到货矿机先做带载验收再谈上架

进仓第一眼，我不会先问这批机器标称多少 T，也不会急着让人拆箱上架。我要看的变量很具体：外箱有没有二次封胶，序列号和采购单能不能对上，电源接口有没有发黑，风扇叶片有没有磕边，控制板指示灯是否正常，三块算力板温差是不是离谱，进风口温度、出风口温度、风扇转速、电源输入电压、整机功耗、矿池拒绝率，至少要在同一张验收记录里出现。少一个变量，后面出了问题就只能靠猜。

我做矿机硬件验收这些年，最怕的不是机器坏，而是机器“看起来没坏”。空载能亮、短时间能跑、后台有算力，并不代表它能在矿场环境里连续扛住。尤其现在很多机器经过长途运输、转仓、返修、二次销售，到货状态差异很大。硬件验收工程师的价值，就是在机器正式吃电之前，把会引发停机、烧线、反复掉板的隐患提前拦下来。

准备：机器没拆完，验收条件先搭好

验收不是把矿机摆一排通电这么简单。到货前一天，我通常会先把测试位清出来，确认电缆规格、PDU 余量、空开容量、网线端口、测试矿池账号、温湿度计、热成像仪、钳形表、备用风扇和电源都在现场。测试位不要选在风道最好的位置，否则测出来的状态会过于好看，上架后反而暴露问题。

电这件事要先算清楚。比如一台机器标称功耗 3300W，验收时不能只看它能不能启动，还要看测试回路能不能承受多台同时拉载。接线时要确认插头规格、线径、PDU 端口温度，不要让临时测试线变成风险源。有些故障不是机器带来的，是验收现场太随意带来的。

网络也要提前处理。新机器批量接入时，IP 冲突、DHCP 分配异常、矿池地址填错，都会让人误判为控制板问题。我的习惯是给测试区单独留一个网段，批次、箱号、SN、IP、机位临时编号一一对应。后续如果某台掉线，能马上定位到物理机器，而不是在机架上靠声音找半天。

备件同样要提前到位。验收现场至少要准备同型号风扇、常用电源、控制板连接线、数据排线、螺丝、扎带、网线和清洁工具。没有备件的验收，很容易变成“发现问题但无法确认问题”。风扇异常到底是风扇坏，还是控制板供电异常？电源报警到底是电源本体，还是输入波动？没有替换件，就只能把机器先搁置，批量上架节奏会被拖乱。

执行：通电不是结束，带载才算开始

拆箱时我会先拍照，尤其是外箱、泡棉、机身铭牌、电源接口和风扇位置。别嫌麻烦，后面涉及物流磕碰、供应商返修、质保争议，这些照片比口头描述有用得多。外观检查重点看三处：风扇框有没有裂，散热片有没有变形，电源插口有没有烧蚀或松动。散热片轻微歪斜不一定立刻停机，但如果已经影响风道，就不能直接进架。

第一次通电不建议直接满批次一起开。先抽几台做基准测试，确认固件版本、后台识别的算力板数量、芯片数量、风扇数量都正常，再逐步放量。矿机启动后的前 10 分钟很关键，风扇拉速、芯片升温、电源负载变化都集中在这个阶段。很多运输导致的接触问题，会在热胀冷缩之后出现，而不是开机第一秒出现。

带载测试至少要跑到温度稳定。只看 5 分钟算力没有意义，后台显示一瞬间正常，不代表硬件正常。我更关注三类变化：第一，算力是否从高到低慢慢滑落；第二，算力板之间温差是否持续拉大；第三，风扇转速是否长期顶在高位却压不住温度。如果一台机器在测试区温度不高的情况下风扇已经接近满速，上架到高密度区域后大概率会更难看。

供电检查不能只看后台功耗。后台数值可以参考，但我会用钳形表看输入电流，用手持测温或热成像看插头、PDU 和线缆接点。接头温度异常上升，往往比机器报警更早出现。矿场里有些事故不是芯片烧了，而是接插件长期发热，最后烧黑、打火、连带损坏电源。

检查：把“能跑”拆成可签字的证据

一台矿机能不能通过验收，不能只靠一句“算力正常”。我会把证据拆成几层。

第一层是身份确认。SN、MAC、采购批次、箱号、到货时间、测试人员都要记录。返修机、换板机、混批机最容易在这里出问题。如果 SN 和后台识别、外壳铭牌、供应商清单对不上，先暂停入库，不要想着“反正能跑就行”。

第二层是运行指标。至少记录稳定运行后的平均算力、功耗、进风温度、出风温度、风扇转速、算力板温度、硬件错误率、矿池拒绝率。这里不要只记一个漂亮数值，要看一段时间的均值和波动。机器偶尔冲高没有价值，持续稳定才有价值。

第三层是散热表现。散热不是只看温度高不高，还要看温差合不合理。同批次同位置测试，如果某台进风一样、功耗接近，但出风温度偏高、风扇转速偏高，说明风道、散热片贴合或风扇效率可能有问题。若某一块算力板长期比其他板高出明显一截，要重点检查散热片、硅脂状态、板间风道和传感器读数。

第四层是电源状态。电源风扇异响、启动慢、负载下啸叫、接口发热，都不能忽略。有些电源在低负载看不出问题，满载一段时间才出现电压波动。验收时如果发现某台机器反复重启，不要第一时间刷固件，先换电源交叉验证。硬件验收最忌讳把所有问题都归到软件上。

第五层是维修判断。能现场解决的，比如风扇破损、排线松动、灰尘异物、固定螺丝脱落，可以登记后更换或修复。涉及算力板掉芯片、温度传感器异常、电源接口烧蚀、控制板识别不稳定，就要单独隔离，不能混入待上架区。隔离区要贴清楚故障标签，不要只写“坏机”，要写明“二号板识别丢失”“满载 20 分钟重启”“左侧风扇转速异常”这类可复测信息。

上架巡检：验收通过，也要再看一遍现场变量

测试位通过不代表上架结束。真实机架里的进风温度、线缆弯折、相邻机器排风、PDU 负载，都和测试位不同。机器上架后，我会要求至少做一次上架后复测：机位编号和后台 IP 对上，矿池接收算力正常，风扇方向无误，电源线没有受力，网线没有压在热风区，PDU 端口没有明显发热。

巡检时要特别看边角机位。靠墙、靠门、靠热风回流的位置，最容易把本来合格的机器拖成高温报警。新批次机器刚上架的前 24 小时，要提高巡检频率。不是每台都要拆开看，但异常机位一定要现场确认，不要只在后台点重启。后台只能告诉你结果，现场才能告诉你原因。

备件管理也要跟着上架走。新机器到场后，风扇、电源、控制板、排线至少要按批次留出一定比例。备件不要全部堆在仓库深处，常用件要放在运维能快速拿到的位置，并贴上型号和适配范围。很多停机时间并不是维修本身造成的，而是人在找备件、确认型号、等审批。

回滚与复盘：有问题的机器不要硬塞进产线

验收过程中一旦发现批量性异常，比如同批多台电源接口发热、相同算力板掉板、风扇批次噪音异常，就要立刻停止继续上架。不要为了赶进度把问题摊进整个矿场。正确做法是保留样机、记录故障比例、整理照片和日志，通知采购、供应商和运维负责人一起确认处理方式。

单机异常要有回滚动作：从待上架区退回隔离区，恢复原始配置，贴故障标签，写清楚测试条件和复现方式。已经上架后出现异常的机器，也要记录它原来的机位、PDU 端口、网口、环境温度，避免拆下来之后问题消失，最后查不出原因。

每天验收结束，我会做一个很短的复盘：今天到货多少台，通过多少台，现场修复多少台，隔离多少台，主要故障集中在哪些部件，备件消耗了什么。这个复盘不是给领导看的形式文件，而是给第二天验收和巡检用的。比如今天风扇坏得多，明天就要提前补风扇；今天电源啸叫多，就要增加满载测试时间；今天某个机位温度高，就要调整风道或减少密度。

矿机硬件验收的核心动作很朴素：到货先核身份，通电要带载，散热看温差，供电摸接点，维修要隔离，备件要够拿。今天如果有新批次机器进场，别急着把它们全部推上架。先抽样跑满载，再扩大测试范围，把每台机器的 SN、功耗、温度、风扇和故障记录写下来。能签字的验收，才是真正能减少后面停机的验收。