Lancé aujourd’hui, NVIDIA Minerva est une plateforme AIOps conçue pour aider les équipes à détecter les problèmes plus tôt et maintenir les usines d’IA productives. Elle regroupe la télémétrie provenant de l’infrastructure et des charges de travail d’IA, puis applique des modèles d’IA spécifiquement conçus pour transformer ces données en informations exploitables et opportunes.
Les usines d’IA font partie des opérations les plus complexes au monde, avec de nombreuses GPUs travaillant sur des réseaux à haute vitesse pour entraîner les modèles et servir les applications d’IA. À cette échelle, un seul composant défectueux peut ralentir tout le processus. Les signaux d’alerte peuvent être faciles à ignorer, comme une GPU qui se réchauffe plus que ses concurrents ou une carte NVMe qui perd en performance sous charge.
La plateforme se concentre sur le rendement de l’usine d’IA, une mesure qui indique le travail utile que l’infrastructure produit en fonction des heures de GPU, du débit de données, de la disponibilité du cluster et de la production de tokens.
Lisez tous les annonces de NVIDIA en Europe
Fournir une vue dynamique d’une usine d’IA
Les outils de surveillance traditionnels divisent souvent le centre de données en différentes perspectives. Les équipes de réseau, de calcul, de fiabilité du site et d'apprentissage automatique perçoivent chacune une partie distincte de l'opération. Minerva relie ces signaux entre les GPU NVIDIA, le réseau, le stockage, les planificateurs et les charges de travail.
Avec ces signaux, Minerva crée un graphe de connaissances dynamique qui mappe logiquement l’infrastructure – GPU, SuperNICs, commutateurs et câbles – ainsi que les tâches qui s’y exécutent. Ce contexte permet aux opérateurs de remonter une tâche de formation lente jusqu’au composant qui l’a affectée, même dans une usine comprenant des centaines de milliers de GPU.
Il analyse des milliards de points de données par heure en utilisant des apprentissages automatiques supervisés et non supervisés. Il apprend le comportement normal, détecte des anomalies jamais vues auparavant, prévoit les pannes émergentes et corrèle les événements liés en fonction de la topologie de l’usine. Au lieu d’envoyer chaque symptôme à un opérateur, il peut regrouper une vague d’événements en une situation d’incident ciblée avec une cause principale probable.
Minerva est dotée d’un assistant IA natif et se connecte à des outils d’IA agentique externes. Cela permet une interface de langage naturel basée sur la télémétrie en temps réel. Les opérateurs peuvent examiner l’état du cluster et recevoir des recommandations de correction via une conversation. Les équipes peuvent garder une personne informée pour mettre en œuvre manuellement les corrections, ou connecter Minerva à l’automatisation via les interfaces de programmation d’applications d’infrastructure et les systèmes externes.
Résultats qui maximisent le rendement de la usine IA
La capacité à corréler les problèmes de charge de travail et d’infrastructure avec les capacités d’IA agentique aide à simplifier les opérations des usines d’IA. Au lieu de devoir gérer une multitude d’alertes, Minerva regroupe les problèmes liés en un seul élément opérationnel. Cela permet aux équipes AIOps de passer d’une maintenance réactive à une maintenance proactive. Et tout cela contribue à maximiser le temps de fonctionnement des GPU dans les usines d’IA.
Minerva apporte de la valeur pour les principales métriques sur lesquelles se concentrent les usines d’IA :
- Plus longue durée entre les interruptions : Minerva détecte les problèmes avant qu’ils ne se produisent, donc les tâches se déroulent plus longtemps sans incident.
- Moins de temps nécessaire pour la réparation : Lorsqu’un incident se produit, Minerva identifie le problème, ce qui permet une résolution beaucoup plus rapide.
- Plus de compréhension : L’infrastructure d’IA moderne génère une multitude de données ; Minerva les filtre, ne laissant que quelques alertes qui sont réellement importantes.
IREN fait partie des partenaires NVIDIA qui utilisent Minerva pour optimiser leurs usines d’IA.
« Alors que nous développons nos usines d’IA, la clé pour offrir le meilleur service à nos clients est de maximiser la productivité de nos GPU », a déclaré Denis Skrinnikoff, directeur technique d’IREN. « NVIDIA Minerva permet à l’équipe de gestion de nos opérations d’obtenir une vue complète sur la réseau, les GPU et les tâches qui y sont exécutées. Ainsi, nous pouvons nous concentrer davantage sur la maintenance proactive plutôt que sur le dépannage. Cette visibilité renforce notre modèle opérationnel pour l’infrastructure que nous construisons à venir. »
En rejoignant IREN, Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI et Tesla, ils prévoient de déployer Minerva.
En plus de Dell Technologies, Lenovo et Supermicro offriront Minerva dans le cadre de leurs portfolios d’opérations de leur usine d’IA.
Apprenez plus sur NVIDIA Minerva.
Voir notice concernant les informations sur le produit logiciel.
Lisez tous les annonces de NVIDIA en Europe