英伟达给 AI 工厂装了一套监控
英伟达发布 Minerva，把 GPU、网络、存储、负载的遥测汇成一张拓扑图，用来把慢作业追到具体部件。本文讲它实际解决的问题和厂商数字的边界。
一座十万卡的 AI 工厂里，最贵的故障往往不是坏了，是慢了一点点。
一、发生了什么
10 月 22 日，英伟达在柏林 GTC 期间发布 Minerva，定位是 AI 工厂的 AIOps 平台。据官方博客，它把基础设施遥测和 AI 负载遥测汇到一起，再用专门训练的模型把数据转成可执行的判断。
具体做三件事。
一是建一张动态知识图谱，把 GPU、SuperNIC、交换机、线缆和跑在上面的作业逻辑地连起来。这样一条变慢的训练任务，可以顺着拓扑追到具体那个部件，哪怕工厂里有几十万张 GPU。
二是做异常检测。官方说它每小时分析数十亿个数据点，用有监督和无监督两类模型，学习正常行为、发现没见过的异常、预测即将发生的故障，并按拓扑把相关事件聚成一个事件，而不是把每个症状都丢给值班的人。
三是给一个自然语言入口。内置 AI 助手，也能接外部 agent 工具，运维可以对话式地查集群健康、拿修复建议。人是留在环里的，也可以把动作接到自动化接口上。
它衡量的指标叫 AI 工厂产能：GPU 小时、有效吞吐、集群可用率、token 产出。
IREN 已经在用。另有七家运营商和云厂商计划部署，公开点名的包括 Lambda、Jio、Tesla、Bitdeer AI、Quake AI、Aolani 和 IBM。戴尔、联想、超微会把它放进 AI 工厂运维的产品组合。以上都是厂商口径，博客没给价格，也没有第三方对「提前发现故障」的复现。
二、跟你有什么关系
运营智算中心的人。 你大概率已经有 GPU 监控和时序库，缺的不是指标，是「这条变慢的作业该找谁」。
做训练平台的人。 作业视角和基础设施视角打通，收益最大的是排队和故障重调度这两段。
采购的人。 这类平台的成本不在许可，在它要求你的网络和存储也把数据交出来。
三、怎么判断你需要的是采集还是关联
读到这儿，可以顺路看 英伟达用 AI 写的一万二千行，没人逐行审 英伟达工程师用一万二千行融合内核，把 Kimi K3 的解码速度提了一截，代码大部分由 agent 辅助完成。这篇讲清提升从哪来，以及"审查跟不上生成"这件事意味着什么。- 先算一次故障的平均定位时间。如果你们已经能在半小时内定位到卡或交换机，缺的可能是自动化处置，不是可视化。
- 看现有遥测能不能被读走。它的价值建立在跨 GPU、网络、存储、调度器、负载五个源头的数据上，任何一块拿不到，图谱就缺一块。
- 问「数十亿点每小时」在哪算。这个量级的处理要么在本地留出算力，要么上传。前者要预算，后者要过合规。
- 让它解释一次已知故障。把上个月那次事故的时间窗给它，看能不能复现出根因。这比看演示有用。
四、三个别信的说法
「能提前预测故障，就不会有中断。」 预测的前提是故障有前兆。显存颗粒击穿、光模块突然失效这类没有前兆的问题，任何监控都预测不了。
「一个平台就能统一所有团队的视图。」 视图可以统一，责任不能。网络、算力、站点可靠性、算法团队看同一张图，最后的处置动作还是各管一段。
「接了 AI 助手就能自动修。」 官方写得很清楚：人可以留在环里手动执行，也可以接自动化接口。前者是建议系统，后者才是闭环，两者风险差一个量级。
五、一句话结论
这类平台卖的从来不是指标，是从症状到部件的那条路径——指标你自己有，路径要跨五个系统才拼得出来。
信息来源
功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。
每周一封，只发新教程和可复制模板。不发广告，随时退订。