文章目录
矿机到场先别急着上架：散热、供电和备件验收没做完，后面维修会很贵
新一批矿机到场时，很多矿场最容易犯的错，是先看外箱有没有破、机器能不能点亮、面板有没有算力。只要能跑，就急着上架并网。这个流程看起来省时间，实际上是在把风险往后推。
矿机硬件的麻烦，往往不是第一天就爆出来。真正让人头疼的是跑了三五天之后温度开始飘，某一排机器频繁掉板；或者电源接口轻微发热，过一周才烧出痕迹；再或者风扇转速一直满负荷，算力没掉，但噪音、灰尘和功耗都在变差。等这些问题集中出现时，机器已经进了生产区，拆下来、换件、登记、返修，每一步都在消耗停机时间。
所以，今天聊矿机硬件，不聊参数榜，也不聊哪台机器纸面算力更高。重点放在矿场更容易忽视的几个环节：散热、供电、维修、备件和验收。尤其是新机、二手机、混批机器一起进场时，这套流程比单纯看算力更重要。
到场验收不能只看外观，要先分清“能开机”和“适合上架”
矿机验收第一步当然是外观，但外观不是看看有没有磕碰就结束。更关键的是看运输过程中有没有造成隐性变形，比如风道是否被挤压、散热片是否松动、风扇框架有没有轻微歪斜、电源外壳是否有变形。很多机器开机能跑，但风道已经不顺，后面温度会比同批机器高出一截。
新机验收要重点核对序列号、批次、固件版本、算力板数量、电源型号和线缆规格。二手机验收则要多做一步：看螺丝痕迹、风扇更换痕迹、算力板维修痕迹、电源接口氧化情况。不是说修过的机器一定不能用，而是要知道它修过哪里，后面才好安排位置和备件。
有些矿场会把所有到场机器直接按编号上架，跑起来再看后台。这种做法在机器少的时候问题不大，一旦数量上来，后面排查会很混乱。更稳妥的做法是先设一个短时间测试区，至少跑完基础通电、风扇识别、算力板识别、温度曲线和错误率观察，再决定是否进入正式机位。
验收时还要记录初始状态，不要只靠聊天记录或者仓库人员口头说“这批没问题”。每台机器至少要留下到场照片、接口照片、开机截图、温度截图和异常备注。以后出现争议时，这些记录比一句“应该是运输问题”有用得多。
散热不是风扇越猛越好，关键是风道稳定
矿机散热最容易被误解的一点，是把风扇转速当成安全感。风扇转得快，确实能把一部分热量带走，但如果机架风道混乱、冷热风短路、灰尘堆积严重，风扇再快也只是硬撑。
很多掉算力问题，本质不是芯片突然不行，而是热量在某个位置堆住了。比如靠墙一侧进风不足，靠上层机位回风严重，或者同一排机器中间留缝不均，导致部分机器吸到的是别人排出来的热风。这类问题在后台表现出来，可能只是温度高、风扇满转、个别算力板不稳定，但根源在现场布局。
验收阶段就应该把散热测试做进去。不要只在空旷环境里点亮机器，而要尽量模拟实际上架位置。至少要观察进风温度、出风温度、风扇转速是否异常拉满、同型号机器之间温差是否过大。如果同一批机器中，有几台在相同环境下温度明显偏高，就要优先检查风扇、散热片、导热材料和风道密封，而不是直接归咎于“体质差”。
还有一个细节是灰尘。新场地刚启用时，很多人低估了灰尘对散热的影响。施工尾尘、包装碎屑、地面粉尘都会很快吸进机器里。矿机刚到场的前几天，如果清洁和过滤没跟上，后面散热片会很快积灰。表面看算力正常，实际上风扇负担已经增加，电源和算力板都在更差的环境里工作。
散热管理要从第一天开始，而不是等温度告警之后再补救。机位排布、冷热隔离、进风过滤、定期吹灰、风扇备件，这些都应该和机器验收同时安排。
供电问题最怕“差一点”，小发热会拖成大故障
矿机硬件里，供电是最不能省的环节。很多事故不是因为电完全断了，而是因为长期处在不稳定、接触不良或者负载偏高的状态。
到场验收时，不要只看电源能不能启动。要检查电源型号是否匹配、线缆是否原配、插头有没有烧蚀痕迹、端子是否松动、接触面有没有氧化。二手机尤其要看电源接口，因为有些机器曾经在高温环境里长期运行，接口处会有轻微变色，短时间通电不一定暴露问题，但长期满载风险很高。
矿场现场还要避免一个常见做法：临时用线、临时插排、临时转接头先跑起来。矿机是持续高负载设备，不适合用“先凑合几天”的思路。供电线路的余量、空开配置、PDU质量、接地情况，都应该在机器大规模上架前确认。尤其是混合机型进场时，不同功耗机器不能简单按数量平均分配，要按实际负载重新算。
供电验收最好做分层检查。先查总配电容量和线路温升，再查机柜或机架分路负载，然后查每台机器的电源输入和线缆状态。运行一段时间后，用测温工具观察接头、线缆和PDU是否有异常发热。很多隐患肉眼看不出，但温度会提前说话。
如果发现某个位置的机器经常重启、掉板、算力波动，不要第一时间刷固件或者换算力板。先看电压、线缆和接口。供电不稳时，硬件表现会很像软件问题，盲目维修只会把好板也折腾坏。
维修流程要前置，别等机器坏了才找工具和人
矿机维修最怕临场 improvisation。机器坏了，才发现没有对应风扇、没有电源、没有测试治具、没有记录表，维修人员只能凭经验拆来拆去。这样不仅效率低，还容易把问题扩大。
一个合格的矿场，应该在机器正式投产前就明确维修分级。哪些问题现场人员可以处理，比如换风扇、换电源、重新插拔线缆、清灰；哪些问题必须交给专业维修，比如算力板芯片故障、焊点问题、控制板异常；哪些问题不值得修，应直接报废或拆件。分级清楚，现场就不会每次都靠人拍脑袋。
维修记录也要规范。每台机器什么时候掉线、掉了哪块板、温度多少、换过什么件、换件后是否复发，都要记录下来。否则同一台机器反复维修，现场人员只知道“又坏了”，却不知道它是不是同一个问题。长期看，维修记录还能帮矿场判断某一批机器、某一型号电源、某个机位环境是否存在共性问题。
举个实际场景：某矿场一批机器连续出现中板温度偏高，最开始以为是算力板质量问题，换了几块板仍然复发。后来查维修记录才发现，故障集中在同一排靠后机位，且风扇转速长期偏高。最后定位到回风处理不干净，中间层机器一直吸热风。这个问题如果没有记录，只靠单台维修，很可能会一直误判。
维修不是单纯把坏机器修好，而是把故障变成可分析的数据。越早建立维修流程，后面越少交学费。
备件不能只按最低数量买，要按故障频率和交付周期准备
很多矿场准备备件时，只会问一句：风扇、电源各买多少够用？这个问题没有固定答案，因为备件数量和机器规模、环境、机型、供货周期、维修能力都有关。
风扇属于高频消耗件，尤其在高温、高尘、长期满转环境里，故障率会明显上升。电源虽然不是天天坏，但一旦缺货，停机损失很直接。控制板、数据线、转接线、PDU、网线、备用空开这些小件看起来不贵，关键时刻缺一个就能让机器停半天。
备件管理还要防止“有库存但找不到”。不少矿场仓库里明明有风扇，现场却因为型号混乱、标签不清、领用没登记，维修时还是要临时采购。备件应该按型号、批次、适用机型分开存放，并且定期盘点。特别是多品牌、多代机器混跑的矿场，不能把风扇、电源和线缆都混在一起。
另外，备件也需要验收。新买的风扇要抽测转速和噪音，电源要做通电测试，二手备件更要标明来源和状态。不要把未经测试的拆机件直接放进“可用备件”里，否则维修时可能只是把一个故障换成另一个故障。
备件策略可以简单一点：高频件多备，关键件少量但必须有，低频大件确认供应渠道。这样既不会压太多库存，也不至于故障一来完全被动。
给矿场的落地建议：把验收、散热、供电和备件放在同一张清单里
如果今天有新机器到场，建议不要直接按“开箱、上架、开跑”走完。可以先按下面这个思路做一版内部清单。
第一，到场先拍照和编号，外观、接口、电源、风扇、序列号都要留档。第二，设置短测区，先跑基础识别、温度、风扇、错误率和稳定性，不合格机器不要进入正式机位。第三，上架前确认机位风道，避免冷热风短路，别让个别机器长期吸回风。第四，供电按负载重新核算，检查PDU、线缆、插头和接地，运行后做一次温升复查。第五，建立维修分级和记录，别让每次故障都从零开始猜。第六，备件按风扇、电源、控制板、线缆、小电气件分类管理，能用、待测、报废要分开。
矿机硬件管理的核心，不是把机器买回来点亮，而是让它在可控环境里持续工作。散热、供电、维修、备件和验收，看起来都是琐碎事，但这些琐碎事决定了机器能不能少停机、少返修、少烧件。
对矿场来说，今天最具体的建议就是：新机到场先别急着全量上架，至少留出一套标准验收流程和一批基础备件；已经运行的矿场，也该抽查一次高温机位、发热线缆和反复维修机器。算力面板只能告诉你现在跑了多少，硬件流程才决定你下个月还能稳定跑多少。
