文章目录
矿机到场先别急着上架：散热、供电和备件验收做好，后面少停很多机
矿机硬件这件事，很多矿工以前习惯看两个数字：标称算力和整机功耗。机器买回来，只要能点亮、能联网、算力面板看着差不多，就算验收完成。这个做法在行情好、电价低、机器不紧张的时候问题不大，但现在矿场利润更薄，停机一天、返修一批、风道没处理好，都会直接吃掉收益。
尤其是二手机、批量到货的新机、跨区域调拨机器，真正麻烦往往不是开不了机，而是开机后一周内陆续出问题：某几台温度长期偏高，某一排电源接口发热，某块算力板间歇掉板，风扇转速异常但面板没有第一时间报警。等到问题集中爆发，再去找供应商、找维修点、补备件，矿场已经被迫进入救火状态。
今天这篇就围绕一个很具体的场景来写：矿机到场后，怎么从散热、供电、维修、备件和验收几个环节，把硬件风险提前挡住。
到货第一步，看外观更要看运输痕迹
矿机到场之后，很多人第一反应是拆箱、扫码、上架。其实批量验收的第一步，应该先看运输痕迹。
外箱有没有明显挤压、受潮、二次封箱，泡棉有没有断裂，机器外壳有没有变形，进出风口有没有灰尘异常，这些信息都能说明机器在运输前后经历过什么。特别是跨区域运输的二手机，如果外壳边角有磕碰，不能只当成“外观小问题”。矿机内部算力板、风扇、电源连接位，都可能在震动中松动。
验收时建议把每台机器的 SN、外观照片、包装状态一起记录下来。不要等机器跑出故障后才回头找证据。供应商愿不愿意负责，很多时候取决于你能不能证明问题是在到场前已经存在，还是上架运行后产生。
如果是大批量到货，不必每台都拆到最深，但要抽样打开机壳，检查风扇线、算力板插槽、电源端子、控制板排线是否牢靠。遇到明显松动、锈蚀、烧蚀痕迹的机器，要单独编号，不要混进正常机器一起上架。
散热验收不能只看温度，要看风路是否顺
矿机散热问题最容易被低估。很多矿工看后台温度没有爆红，就认为散热没问题。但矿场里真正影响稳定性的，不只是单台机器温度，而是整排机器的风路是否顺畅。
一台机器在空旷环境里跑得很稳，不代表放进机架、靠近墙角、处在热风回流区还能稳。尤其是高密度机房，一排机器中间温度正常，两侧机器频繁降频，这种情况很常见。表面看是机器体质差，实际可能是冷热通道隔离没做好。
验收散热时，至少要看三个点。
第一，看进风温度。不要只盯芯片温度，进风温度如果已经偏高，机器就算暂时不报警，也是在高压状态下运行。
第二，看出风是否被挡。线缆、挡板、墙面距离、临时堆放的纸箱，都可能让热风回流。矿场里很多“偶发掉算力”，最后查出来就是热风被挡住。
第三，看同批机器温差。相同型号、相同设置、相同位置附近，如果某台机器芯片温度长期比旁边高出一截，就要怀疑风扇、散热片、硅脂、算力板状态，而不是简单提高风扇转速硬压。
一个比较实用的办法是，新机器上架后先跑 2 到 4 小时短测，再跑 24 小时稳定性测试。短测看能不能正常启动，长测看温度曲线是否平滑。温度一直往上爬、风扇转速频繁拉满、算力忽高忽低，都不适合直接纳入正式运行。
供电问题要提前算，不要让插头替你报警
矿机硬件故障里，供电相关的问题经常被误判。机器掉线、重启、掉板，有时并不是控制板或算力板坏了，而是供电不稳、接口发热、线径不够、PDU 负载分配不合理。
很多矿场扩容时最容易犯的错误，是按总功率粗略估算，然后不断往机架上加机器。实际运行中，每一路电、每个 PDU、每根线、每个插头都有承载边界。矿机启动瞬间、电压波动、夏季高温、电源老化，都会让原本看似够用的供电方案变得危险。
验收供电时，不要只看机器能不能开机，要看运行一段时间后接口温度、电源噪音、电压稳定性。电源线接头发烫、PDU 某一路温度明显偏高、空开偶发跳闸，都是必须马上处理的信号。
对于新上架机器，建议给供电留余量，不要把线路压到极限。尤其是老矿场改造，原来的线缆、插座、PDU 可能已经经历过多年高负载运行，即便参数看起来还能用，也要考虑老化问题。
还有一个细节：同型号电源也要记录批次。维修时如果发现某一批电源故障率明显偏高，能快速定位批次，比一台台排查省很多时间。
维修流程要先定好，别等坏了才找人
矿机维修不是简单“坏了寄修”。矿场真正需要的是一套分级处置流程：现场能解决的现场解决，必须返修的尽快判断，疑似批量问题的及时隔离。
常见硬件问题可以分成几类：风扇故障、电源故障、控制板故障、算力板掉板、温度异常、网络接口异常。每一类问题的处理方式都不同。如果没有提前分类，现场人员容易凭经验反复重启、反复换线，机器却一直处在不稳定状态。
建议矿场给维修做三个动作。
第一，建立故障标签。比如“无法开机”“运行后重启”“掉单板”“温度过高”“风扇异常”“电源异响”。标签越清楚，后续统计越有价值。
第二，保留维修记录。哪台机器换过电源，哪块板返修过，哪台机器反复出现同一问题，都要能查到。否则二次故障时，现场只能重新摸一遍。
第三，设置隔离区。问题机器不要随手插回正常机架。特别是疑似电源异常、接口烧蚀、进水受潮的机器，必须单独检查后再决定是否运行。
矿场最怕的不是坏一台机器，而是一台问题机器带来连锁风险。比如电源端子发热没处理，最终烧坏接口；风扇异常硬跑，导致芯片长期高温；受潮机器直接上电，造成更大损坏。这些都不是算力层面的损失，而是硬件寿命被提前消耗。
备件不是越多越好，关键要覆盖高频故障
备件管理也很容易走两个极端：一种是几乎不备，坏了再买；另一种是堆一堆不常用配件，占资金又容易放坏。比较合理的做法，是围绕高频故障和停机影响来备。
矿场常见高频备件一般包括风扇、电源、控制板、网线、电源线、PDU 易损部件、螺丝和常用工具。算力板是否备货，要看机器规模、维修能力和供应链情况。小规模矿工盲目囤算力板未必划算，但风扇和电源这类高频件，完全不备就容易被动。
备件还要注意匹配型号。不同批次矿机、电源接口、风扇规格、控制板版本可能存在差异，不能只按大型号粗略采购。现场最尴尬的情况，就是明明有备件，拆开才发现接口不对、版本不兼容、线长不合适。
备件也需要定期抽检。风扇长期放置可能轴承状态变差，电源长期闲置也不能保证随时可用。建议每个月做一次备件盘点，把数量、型号、状态、存放位置写清楚。备件不是仓库里的摆设，而是矿场恢复算力的时间保险。
正式验收要跑满周期，别被开机算力骗了
矿机验收最容易被“开机算力”误导。刚上电的半小时，很多问题都不会暴露。散热没有进入稳定状态，电源还没有经历长时间高负载，风扇也没有跑出异常曲线。真正有参考价值的验收，至少要覆盖一个完整运行周期。
对于普通矿场来说，可以把验收分成三层。
第一层是点亮验收：机器能启动，后台能识别，算力板数量正常，风扇转速正常，网络连接正常。
第二层是短时压力验收：连续运行数小时，观察算力波动、硬件错误、温度变化、电源状态。
第三层是稳定性验收：连续运行 24 到 72 小时，记录平均算力、拒绝率、掉线次数、温度峰值、风扇异常次数。
只有经过第三层，机器才适合进入正式算力池。否则一批机器表面验收通过，后续陆续掉线，现场运维会被拖得很累。
如果是二手机，还要额外关注灰尘、锈蚀、维修痕迹和历史运行状态。二手机便宜不等于划算，关键看它还能稳定跑多久。买入价格低，但三天两头维修，最终成本可能比新机更高。
给矿场的落地建议
今天如果你正准备接收一批矿机，建议先别急着全部上架。可以按下面几个动作落地：
第一，到货先拍照、编号、记录 SN，把包装异常和外观异常机器单独放置。
第二，上架前抽检内部连接，重点看风扇线、算力板插槽、电源端子和控制板排线。
第三，新机器先做短测，再做 24 小时以上稳定性测试，不要只凭开机算力判断通过。
第四，散热验收要看进风、出风和同排温差，发现热风回流要先处理风道，再怀疑机器。
第五，供电要留余量，定期摸排 PDU、插头、电源线和空开状态，接口发热必须立即处理。
第六，备件优先覆盖风扇、电源、控制板、线缆和常用工具，并按型号分类存放。
第七，维修记录要跟机器编号绑定，反复故障机器要隔离观察，不要混回正常机架。
矿机硬件管理的核心，不是把机器买回来就结束，而是让它在合适的散热、稳定的供电、明确的维修和充足的备件体系里长期运行。验收做得细一点，看起来会慢半天；但少一次批量停机、少一次返修扯皮、少一排机器高温降频，省下来的往往不止半天收益。
