矿机到货先核对风道和电源接口再上架

到货验收时，我最先看的不是后台算力，也不是外箱上写的型号，而是一组容易被忽略的变量：外箱是否受潮，防震泡棉有没有塌陷，机身序列号和采购单能不能对上，风扇叶片有没有擦痕，电源插头有没有发黑，控制板网口是否松动，进风侧滤网是否带灰，散热片缝隙里有没有金属屑，螺丝封签是否被动过，随箱电源线规格是否匹配机房 PDU。只要其中一个变量不对，这台机器就不该直接上架跑满功率。

矿机硬件验收最怕“差不多”。包装看起来没破，机器能点亮，面板也能识别，于是就进机架、接电、开跑。结果三天后掉板，一周后风扇异响，半个月后电源保护，维修人员再回头查，已经说不清是运输损伤、上架挤压、供电不稳，还是原厂品控问题。对矿场来说，验收不是走流程，而是在故障发生前，把责任边界、备件需求和停机风险先压下来。

准备：收货区要比机架区更严格

很多矿场把收货区当临时堆货点，这是第一个坑。矿机到场后，如果直接堆在通道里等上架，外箱状态、批次差异和配件缺失很快就会混在一起。我的做法是，收货区单独划线，未验收、待复测、可上架、待退换四类机器分开放，任何人不能把未验收机器推到机架旁边“先占位置”。

准备阶段要先把资料拿齐。采购单、物流单、厂家出厂清单、质保条款、机型功耗参数、电源规格、风扇型号、控制板版本，这些东西不能等机器出问题后再找。尤其是同一批货里混了不同生产日期、不同电源批次时，后面巡检会很麻烦。验收记录里必须写清楚每台机器的序列号、箱号、到货时间、外观状态和对应机位，不能只写“本批 100 台正常”。

工具也要提前备好。测温枪、功率计、万用表、网线测试仪、扭力螺丝刀、防静电手套、备用风扇、备用电源、备用控制板、扎带和标签纸，都应该在收货前到位。不要等发现风扇不转，才去仓库翻旧件；也不要等 PDU 插口发热，才想起测插头接触是否可靠。

还有一个细节：验收前要确认机房环境。冷通道温度、热通道回风、湿度、尘土、PDU 负载余量、空开容量，都要先有数。如果机房本身风量不足，验收时机器跑不稳，不能简单认定是矿机硬件问题；反过来，如果环境正常而单台异常，就更容易把问题定位到设备本身。

执行：开箱、通电、上架不能一口气做完

开箱时不要急着撕完所有包装。外箱四角、底部压痕、胶带二次封箱痕迹，都要拍照留底。矿机从箱内取出后，先看机壳是否变形，风扇罩是否偏斜，散热片是否有明显歪倒。运输震动后，最容易出问题的是风扇、散热片、插接件和电源接口，外观不查，通电后再烧，就很难追责。

第一次通电建议在验收工位完成，不建议直接上架跑。接入独立 PDU，单台启动，观察风扇自检声音是否均匀，电源启动有没有尖叫或反复保护，控制板能否稳定获取 IP。这里不要求马上追求满算力，而是先确认机器能正常启动、能联网、能识别算力板、能读取温度。

进入测试后，功率和温度要一起看。只看算力没有意义，因为有些机器短时间能冲上去，但某一块算力板温度上升很快，或者风扇转速拉满后仍压不住热。验收记录里至少要写下启动功率、稳定功率、进风温度、出风温度、各板温度差、风扇转速和错误码。温差过大的机器不要放过，有时不是芯片问题，而是散热片压合、导热材料或风道被异物影响。

上架时要按风道安排，不要只按空位塞机器。进风侧不能被线缆挡住，出风侧不能正对另一排进风口，机身和机架之间要留出检修空间。电源线不要拉得太紧，也不要在热风区打结。PDU 插头插入后要确认到底，跑一段时间后再摸插头和线缆温升，发现某个插口明显烫手，宁可停机换位，也不要等它烧黑。

检查：巡检不只看红灯，还要看异常的前兆

矿机上架后的前 24 小时，是验收工程师最该盯紧的时间。很多硬件问题不是开机就坏，而是在热胀冷缩、负载变化和风扇长时间高转速后才露出来。第一天巡检不能只看管理面板有没有离线，还要现场听声音、看线缆、摸电源外壳温度、查热通道是否有局部热浪。

我比较在意几类前兆。第一是风扇声音变尖，说明轴承、叶片或风道阻力可能有问题；第二是同型号机器里某台功耗偏高，但算力没有更高，可能是电源效率或算力板状态异常；第三是某一块板温度总比其他板高，可能是散热片接触、灰尘或芯片状态问题；第四是电源偶发保护后又恢复，这类机器不能留在满负载区继续赌。

巡检记录要能追到机位。只写“3 号通道有异常”不够，必须精确到机架、层位、机器序列号、电源口、网口。后面维修换件时，这些记录能直接减少排查时间。尤其是批量机器到货后，如果同一批电源、同一批风扇连续出现异常，要及时把问题从“单机维修”提升为“批次风险”，避免一台一台被动处理。

备件也要跟着巡检动态调整。不是所有矿场都要囤一大堆零件，但常用件必须有比例。风扇、电源、控制板、网线、电源线、PDU 插头、螺丝和标签纸，这些看似小件，缺一个都可能让机器多停半天。备件入库同样要验收，旧件和新件分区，拆机件要标注来源、故障现象和是否复测通过，不能把不确定的旧件又装回生产机器。

维修：能换件不代表问题已经解决

维修现场最容易犯的错，是看到机器恢复算力就结束工单。比如风扇报警，换了风扇后面板正常，但如果不查风道阻塞、进风温度和线缆遮挡，过几天还会报警。电源保护也是一样，换电源前要先测 PDU 负载、电压波动、插头接触和机器实际功率，否则新电源可能继续保护。

拆机维修要保留顺序。先断电，再放电等待，再拆线，再拆板，不要为了赶时间热插拔。拆下来的风扇、电源、控制板要贴标签，写明机器序列号和故障时间。送修件如果没有故障描述，供应商只能做简单通电测试，很多间歇性问题根本测不出来，最后又回到矿场继续制造停机。

维修后必须做复测。复测不只是开机，而是至少跑过一段稳定负载，观察温度、功率、风扇转速和错误日志。复测通过后再回到原机位或备用机位，并在工单里写明换了什么、为什么换、旧件去了哪里、是否影响质保。硬件管理做细之后，后面采购也会更准：哪些型号风扇容易坏，哪些批次电源保护多，哪些机位热压大，都能看出来。

回滚与复盘：该下架时不要舍不得那点算力

验收工程师要有一个明确原则：硬件状态不确定的机器，不上满负载；连续异常的机器，不留生产位；同批次重复故障，不继续盲目上架。很多损失不是来自一台坏机器，而是坏机器拖着电源、PDU、同架风道一起出问题。

回滚动作要提前写好。哪些错误码必须降频观察，哪些温度必须停机，哪些电源异常必须下架，哪些风扇问题可以现场换件，哪些机器要直接退换，都要有标准。没有标准时，夜班人员只能凭经验判断，经验不同，处理结果就不同。

复盘不要等事故后才做。每批矿机完成七天稳定运行后，就应该统计一次：到货破损率、开箱异常率、上架后 24 小时故障率、风扇更换数量、电源保护次数、退换货数量、平均维修时长、备件消耗量。下一批采购、机房改造和备件预算，都应该参考这些数据，而不是只看报价单上的单 T 成本。

今天如果有新矿机到场，建议先做一个很具体的动作：把收货区的未验收机器全部贴上状态标签，再抽查每台的风道、电源接口和序列号，未完成记录前不要上架。矿机硬件真正省钱的地方，不在开机那一刻多跑了多少算力，而在到货、上架、巡检和备件这几步少埋了多少故障。