矿机到货先做带载验收再上架

温度曲线、风扇转速、单板算力、输入电压、PDU 余量、网口状态、固件版本、机身序列号、运输磕碰痕迹、备件数量，这些变量我每天到货验收都会先扫一遍。矿机不是插上电能亮就算合格，尤其是整批机器刚进场时，最怕的问题不是当场不开机，而是上架两天后某一排开始掉板、某几台电源发烫、某个批次风扇噪音异常，最后维修、停机、拆装一起挤到值班人员身上。

从硬件验收工程师的角度看，矿机管理的第一道关口不在巡检软件里，而在卸货那一刻。到货、上架、巡检、维修、备件，这几件事如果前后脱节，后面再好的运维面板也只能提醒你“已经出事了”。今天这篇就按现场流程写一遍：准备怎么做，执行怎么落地，检查看哪些细节，遇到问题怎样回退和复盘。

准备：机器到场前，先把电、风、件位留出来

很多矿场验收出问题，并不是工程师不懂机器，而是机器到了才发现现场没准备好。比如托盘到了，才临时确认上哪一排；准备开机，才发现 PDU 余量不够；机器拆箱后，才发现备件架上没有同型号风扇和电源。到这一步，验收就会变成赶工，赶工一定会漏项。

到货前至少要确认三件现场条件。

第一是供电位置。每一批矿机的额定功耗、实际可能拉到的峰值功耗、PDU 分路容量、线缆规格，都要提前对上。不要只看总电量够不够，总电量够，不代表某一条支路不会过热。验收时我更关心每排、每柜、每个插位的分配，尤其是新旧机器混放时，老电源线和旧插座更容易成为隐患。

第二是风道位置。矿机对散热的要求很直接：冷风进得来，热风排得走。新机器到场前，要把计划上架位置的进风温度、回风情况、挡风板、风帘、负压风机状态看一遍。不要把高功耗机器塞到回风最差的位置，再靠后期调风扇硬扛。风扇转速长期拉满，机器表面看起来算力稳定，实际是在透支风扇寿命和电源温度余量。

第三是备件位置。备件不是仓库里“有就行”，而是现场能不能在故障出现后半小时内拿到。常用备件至少包括同型号风扇、电源、控制板、网线、电源线、扎带、标签纸、螺丝和防尘耗材。到货批次越大，备件越不能凭经验估。尤其是二手机、返修机、跨地区运输机，风扇和电源的消耗概率通常比新机更高。

准备阶段还有一个动作很容易被忽略：提前建好验收编号。机器序列号、托盘号、上架位置、测试结果、异常照片，最好在开箱当天就对应起来。否则后面发现问题，只能靠“第三排靠左那台”“声音特别大的那台”来找机器，越找越乱。

执行：开箱别急着通电，外观和连接先过一遍

矿机卸货后，我不建议马上批量上架开机。第一步应该是外观验收。看纸箱是否受潮、边角是否塌陷、封条是否二次粘贴；拆箱后看机壳是否变形、风扇护网是否挤压、散热片是否松动、电源接口是否有烧蚀或氧化痕迹。运输造成的小变形，开机前不处理，后面可能变成风扇刮擦、散热不均或板卡接触不良。

外观拍照不是为了走流程，而是为了后续追责和维修判断。尤其是批量采购时，单台异常并不可怕，可怕的是同一托盘、同一运输线路、同一批包装里出现重复问题。照片要拍到序列号、破损位置和包装状态，别只拍一个模糊的箱子。

外观过完，再做连接检查。风扇插头、算力板排线、电源输出线、控制板网口，这些地方在运输后都有松动可能。现场遇到过机器能开机但一块板不上报，最后查下来只是排线半松；也遇到过风扇能转但转速异常，是插头没有完全压实。上架前多花一分钟，能省后面一次拆机。

通电测试不要一上来就满架全开。比较稳妥的做法是抽样带载，再小批量上架，最后整排拉起。每批先选几台外观正常的机器做带载测试，看启动电流、风扇拉升、芯片温度、单板识别、联网是否正常。带载至少跑过一个完整升温过程，不要只看开机三分钟的算力。很多散热和电源问题，冷机状态看不出来，温度上来才会暴露。

检查：上架后的第一轮巡检，要盯住会变坏的指标

机器上架以后，验收还没有结束。真正要看的，是运行一段时间后的变化。硬件问题往往有一个从轻到重的过程，早期表现可能只是温度比同排高两三度、某个风扇转速波动大、某块板算力偶尔低一点。等到系统告警时，可能已经影响收益。

第一轮巡检，我会按位置走，而不是只按后台列表看。后台能看到算力和温度，但听不到异常风噪，也摸不到电源线接头是否发热，更看不到某一排热风是不是被挡回来了。现场巡检要听、看、测结合：听风扇有没有尖叫、刮擦和忽高忽低；看进风口有没有被线缆挡住，热风侧有没有回流；测 PDU、插头、电源外壳的温升是否异常。

散热检查不能只看最高温。更要看同排机器之间的温差。同型号、同频率、同位置条件下，如果某台长期高出周边机器明显，就要查风扇、灰尘、散热片贴合、电源效率和风道。温差是早期信号，别等到掉板才处理。

供电检查要看负载是否均匀。上架时为了方便，有些人会把同一组高功耗机器接到相邻插位，看起来线缆整齐，实际可能让某个分路长期偏高。巡检时要记录每个 PDU 的电流变化，尤其是夜间低温、机器自动拉高频率或矿池策略切换时，负载可能比白天更高。

维修记录也要从第一天开始写。哪台换过风扇，哪台重插过排线，哪台电源温度偏高但暂未更换，都要落到机器编号上。不要相信口头交接。矿场轮班后，最容易丢的就是这些“暂时还能跑”的小问题，而它们通常会在下一次高温、断电重启或网络波动时集中爆发。

备件：别只按数量买，要按故障速度摆放

备件管理在很多矿场里被看成仓库工作，但对硬件验收来说，它直接决定维修效率。机器越多，备件越要靠近现场。风扇、电源这类高频件如果放在远仓，值班人员拿一次来回十几分钟，单台看着不多，一晚上连续几台出问题，就会拖成明显损失。

备件要分三层放。第一层是机房内随手可取的快修件，比如风扇、网线、电源线、扎带、标签纸。第二层是值班室或近仓的更换件，比如电源、控制板、常用排线。第三层才是批量库存和待返修件。这样做的目的不是摆得好看，而是让故障处理时间可控。

备件还要做状态区分。全新件、拆机可用件、待测件、待返修件必须分开。现场最怕拿到一个“看起来能用”的旧电源，换上后问题没解决，还多制造一次停机。每个拆下来的部件都要贴来源机器、拆下原因和测试状态。没有状态标签的备件，宁可先不要上机。

对于新到批次，建议在验收期内观察备件消耗。如果某型号风扇一周内更换明显偏多，要反查到货批次、运行位置和温度环境；如果电源故障集中在某一排，要先看供电和热风，而不是简单判断电源质量差。备件消耗本身就是硬件健康报告，只是很多人没有把它当数据看。

回滚和复盘：发现异常，先保住整排稳定

验收中发现异常，不要急着把所有机器都调到最高状态“再试试”。硬件回滚的目标很简单：先让整排稳定，再定位单点问题。

如果新上架机器出现集中高温，第一步不是拆机，而是降载、分批停机、检查风道。把问题机器从高密度区域移出，确认是否位置导致；同时看进风温度和排风是否堵塞。如果换位置后温度恢复，问题在场地；如果仍然偏高，再查风扇、散热片和板卡。

如果出现电源发热或 PDU 电流异常，要先降低该分路负载，必要时把部分机器转移到其他支路。不要在插头已经发烫的情况下继续观察。供电问题一旦从“异常”变成“事故”，损失就不是一台机器。

如果某批机器掉板、掉算力集中出现，要暂停同批次继续上架，抽取样机做更细测试。该拍照拍照，该记录序列号记录序列号。采购、售后、现场维修三方后续能不能对上，全靠前面资料是否完整。

复盘时别只写“已修复”。要写清楚异常出现时间、机器位置、运行时长、温度、电流、处理动作、更换部件和处理后结果。下次同型号机器到货，这份记录就是验收模板。矿场真正省钱的地方，往往不是少买几个备件，而是同一个坑不踩第二次。

今天如果有新机器到场，建议现场先做一个具体动作：抽出首批上架机器的 5 到 10 台，完整记录序列号、带载温度、风扇转速、PDU 电流和备件准备情况，跑满一个升温周期后再扩大上架。矿机硬件验收别抢那几十分钟开机时间，先把到货质量、散热位置、供电负载和备件响应对上，后面的巡检和维修才不会天天救火。