文章目录
矿机到货验收建议：上架前为每台机器留一份基线档案
外箱撞击痕迹、整机序列号、电源标签、风扇转速、墙上实际功耗、算力板识别数量、芯片温差、运行异响、网口稳定性，这些变量必须在拆箱和通电时逐项留下记录。现场最麻烦的情况，往往是机器已经混进机架跑了两天，才发现少板、风扇抖动或电源输出异常。到那时再追查问题来自运输、设备本身还是机房环境，责任很难说清，停机范围也会扩大。
站在硬件验收工程师的角度，一批矿机是否“到货完成”，不能只看箱数对不对。真正的交付节点，应当放在单机身份确认、通电测试、上架复查和备件入库全部完成之后。
准备：先把验收口径写进现场工单
设备到场前，采购合同、装箱清单和厂商参数需要提前对齐。重点确认具体机型、额定算力、标称功耗、输入电压范围、风扇型号、固件版本以及保修识别方式。相同外壳不代表内部配置一致，尤其是二手机、维修机和不同批次混装时，算力板版本、电源型号都可能有差别。
验收场地最好划出拆箱区、待测区、合格区和隔离区。没有明确分区时，开过箱的机器容易和未检机器混在一起，故障机也可能被误上架。每台设备从落地开始就应绑定临时编号，外箱标签、整机铭牌、电源铭牌和后台序列号都拍照留存。
工具也要提前校验。常用设备包括钳形电流表、功率计、红外测温仪、测电笔、网线测试仪、绝缘手套、备用网线以及已知正常的测试电源线。测量工具如果长期未校准，功耗和温度记录会失去比较价值。
验收标准不要停留在“能开机”。现场可以根据合同设定明确门槛，例如稳定运行后算力不得低于约定值，墙上功耗不能超出允许偏差，算力板必须全部识别，风扇转速不能持续大幅偏离，同一设备进出风温差不得出现异常跳变。具体数值应服从厂商规格和采购约定，不能靠值班人员临场判断。
执行：拆箱时就开始判断运输和维修痕迹
开箱后的第一轮检查不通电。先看外壳是否变形，风道内有没有松动螺丝，再检查风扇叶片、护网、电源接口、网口和控制板排线。设备有明显灰尘、油污、锈蚀或清洗剂气味时，应单独记录，这通常说明机器经历过较重的使用或翻修。
用手轻拨风扇时，阻力和声音应当接近。某个风扇转动发涩、轴向晃动明显，即使暂时能启动，也很可能在高温运行后掉转速。电源插座出现发黄、熔痕或金属片松动，应直接进入隔离区，不能靠换一根线继续试机。
通电测试应在独立测试位进行，一次只接入可控数量的设备。先确认供电电压、接地和断路器容量，再连接矿机。不要把来源不明、线径不足或接头温升异常的旧线当作测试线，也不要混用不同规格的模块化电源线。
机器启动后，先核对控制板时间、MAC 地址、固件版本和算力板数量。随后观察启动日志，重点看芯片识别失败、风扇报错、频率反复调整和温度传感器异常。短暂显示算力无法证明设备合格，至少要完成充分预热，并经历一段连续满载测试。
我的现场记录通常会保留启动后、预热后和稳定运行后的数据。算力、拒绝率、功耗、进风温度、出风温度、风扇转速和芯片温度需要放在同一台设备档案中。只抄一个平均算力，后续很难解释机器为什么间歇掉板。
上架：机架位置本身也是验收条件
通过单机测试后，不宜直接把设备塞进空位。上架前应核对机架风向、PDU 负载和相位分配。进风口被线缆遮挡、热风回流或同一回路负载过重，都会让测试正常的机器在机架上出现故障。
电源插头插到底后，要检查是否松动；网线应带位置标签，电源线不能压住风扇护网。设备编号、机架号、层位、PDU 端口和交换机端口应同步写入档案。这样发生掉线或断电时，值班人员能快速找到实物，不必在热通道里逐台拔线确认。
整排上电要分批进行。集中启动会产生明显冲击电流，也容易掩盖单机问题。每批上电后停留观察，确认PDU电流、插头温升和交换机在线数量正常，再处理下一批。
这里有一个常见误判：测试位进风温度较低，机器运行完全正常；上架后位于机架上层，吸入了回流热风，风扇长期满转并反复降频。若只看设备后台，容易把问题判给算力板。验收工程师必须把机器数据和所在位置一起检查。
检查：到货合格不等于首日运行合格
设备上架后的巡检至少要覆盖冷启动、热稳定和负载变化。首轮重点查少板、掉线和风扇异常；连续运行后再查功耗漂移、插头温升、算力波动和局部过热。
巡检时不要只盯管理页面。需要走到机架前后听声音、闻气味、看指示灯，并用测温工具检查插头、电源外壳和出风区域。高频啸叫、周期性摩擦声、焦糊味以及某台机器出风明显偏冷，都可能对应实际故障。出风偏冷未必是好事，也可能意味着设备已经掉板或降频。
同批机器应做横向比较。环境和配置接近时，某台设备功耗明显更高、风扇长期更快或温差特别大，优先进入观察名单。孤立看一台机器的数据，很多早期故障并不明显；放到同批分布中，异常往往很突出。
巡检记录还应保留操作人和时间。更换网线、重插排线、清灰或调整位置后，必须补充处理结果，避免下一班人员看到机器恢复就把故障记录关闭。
备件：按照现场故障频率配，不按采购价格配
备件库最常见的问题，是贵重部件放了不少，真正容易损坏的小件却没有。风扇、控制板、电源、网线、合格电源线、排线、螺丝和接口保护件，都应根据机型和历史故障频率配置。不同转速、接口和固件要求的风扇不能随意替代，电源也要确认功率、电压范围和插座规格。
备件入库前同样需要测试。长期放置的电源和控制板不能默认可用，否则维修现场拆下故障件后，换上的备件又带来新问题。每次领用要绑定故障机编号，拆下来的部件则标明“待测”“可修”或“报废”，不能直接扔回可用区。
备件数量可以结合在架规模、物流周期和月度故障率滚动调整。偏远矿场尤其要考虑运输时间。一个风扇等七天，损失的可能不只是配件价格，还包括停机收益和人工往返成本。
回滚与复盘：发现批次问题就停止扩散
如果同批设备连续出现相似故障，例如相同位置的电源接口发热、同版本控制板频繁掉线，或者某类风扇集中失速，应立即暂停该批次继续上架。已安装设备可以降载观察，必要时退回测试位，不要一边发现问题一边继续把机器铺满机架。
回滚时保留原固件、原位置和故障日志，避免在证据未保存前反复刷机、换板。需要向供应商索赔时，外箱照片、序列号、通电视频、运行曲线和更换记录都比一句“机器不稳定”更有说服力。
一批设备验收结束后，要统计到货破损率、首次通电失败率、上架后故障率以及消耗的备件。若测试位合格率很高，上架后故障却集中增加，应优先检查机房风道、供电回路和安装操作；若故障集中在同一生产批次，则应推动供应商排查生产或翻修质量。
今天接收矿机时，可以立刻执行一个具体动作：给每台设备建立唯一编号，把外观照片、序列号、稳定算力、墙上功耗、温度、风扇转速、机架位置和维修记录放进同一份档案。以后无论巡检、换件还是退货，工程师都有清楚依据，矿场也能少付很多原本可以避免的停机成本。
矿机到货验收建议：未贴合格标签，不接生产机架
外箱受潮面积、封条状态、机身序列号、风扇叶片完整度、电源插头烧蚀痕迹、控制板版本、进出风温差、输入电压、启动电流、板级算力、芯片温差、硬件错误率——一批矿机卸到仓库门口后，我会先核对这些变量。此时最忌讳的动作，是为了赶上架进度，拆完包装便直接把机器塞进正在运行的机架。
运输造成的松动、混装电源、风扇异响和算力板隐患，短时间通电未必会立即暴露。一旦问题机混入生产区，后续再找故障来源，就会同时牵动网络、配电、风道和矿池配置。验收工程师要做的，是在机器接入生产环境前，把问题尽可能留在隔离区。
准备：卸货之前确定合格口径
验收不能从拆箱时才开始。到货前应拿到采购合同、装箱单、设备序列号范围、电源规格、额定功耗、固件版本和售后条款，并确认机器是全新、返修、官翻还是二手设备。不同来源的设备，验收尺度不能混用。
现场至少划出待检区、通电测试区、合格区和异常区。四个区域要有清楚标识，托盘和单机都应绑定批次编号。问题机如果只是口头说一句“先放旁边”，换班后很容易再次被搬上架。
测试环境也要提前准备。供电回路应留有余量，插座、线缆和断路器规格要与矿机功耗匹配；测试位要具备稳定网络、独立矿池观察账号、测温设备、电流检测设备以及基础拆装工具。测试区的进风条件不能过差，否则机器因环境过热降频，会把现场问题误判成设备问题。
合格标准应写成可以直接判断的句子。例如，序列号必须与装箱单一致，机壳不得明显变形，风扇不得擦壳，电源接口不得松动；通电后应识别全部算力板，算力达到约定范围，硬件错误率没有持续抬升，芯片温度分布没有明显断层。若合同只写“能够正常运行”，发生争议时几乎无法执行。
执行：拆箱、静态检查、带载测试逐步放行
拆箱时先拍摄外箱六面、封条和缓冲材料，再记录机器本体及电源序列号。发现外箱撞角、受潮、油污或二次封装痕迹，应单独标记，不能因为机壳暂时看不出损伤就跳过记录。
静态检查重点看运输最容易影响的位置：前后风扇是否晃动，网口和控制板接口是否歪斜，电源固定螺丝是否缺失，电源线端子是否氧化，机壳有没有挤压算力板导轨。轻轻晃动机器若能听到内部异物声，应停止通电并开具异常单。
通电测试要按小批量进行。首批可以只接少量设备，确认电压、线缆温升、网络和排风都正常后再扩大数量。设备启动后，记录控制板识别情况、各算力板状态、风扇转速和实时功耗。仅看到算力出现，不能立刻判定合格。
带载运行期间，要观察算力是否稳定、某块板是否频繁掉线、芯片温度是否集中偏高、风扇转速是否长期顶满。部分运输松动问题会在热胀冷缩后出现，因此短短几分钟的开机画面没有太大参考价值。具体测试时长应结合机型和合同约定，但必须覆盖冷启动、稳定运行和一次正常重启。
测试完成后，合格机贴上包含批次、序列号、测试时间和验收人员的标签；异常机则保留日志、照片、功耗和温度记录。标签的意义不在于好看，而是让任何接班人员都知道这台机器能否进入生产区。
上架：核对风道，也核对每个取电点
矿机通过单机验收后，上架仍有第二道检查。机架位置、电源回路和网络端口应提前分配，避免现场边搬边决定。重功耗机型不要集中压在同一支路，也不要因为插座空着就随意补机。
上架时要确认进出风方向一致，机器前部没有包装袋、扎带和松散滤棉，后部热风不会被挡板或墙面反弹。相邻设备排风互相影响时，单机测试合格的机器也可能迅速升温。现场常见的“同型号只有一排高温”，很多时候并非机器批次差，而是回风路径没有处理好。
供电检查不能只看总配电柜。插头是否插到底、PDU接口是否松动、线缆有没有被机身压住、接头温度是否异常，都需要逐台确认。换过电源线后，还要复核线径、端子和负载能力，不能拿外形相似的线缆临时顶用。
批量上架时建议按机架逐排放行。每完成一排，记录设备序列号、机位、PDU端口和交换机端口。这样出现掉线、过流或局部高温时，可以直接定位到具体设备和回路，不必全场拔线排查。
巡检：盯变化值，比盯单次读数更有效
新到设备上架后的首个运行周期，是发现早期故障的重要时间。巡检应比较同型号、同位置条件下的差异：哪台机器风扇转速明显更高，哪块算力板温度持续偏离，哪台设备功耗正常但有效算力偏低，哪条支路的接头温度上升更快。
听声音也是有效手段。风扇轴承、叶片擦壳、电源啸叫和机身共振，声音并不相同。巡检人员发现异常噪声后，应结合风扇转速、温度和功耗判断，不能直接用拍打机壳的方式“解决”。
灰尘、回风和插头温升需要纳入固定巡检内容。尤其在负荷变化或环境温度上升后，原本勉强合格的风道可能开始出现热风短路。若某台机器反复高温降频，应先查进风温度、邻机排风和风扇状态，再考虑拆机维修。
每次换件后都要重新观察。更换风扇不代表故障已经结束，还需确认转速识别、风向和振动；更换电源后应复测功耗与接头温度；更换控制板后则要核对固件、网络配置和算力板识别结果。
回退处理：问题机离架，原始状态要留住
设备发生异常时，不要在生产机架上连续换件试错。先记录机位、时间、温度、功耗、日志和故障表现，再将设备转移到维修区。若异常与上架后的供电或散热条件有关，还应保留现场照片，避免问题机送修后查不出故障。
回退操作要有边界。仍在保修期内的设备，拆机前应确认厂商要求，防止破坏封签后失去售后资格。需要替换部件时，旧件、新件和机器序列号必须形成对应关系，不能把多台机器拆下的电源、风扇混在一个周转箱里。
现场备件应优先覆盖更换频率高、替换时间短的部件，包括匹配型号的风扇、电源、控制板、网线、电源线、螺丝和常用连接件。算力板价格高、型号差异大，是否常备要根据故障率、采购周期和维修能力决定。库存数量不宜凭感觉设置，可以用近一个月消耗量加补货周期计算，并为高温季和物流延迟保留余量。
备件也需要验收。长期放置的电源可能受潮，风扇可能因型号相近而接口定义不同，拆机控制板也可能带着旧配置。未经测试的备件直接装入生产机，容易把一次故障变成两次停机。
复盘：把故障位置追到批次和机位
完成一批设备验收后，应统计外观异常、风扇故障、电源异常、算力板缺失、温度偏差和带载不稳分别出现多少次，并关联供应批次、运输车辆和机架位置。
如果同批设备集中出现风扇破损，要检查包装和运输固定；如果故障集中在某排机架，要排查回风与配电；如果换下来的电源没有明确故障结论，则说明维修判断还不够准确。复盘结果还应反映到下一批采购合同、测试时长和备件数量中。
今天就可以执行一个具体动作：在仓库门口设立异常隔离区，给每台到货矿机建立序列号记录，完成外观、通电、带载和上架复核后再贴合格标签。没有标签的机器不进生产机架，换下来的部件不进可用备件柜。把这条规则守住，后面的散热、供电和维修工作都会少很多无效排查。
