詳細を読む
NVIDIAは2026年10月22日、AI工場のインフラとAIワークロードを一体監視するAIOps基盤「Minerva」を発表しました。GPU、ネットワーク、ストレージ、ジョブの遠隔測定データを専用AIで分析し、異常の早期発見や根本原因の特定、障害予測を支援します。大規模なAI基盤でGPUの稼働時間と有効な処理量を高め、運用を事後対応から予防保守へ移す狙いです。
AI工場では、多数のGPUが高速ネットワークを介して学習や推論を担うため、部品一つの劣化がジョブ全体を遅らせます。MinervaはGPU、SuperNIC、スイッチ、ケーブル、ストレージ、スケジューラー、実行中のジョブを動的な知識グラフで関連付け、部門別に分断されがちな監視情報を一つの運用像にまとめます。
Minervaは1時間に数十億件のデータポイントを教師あり・教師なし機械学習で分析し、通常の挙動を学んで未知の異常や故障の兆候を検出します。設備の接続関係を踏まえて関連イベントを結び付けるため、警告の集中発生を原因候補付きの一件の障害へ集約し、担当者の調査を絞り込めます。
搭載するAIアシスタントは、稼働中の遠隔測定データに基づき、自然言語でクラスターの状態調査や修復案の確認を可能にします。担当者が修復を判断して実行する運用に加え、インフラAPIや外部システムを通じて自動処理につなぐ構成も選べます。
IRENはすでにMinervaをAI工場の最適化に利用し、Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI、Teslaも導入を計画しています。Dell Technologies、Lenovo、Supermicroは自社のAI工場運用製品群にMinervaを組み込んで提供する予定で、運用基盤への展開が進みます。