到货验收先给每台矿机留一份原始记录

到货当天，我最先看的不是算力页面，而是几个容易被忽略的变量：外箱是否二次封胶，机身序列号和采购单能不能对上，电源铭牌和插头规格是否一致，风扇叶片有没有运输裂纹，算力板固定螺丝有没有松动，进风口滤网是否干净，开机前绝缘阻值是否正常，空载上电有没有异响。再往后，才轮到固件版本、温度曲线、单板算力、拒绝率和电源输入电压。

这些变量看起来零碎，但它们决定了矿机能不能顺利上架，也决定了后面出了问题时，到底是厂家责任、运输问题、现场供电问题，还是运维操作问题。矿机硬件验收最怕一句话：“先跑起来再说。”一旦没有原始记录，后面风扇坏了、板卡掉链、温度异常、电源保护跳闸，很多账都会说不清。

我做硬件验收时一直坚持一个原则：每台机器到场后，都要留下可以追溯的第一份记录。不是为了写得好看，而是为了让上架、巡检、维修和备件调拨都有凭据。

准备：卸货前就把验收区分出来

矿机到货前，现场不能只准备货架和网线。真正要先准备的是验收区。

验收区最好离正式机位有一段距离，地面干燥，照明足够，旁边有临时供电、网口、扫码工具、标签纸、万用表、测温枪、绝缘手套和简易除尘工具。不要把刚到的机器直接堆到冷通道旁边，更不要一边拆箱一边往机架上塞。这样做速度看似快，实际上最容易漏掉运输损伤。

我会把到货分成三类标签：待拆箱、待通电、待上架。每台机器从纸箱出来以后，先扫序列号，拍外观，确认机身铭牌、电源铭牌、风扇方向、连接线固定状态。遇到箱体变形、泡沫破损、机身边角磕碰的机器，直接单独摆放，不跟正常机器混在一起。

准备阶段还有一个细节：供电规格必须提前核对。矿机电源不是“能插上就行”。现场配电箱、PDU、插头、线径、空开容量都要提前确认。比如同一批机器里有的使用 220V 输入，有的适合更高电压环境；有的功耗接近上限，插排和线缆如果按旧机器习惯配置，后面很容易发热、压降、跳闸。

验收工程师不能只盯机器本体，线缆和插头同样是硬件风险的一部分。很多矿场后期所谓“电源故障”，追根到底是线头压接不紧、PDU 接触不良、某一路负载太集中。

执行：第一轮通电只求看清机器性格

新机第一次通电，我不建议马上满频长跑。正确做法是先让机器在可控状态下启动，观察风扇、电源、控制板和算力板的基础反应。

开机后先听声音。风扇刮擦、轴承尖叫、启动转速不同步，都要马上记下来。很多风扇在面板上还能显示转速，但实际已经有偏摆，跑几天后就会把温度拉上来。再看电源指示灯和控制板状态灯，是否有反复重启、掉电重连、启动时间明显过长。

接着看温度。不是只看一个最高温，而是看进风温度、出风温度、各板温差。正常机器在同一环境里，温升应该比较接近。如果三块算力板里有一块温度一直高出很多，可能是散热片贴合、风道阻挡、导热材料或板卡本身的问题。这个时候不要急着调风扇策略，先确认硬件状态。

算力测试也要留耐心。短时间显示满算力不能说明稳定。我通常会先跑一个短时启动测试，再跑至少几个小时的稳定测试，记录平均算力、单板算力、硬件错误、拒绝率、掉线次数和温度峰值。如果矿场条件允许，抽样机器还应该做更长时间的烤机。尤其是二手机和返修机，更不能只看十分钟面板。

执行阶段最重要的是把“异常描述”写具体。不要只写“温度高”，要写哪台机器、哪块板、什么时间、环境温度多少、风扇转速多少、算力有没有掉、是否伴随重启。维修师傅拿到这样的记录，能少走很多弯路。

上架：风道和供电比摆放速度更重要

验收通过后，机器上架也不是简单搬运。矿机摆错位置，后面巡检会很痛苦。

上架前先看风向。冷风从哪里来，热风从哪里走，机器之间有没有互相吃热风，尾部热风是否被墙面、线缆、挡板反弹回来。很多新矿场为了追求密度，把机器塞得很满，结果最里面一排长期高温，风扇满速，故障率明显高于外侧。

线缆走向也要在上架时定好。电源线不要压在热风出口，不要被机器边缘长期挤压，网线不要和高温电缆捆得太紧。PDU 每一路接了几台机器，要现场标清楚。后面巡检发现某一路温度异常或电压偏低，才能快速定位，不至于拔错机器。

还有一个容易被忽略的动作：上架后再核对一次序列号和机位。很多矿场前面验收做得很认真，搬上架时标签乱了，系统里显示的机器和实际机位对不上。等到某台机器掉算力，运维人员按面板去找，最后发现不是那一台，白白浪费半小时。

我的做法是每台机器上架后，用机位号、序列号、IP、PDU 编号一起绑定。绑定完成再开机，让系统里的记录和现场标签一致。这个动作花不了多久，但能让后面的巡检效率提升很多。

巡检：不要等告警响了才摸机器

矿机稳定运行后，巡检不能只看后台。后台能告诉你算力和温度，但现场能告诉你更多东西。

巡检时我会重点看几类问题。第一是声音变化，风扇轴承老化、叶片沾灰、固定松动，往往先从声音上表现出来。第二是线缆温度，手背靠近或用测温枪测一下插头、PDU、空开附近，能提前发现接触不良。第三是灰尘和风道，进风口积灰会让温度慢慢抬高，不一定立刻触发告警，但会持续增加风扇负担。第四是单板算力波动，有些机器总算力看起来还行，但其中一块板已经开始不稳定。

巡检记录不要写成流水账，而要能看出变化。比如同一台机器连续三天风扇转速升高、同一排机器出风温度明显高于其他区域、某一路 PDU 插头温度逐日上升，这些都是维修前信号。提前处理，往往只是清灰、换风扇、调机位；拖到宕机，就可能变成板卡维修或整机返厂。

备件也要跟着巡检走。风扇、电源、控制板、常用线缆、网线、水冷场景下的接头和密封件，都不能只按采购习惯备。应该按现场故障频率调整库存。比如某一型号风扇最近一个月更换率上升，就要提前补货；某批电源在高温天保护次数变多，就要单独标记，必要时做轮换测试。

维修：先确认可替换件，再判断大故障

矿机维修最忌一上来就判定算力板坏。现场很多问题是由风扇、电源、线缆、网络、灰尘、固件配置引起的。验收工程师参与维修时，要先从可替换、可验证的部件查起。

比如一台机器频繁重启，先换同规格电源线和 PDU 口位，再看输入电压是否稳定；风扇报错，先确认插头、线序、异物和风扇本体；单板掉算力，先看温度和日志，再判断是否需要拆板。能用备件交叉验证的，就不要靠猜。

维修过程同样要保留记录。换了哪个风扇，拆了哪块板，使用哪一个备件，旧件放到哪里，是否需要返修，都要写清楚。备件管理如果只靠口头交接，很快就会变成一堆“看起来还能用”的旧件。到真正需要抢修时，拿出来才发现型号不对、状态不明、数量也不准。

我建议矿场把备件分成可直接上机、待检测、待返修、报废四类。可直接上机的备件要定期抽检，不要放半年不动。待检测的旧件必须贴故障标签，写明来源机器和异常表现。否则旧故障件混回库存，会在下一次抢修时制造第二次故障。

回滚与复盘：新批次机器不要一次性压满全场

硬件验收不是签收结束，而是上架后一段时间内持续确认。新批次机器最好分批投入，不要一口气把所有机位都换上。先让一部分机器跑过完整昼夜，确认温度、电流、噪音、拒绝率和掉线情况，再扩大范围。

如果发现同批次机器出现相似问题，要有回滚方案。比如某批风扇转速异常，就先暂停继续上架；某一批电源在夜间电压波动时保护，就把该批机器从高负载区域撤下来；某个固件版本导致温控策略异常，就回到已验证版本。回滚不是丢面子，而是避免小问题扩大成整排停机。

复盘时不要只问“谁操作的”，更要问“哪一步没有证据”。有没有到货照片？有没有通电记录？有没有上架机位绑定？有没有巡检温度变化？有没有备件更换单？如果这些都齐，问题很快能定位；如果没有，所有人只能凭记忆争论。

今天如果矿场正好有新机器到货，我建议先做一个很具体的动作：随机抽出一台，给它建立完整原始记录，从外箱照片、序列号、电源铭牌、第一次开机日志、温度曲线、机位绑定到备件关联，全部走一遍。只要这一台流程跑通，后面整批机器就有模板可依。矿机硬件真正省钱的地方，往往不是买得便宜，而是从第一天开始就知道每台机器经历了什么。