NVIDIA lança Minerva, plataforma de AIOps para monitorar AI factories de ponta a ponta

O Minerva é uma plataforma de AIOps que a NVIDIA colocou em disponibilidade oficial em 22 de outubro de 2026. A ideia é atacar um problema típico de AI factories: com muitas GPUs em redes de alta velocidade, um único componente degradado pode atrasar um job inteiro. Os sinais costumam ser sutis, como uma GPU mais quente que as vizinhas ou um NVMe perdendo desempenho sob carga.

Tecnicamente, o Minerva junta telemetria de GPUs NVIDIA, redes, storage, schedulers e workloads e monta um knowledge graph dinâmico com GPUs, SuperNICs, switches, cabos e os jobs em execução. Isso permite rastrear um treinamento lento até o componente responsável, segundo a NVIDIA mesmo em fábricas com centenas de milhares de GPUs. A análise cobre bilhões de pontos de dados por hora, com aprendizado supervisionado e não supervisionado, e agrupa tempestades de eventos em um incidente com provável causa raiz. Há um assistente de IA nativo, conexão com ferramentas externas de agentic AI e a opção de manter uma pessoa no loop ou ligar a plataforma a automações via APIs. A métrica central é o AI factory yield (horas de GPU, goodput, uptime e produção de tokens). A NVIDIA não divulgou números de ganho no texto, apenas os benefícios qualitativos: mais tempo entre interrupções, reparo mais rápido e menos alertas irrelevantes.

O histórico do CEVIU tem pontos de contato com o tema, mas não mostra evolução do mesmo produto. Em 19 de outubro de 2026, o CEVIU noticiou "Netflix Otimiza Infraestrutura de GPU para Treinamento e Inferência em Larga Escala", que descreve como pequenas falhas de infraestrutura interrompem grandes cargas de GPU. É o mesmo problema que o Minerva diz atacar, só que por uma abordagem interna da Netflix, não da NVIDIA. Em 14 de outubro de 2026, o CEVIU também noticiou "NVIDIA Abre Código da Run:ai para Otimizar Infraestruturas de IA e Expandir Ecossistema", focado em throughput de cargas de IA, outra peça da operação de infraestrutura.

Para quem opera clusters de GPU, o ganho prático está em reduzir o tempo gasto correlacionando alertas entre times de rede, compute e ML. Se o knowledge graph entregar a causa raiz como prometido, o MTTR cai. Vale testar com cautela a parte de automação: ligar correções automáticas a APIs de infraestrutura exige confiança no diagnóstico, e a fonte não traz métricas independentes. A lista de parceiros e fabricantes (Dell, Lenovo, Supermicro) sugere que a NVIDIA quer a camada de observabilidade como parte do pacote de AI factory.