可靠性和维修效率的价值描述来自厂商及伙伴，不是本站独立测试结论。

与 DeepSeek 部署有什么关系

以下为编辑分析：部署大模型时，模型质量、引擎吞吐和集群健康需要分别观察。框架支持某种硬件，不能证明线上每个请求都能保持同样速度；网络、存储和调度也会影响结果。

对采用 DeepInfer 等框架的团队，可先建立请求与任务、设备和时间窗口的对应记录，再用遥测定位瓶颈。本文没有确认 Minerva 与 DeepInfer 的特定集成，也不把 NVIDIA 平台能力扩展到昇腾环境。