Bitdeer AI 部署 NVIDIA Minerva 原生 AIOps 方案，全面提升 AI 工厂算力效能

Bitdeer AI 现已全面支持 NVIDIA Minerva——NVIDIA 专为最大化 AI 工厂（AI Factory）基础设施可用性与性能而打造的全新 AI 原生端到端 AIOps 软件平台。通过将 NVIDIA Minerva 引入我们的 AI 工厂运维体系，Bitdeer AI 进一步践行了为大规模 AI 训练与推理提供高可靠、高收益的 GPU 基础设施的承诺。

什么是 NVIDIA Minerva？

NVIDIA Minerva 能够收集并整合来自基础设施及 AI 工作负载的指标、日志和拓扑遥测数据，结合针对性打造的 AI/ML 算法与智能体技术，将海量的原始遥测数据转化为主动式自动化行动，从而最大化 AI 工厂的整体产出，包括 GPU 时长、有效吞吐量、集群正常运行时间及 Token 生成量。

它既可作为独立平台部署，也能与 NVIDIA DSX OS 进行集成。

单点工具无法企及的全栈视野

NVIDIA Minerva 可对来自 NVIDIA GPU、NVIDIA ConnectX SuperNICs, NVIDIA BlueField DPUs, NVIDIA NVLink 纵向扩展（Scale-up）交换机, NVIDIA Spectrum-X 东西向与南北向以太网、NCCL、调度器以及 AI 工作负载的遥测数据进行关联分析。它将这些遥测数据转化为映射集群及其运行任务的动态知识图谱。凭借这种全栈上下文感知能力，NVIDIA Minerva 能够在数十万个接口中，准确将单个异常接口与其影响的具体训练任务关联起来。

NVIDIA Minerva 每小时可实时分析数十亿个数据点，学习正常运行行为，在异常演化为故障事件前进行预测，并实现跨层级的事件自动关联，从而帮助运维人员更快速地聚焦于极少数高相关性的核心问题。借助 MCP 服务器以及 Minerva 平台原生的多智能体 AI 助手 Sherlock，运维人员可以通过基于实时遥测数据的自然语言对话，轻松完成故障排查与调试。

经实证验证的卓越成效

在 NVIDIA 内部的 AI 工厂测试中，NVIDIA Minerva 展现出了显著的性能提升：通过预测性维护延长了平均故障间隔时间（MTBI）；通过自动化根因分析降低了平均修复时间（MTTR）；通过高级降噪技术提升了可执行见解的比例；通过增加有效 GPU 时长直接提升了 Token 产量。在一次实际案例中，NVIDIA Minerva 将由 NVMe 电源故障导致的平均修复时间从数天的停机缩短至 6 小时；在另一次案例中，它将 81 个冗余的噪声事件聚合成单一告警，为集群挽回了 54 小时的正常运行时间。

对 Bitdeer AI 的重大意义

随着 Bitdeer AI 持续扩大 AI 工厂基础设施规模以承载 AI 训练与推理工作负载，每一小时的 GPU 运行时间都至关重要。NVIDIA Minerva 的全栈可观测性、预测性维护以及智能体排障能力，能够帮助我们在性能衰退影响任务之前即时捕捉，缩短修复时间，让更多 GPU 持续高效运转，在保障数据主权的同时，轻松应对从小型集群到包含数十万张 GPU 的 AI 工厂的无缝扩展。

Bitdeer AI 对 NVIDIA Minerva 的支持，体现了我们基于 NVIDIA 最新技术构建企业级 AI 基础设施的长期坚定承诺。