到货验收先给每台矿机留一份硬件底稿

批次号、外箱破损位置、封签状态、整机序列号、电源序列号、风扇转速、进风温度、出风温度、单板温差、插座电压、PDU 电流、网口状态、固件版本、矿池连接延迟、开机 30 分钟后的错误率——这些变量看起来琐碎，但我在现场最怕的不是某一台矿机开不了机，而是到货时没有把这些东西记下来。等机器上架跑了两天，突然掉板、重启、温度飙高，谁也说不清是运输磕碰、供电问题、散热问题，还是本来就有隐患。

做矿机硬件验收，不能只问“能不能开机”“算力达不达标”。真正影响后面运维成本的，往往是到货第一天有没有把底稿留完整。底稿不是为了好看，也不是为了应付供应商，而是给后续上架、巡检、维修、备件替换留证据。矿场里很多麻烦，都是从“当时没拍”“当时没测”“当时觉得差不多”开始的。

准备：到货前把工位和记录方式定下来

矿机到场之前，验收区要先准备好。很多矿场习惯等车到了再找地方拆箱，结果叉车、纸箱、网线、电源线、待测机器混在一起，现场越忙越容易漏检。验收工程师最需要的不是一张复杂表格，而是一套固定动作。

第一件事是划出待检区、合格区、异常区。待检机器不能直接堆到机架旁边，合格机器也不要和异常机器混放。尤其是同一批到货几十台、上百台时，只靠口头说“这几台有点问题”很快就会乱。异常机器必须贴醒目标识，写清楚是外观损伤、无法开机、风扇异常、温度异常，还是算力波动。

第二件事是准备拍照和编号。外箱六面、封签、铭牌、矿机机身序列号、电源铭牌、网口和电源接口，都要拍。拍照时不要只拍特写，要让编号和机器位置能对应起来。很多售后纠纷不是机器没有问题，而是照片无法证明是哪一台、哪一批、哪一天到的。

第三件事是准备测试电源和网络环境。验收用的插座、电缆、PDU，不能临时拿一根旧线凑合。电压不稳、线材发热、插头接触不良，会把硬件问题和现场供电问题搅在一起。网络也一样，测试口要稳定，矿池地址、账号、IP 分配方式提前设好，不要在验收时一边改路由一边判断机器好坏。

第四件事是备件先摆出来。风扇、电源线、网线、备用电源、扎带、防尘网、螺丝刀、测温枪、钳形表，这些东西不要等出问题再找。验收现场一旦中断，工程师很容易凭感觉放行机器。备件齐不齐，决定了异常能不能当场验证。

执行：拆箱不是拆包装，而是确认运输痕迹

到货验收从外箱开始，不要急着通电。外箱如果有挤压、进水、穿孔、边角塌陷，要先拍照，再开箱。矿机运输过程中最常见的隐患不是整机摔坏，而是风扇框变形、散热片松动、电源接口受力、控制板插线松脱。这些问题开机时未必马上暴露，跑一段时间后才会变成掉算力和高温报警。

拆箱后先看机身。外壳变形、螺丝缺失、风扇叶片刮擦、散热片歪斜、异物残留，都要记录。用手轻轻拨动风扇，确认没有卡顿和明显摩擦声。这里不是让工程师粗暴拆机，而是用最少动作判断运输是否造成机械损伤。

接着看电源。很多人验收只盯算力板，忽略电源外观和接口。电源外壳凹陷、插座松动、端子发黑、线缆护套破损，都不能直接放行。矿机上架后是长时间高负载运行，电源小问题很容易发展成重启、烧接口，甚至影响同一路 PDU。

通电前再确认电压和接线。验收工程师要养成习惯：先测插座，再接矿机。不要默认“这排电没问题”。尤其是新扩容矿场、临时验收区、移动配电箱，空载电压正常不代表带载稳定。第一台机器通电后，观察 PDU 电流和插头温度，如果线材或插头异常发热，先停，不要继续加机器。

开机测试时，不要只看启动成功。听风扇声是否有异响，看指示灯是否正常，确认后台能识别所有算力板，记录固件版本和初始温度。刚开机前几分钟，温度、转速、算力都会波动，这是正常的；但如果某块板温度爬升明显快于其他板，或者某个风扇转速长期偏低，就要标记出来。

检查：上架后的第一小时比收益截图更重要

矿机通过基础通电测试后，才进入上架。上架不是把机器塞进机架就结束，位置、风向、线缆、供电分配都会影响后面稳定性。

先看风道。矿机进风口不能贴着热风回流区，出风口不能被线缆、挡板、墙面挡住。两台机器之间如果距离太近，热风容易互相影响。验收工程师上架后要测一次进风温度和出风温度，而不是只看后台芯片温度。后台温度告诉你机器内部热不热，进出风温差告诉你现场风道是否顺。

再看供电分配。同一条 PDU 上不要因为图方便集中挂满高功率机器。上架后要用钳形表看实际电流，核对是否超过设计余量。插头必须插到底，电源线不能被机身压住，也不能绷得太紧。矿场里不少间歇性重启，最后查下来不是矿机坏，而是电源线接触不稳或 PDU 负载分配不合理。

然后跑第一轮稳定性观察。我的习惯是至少看三个时间点：开机后 10 分钟、30 分钟、60 分钟。10 分钟看启动和识别，30 分钟看温度和风扇，60 分钟看算力曲线和错误率。这个过程不要急着调高频率，也不要马上套用激进参数。验收阶段的目标是确认硬件健康，不是把每一瓦电都压榨出来。

如果某台机器算力达标但错误率偏高，也不能简单放行。错误率高可能来自芯片状态、温度、固件、网络延迟，也可能是供电波动。处理时要尽量只改一个变量：先换网线，再换端口，再换供电位置，最后再考虑机器本身。一次改太多，短期可能好了，原因却丢了。

巡检：备件不是仓库数字，而是故障处理速度

矿机验收合格后，工程师还要把它纳入巡检节奏。到货当天的底稿，后面每次巡检都要能接上。比如某台机器到货时 2 号风扇转速就比同批低一点，后面如果它先报高温，就能更快判断是否该换风扇。没有底稿，巡检只能从零开始猜。

日常巡检重点看四类变化。

第一类是温度变化。同一排机器，如果只有某一台温度越来越高，优先查风扇、灰尘、散热片和摆放位置；如果整排温度都升高，优先查环境通风和热风回流。不要一看到高温就拆机器，先分清是单机问题还是区域问题。

第二类是供电变化。PDU 电流、插头温度、重启时间点，都要结合看。如果多台机器在同一时间重启，可能是供电侧波动；如果只有一台频繁重启，才重点查电源和控制板。矿场夜间负载、空调启停、外部电压波动，都可能影响机器表现。

第三类是风扇和噪音。风扇异响、转速忽高忽低、灰尘堆积，会直接影响散热。风扇属于高消耗部件，备件不能只按“坏了再买”的思路准备。至少要按机型、接口、规格分开存放，避免现场拿错型号。换下来的风扇也要贴标签，写明故障现象，不要又混回可用备件里。

第四类是电源和线材。电源不是只要能亮就没事。电源风扇异常、外壳过热、接口发黑、线材变硬，都是提前信号。备用电源要定期抽测，长期放仓库也可能受潮、积灰、接口氧化。真正出故障时，拿出来的备件如果不能用，比没有备件还耽误事。

回滚与复盘：异常机器别急着“修好就算”

验收和巡检中发现异常，第一反应应该是隔离和回滚，而不是马上想办法让它继续跑。矿机硬件故障有个特点：小问题拖着跑，常常会扩大成大问题。风扇将坏未坏时继续高温运行，可能伤到算力板；电源接口发热不处理，可能烧线；散热片松动不确认，可能造成长期温差异常。

回滚动作要简单清楚。刚上架的机器如果出现高温、掉板、频繁重启，先退回默认参数，停止超频或自定义策略；如果仍异常，再换到已验证供电位置和网络端口；如果问题跟着机器走，就进异常区，不要继续混在正常机群里跑。这个顺序能减少误判，也能保护其他设备。

维修记录要写到能让另一个人接手。只写“已处理”“已恢复”没有意义。应该写清楚：哪天发现，什么现象，换过什么备件，换前换后温度和算力有没有变化，是否复现，最后怎么处理。矿场人员交接频繁，如果记录太粗，下一次同类故障还要重新查一遍。

复盘时要看批次，不只看单台。比如同一批机器多台出现风扇异响，就要回头查运输、包装、供应商批次；同一区域多台电源故障，就要查供电和环境湿度；同一机型在高温天集中掉算力，就要调整上架密度和风道。硬件验收工程师的价值，不只是找出坏机器，而是把故障从“单点救火”变成“批次判断”。

今天如果有新矿机到场，建议先做一个很具体的动作：给每台机器建立独立底稿，至少包含外观照片、序列号、电源信息、首次通电数据、上架位置、首小时温度和供电读数。机器可以晚半小时上架，但这份底稿不能省。后面所有散热、供电、维修和备件判断，都要靠它把话说清楚。