Авторы системы HardwareDx сообщили о её шестимесячной работе более чем в 50 ML-кластерах Google. В препринте, опубликованном на arXiv 19 ноября 2026 года, они заявили о снижении производственного простоя на 18,3% для GPU-платформ и на 16,1% для TPU, а также о сокращении времени контроля качества при развёртывании оборудования. Эти цифры относятся к авторской производственной оценке, а не к независимому тестированию.
Как HardwareDx ищет неисправность
HardwareDx описана как предметно-ориентированная графовая модель для диагностики оборудования дата-центров. Авторы обучают её на разных топологиях машин, чтобы модель выделяла общие структурные признаки и переносила их на новые поколения оборудования с небольшим объёмом дополнительных данных.
Система классифицирует компоненты по двум классам: неисправные и исправные. В статье также говорится об использовании языковых моделей для обработки строк журналов оборудования. Это должно уменьшить зависимость от вручную поддерживаемых правил, которые приходится заново настраивать для новых аппаратных продуктов. Однако переносимость подхода не означает готовую работу на любой инфраструктуре без адаптации.
Что авторы получили в производственной оценке
По данным препринта, HardwareDx работала в Google шесть месяцев и была развернута более чем в 50 ML-кластерах. Авторы сообщают о precision выше 95% и recall выше 95% при классификации компонентов. В статье эти показатели приведены как результат эмпирической оценки самой системы.
Авторы также заявляют, что после внедрения производственный простой сократился на 18,3% для GPU-платформ и на 16,1% для TPU. Время контроля качества при развёртывании оборудования, по их данным, уменьшилось на 28,3% для GPU и на 25,1% для TPU. Проценты относятся к разным показателям: простою и времени QA, поэтому их нельзя складывать или представлять как единую величину экономии.
С чем сравнивали систему
В качестве базового варианта авторы рассматривают систему вручную обновляемых правил. По их сообщению, точность обнаружения неисправностей у HardwareDx была на 12,6% выше этого базового уровня. Сравнение относится именно к описанной в препринте системе правил и не доказывает превосходство над всеми инструментами мониторинга или диагностики.
Что это меняет для операторов кластеров
Если заявленные результаты воспроизводятся в сопоставимых условиях, система может помочь быстрее находить неисправные компоненты и сокращать время недоступности машин. Единая модель для нескольких аппаратных платформ также может уменьшить объём ручной настройки при вводе новых продуктов. Для другого дата-центра эффект будет зависеть от состава оборудования, журналов, процедуры разметки неисправностей и способа подсчёта простоев.
Ограничения заявленных показателей
Результаты представлены авторами препринта с описанием внедрения в Google. В доступном материале нет независимого подтверждения этих цифр, а также нет данных, позволяющих оценить стоимость внедрения или напрямую воспроизвести все условия производственного сравнения. Поэтому показатели HardwareDx следует считать результатом конкретного авторского кейса, а не гарантированным эффектом для любого оператора серверов.
Источник: препринт HardwareDx на arXiv, опубликованный 19 ноября 2026 года.








