NVIDIA 于10月22日推出 Minerva，一款面向 AI 工厂的 AIOps 平台。它汇集 GPU、网络、存储、调度器和工作负载的遥测数据，让运维团队能够从运行变慢的训练任务追踪到底层组件，而不必在各类监控系统间独立排查。
Minerva 以动态知识图谱表示 GPU、SuperNIC、交换机、线缆及其承载任务的关系，再通过监督和无监督机器学习识别异常、预测潜在故障，并按拓扑关联事件。其原生 AI 助手可依据实时数据回答集群健康问题，提供修复建议，也能对接外部 Agent 工具。
IREN 已将平台用于优化 AI 工厂，Bitdeer AI、IBM、Jio、Lambda 和 Tesla 等计划部署。团队可保留人工执行修复，也可通过基础设施接口连接自动化。官方关注的是 GPU 有效工作、集群在线时间与 token 产出等运营指标。