NVIDIA Minerva: lanzamiento de una plataforma para la observabilidad de las fábricas de IA

  • PublicPublic
  • 22 Oct, 2026
NVIDIA Minerva: lanzamiento de una plataforma para la observabilidad de las fábricas de IA

NVIDIA presentó oficialmente Minerva, una plataforma AIOps especializada, creada para mantener el rendimiento en grandes fábricas de IA. El sistema recopila datos de telemetría tanto de la infraestructura subyacente como de las cargas de trabajo de IA activas, y aplica modelos de inteligencia artificial específicos para convertir datos sin procesar en información práctica. Las fábricas de IA son uno de los entornos operativos más complejos del mundo, donde grandes conjuntos de GPU funcionan a través de redes de alta velocidad para entrenar modelos y ofrecer servicio a aplicaciones. En tales condiciones, la degradación de un solo componente puede ralentizar considerablemente tareas enteras, por lo que la detección temprana de problemas es crucial para mantener la eficiencia y la productividad.

Las herramientas de monitorización tradicionales suelen fragmentar la visibilidad en los centros de datos, al ofrecer vistas separadas para los equipos de redes, cómputo, fiabilidad de sitios y aprendizaje automático. Minerva resuelve esta fragmentación conectando señales entre las GPU de NVIDIA, el hardware de red, los sistemas de almacenamiento, los planificadores y las cargas de trabajo. La plataforma construye un grafo de conocimiento dinámico que representa lógicamente la infraestructura física, incluidas GPU, SuperNIC, conmutadores y cables, junto con las tareas que se ejecutan en ella. Este mapeo contextual permite a los operadores rastrear los cuellos de botella de rendimiento hasta componentes concretos, incluso en instalaciones con cientos de miles de GPU, lo que garantiza una identificación precisa y rápida de las causas raíz de la lentitud del entrenamiento.

La plataforma procesa miles de millones de puntos de datos por hora mediante algoritmos de aprendizaje automático supervisado y no supervisado. Aprende el comportamiento operativo normal, detecta anomalías nunca vistas, predice fallos emergentes y correlaciona eventos relacionados a partir de la topología específica de la fábrica. En lugar de abrumar a los operadores con cada síntoma individual, Minerva agrupa las tormentas de eventos en incidentes concretos con sus causas raíz probables. El sistema incluye un asistente de IA nativo y se conecta a herramientas externas de IA agéntica, y ofrece una interfaz en lenguaje natural basada en telemetría en tiempo real. Los operadores pueden investigar el estado del clúster y recibir recomendaciones de remediación mediante una conversación, sin perder la posibilidad de aplicar las correcciones manualmente o de conectarse a la automatización a través de las API de la infraestructura.

Minerva está diseñada para simplificar las operaciones agrupando los problemas relacionados en elementos únicos y accionables, lo que permite a los equipos de AIOps pasar de la resolución reactiva de incidencias al mantenimiento proactivo. Este enfoque ayuda a maximizar el tiempo de actividad de las GPU y mejora métricas clave como el rendimiento útil (yield), el goodput, la disponibilidad del clúster y la producción de tokens. Varios socios importantes, entre ellos IREN, Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI y Tesla, planean desplegar la plataforma. Además, los fabricantes de hardware Dell Technologies, Lenovo y Supermicro ofrecerán Minerva como parte de sus catálogos de operaciones para fábricas de IA, integrándola en soluciones de infraestructura más amplias.