NVIDIA 於2026年10月22日在柏林 GTC 大會發表 Minerva，一個針對 AI 工廠的 AIOps 觀測平台。平台把 GPU、網絡、儲存、調度器與工作負載的遙測資料整合，每小時分析數以十億計的數據點，用以提早發現故障並維持算力生產力[1]。
把分散的監控訊號連成一張圖
NVIDIA 指出，AI 工廠是全球最複雜的營運環境之一，大量 GPU 透過高速網絡協同訓練模型與提供推論服務；在這種規模下，單一元件效能下降就足以拖慢整個任務，而徵兆往往並不明顯，例如某張 GPU 的溫度高於同儕，或某個 NVMe 硬碟在高負載下掉速[1]。
傳統監控工具通常把數據中心分割成多個視角，網絡、運算、可靠性與機器學習團隊各自看到不同部分。Minerva 改為跨越多個層級連接訊號，並建立動態知識圖譜，把 GPU、SuperNIC、交換機、線纜等基建元件與其上運行的工作負載在邏輯上對應起來。NVIDIA 稱，這種上下文關係讓營運人員即使在數十萬張 GPU 的廠房內，也可以把一個變慢的訓練任務追溯到真正影響它的元件[1]。
由警報風暴收斂為單一事故
分析層面，Minerva 結合監督式與非監督式機器學習，學習系統的正常行為，偵測以往未曾出現的異常，預測即將發生的故障，並依據廠房拓撲關聯相關事件。平台不會把每一個症狀都推送給營運人員，而是把一連串事件歸納為一宗聚焦的事故，並提出可能的根本原因[1]。
平台內建 AI 助手，同時可接駁外部 agentic AI 工具，提供以即時遙測為基礎的自然語言介面。營運人員可以用對話方式查詢集群健康狀況，並取得修復建議；團隊既可以保留人手審批後才執行修復，也可以透過基建應用程式介面與外部系統把 Minerva 接上自動化流程[1]。
以 AI 工廠產出率作為成效指標
NVIDIA 把平台的目標放在「AI 工廠產出率」，即基建透過 GPU 時數、有效產出、集群正常運行時間與 token 生產所產生的有用工作量。官方列出三項效益：延長兩次中斷之間的運作時間、縮短修復所需時間，以及在高數據量之中只保留少數真正需要處理的告警，令維運團隊由被動救火轉向主動保養[1]。
客戶方面，IREN 已使用 Minerva 優化其 AI 工廠。該公司技術總監 Denis Skrinnikoff 表示，隨著 AI 工廠規模擴大，為客戶提供最佳服務的關鍵在於把 GPU 生產力最大化，Minerva 讓營運團隊在網絡、GPU 與其上的任務之間取得單一視圖，可以投放更多精力於主動保養，而非排解故障[1]。
NVIDIA 表示，IREN、Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 及 Tesla 計劃部署 Minerva；Dell Technologies、Lenovo 與 Supermicro 亦會把 Minerva 納入其 AI 工廠營運方案之中[1]。
參考資料
[1] NVIDIA Unveils Minerva to Bring End-to-End Observability for AI Factories（2026-10-22）