验机压测指南 // GPU 服务器收货验收 · 精简大纲
GPU 服务器单价动辄上百万，货不对板、翻新卡、隐性故障、互联缩水，任何一项中招都损失惨重。核心原则：先核验身份 → 再压测性能 → 老化不过夜不付尾款。三档强度自选：快闪档（约 30 分钟，租赁开通身份核验）· 标准档（1 天，常规采购验收窗口）· 深度档（3 天，大额/整柜/二手渠道）。
01收货验收到货当天
- 开箱全程录像：物流单号、封条、机身 SN 清晰入镜，中途不剪辑
- 对照配置单逐项清点：GPU/CPU/内存/硬盘/网卡/电源，内存硬盘电源是缩水重灾区
- SN 三对照（机身/显卡/保修查询），官网或 400 查保修起止
- 查金手指、散热器插拔磨损痕迹，识破翻新拆机件
02开机核验约 1 小时
nvidia-smi 核对型号 / 显存 / 驱动与配置单一致nvidia-smi -q 核对每卡 SN、VBIOS、功耗墙（如 H100 SXM 应为 700W）nvidia-smi topo -m 验 NVLink 真假：全互联矩阵 vs 全走 PCIe- 警惕 ES 工程样品片：VBIOS 异常、时钟被锁、官网查不到 SN
03单卡健康检查2–4 小时
dcgmi diag -r 2 NVIDIA 官方诊断（需 root，全部 PASS）cuda_memtest 显存颗粒全量扫描，0 errorsgpu_burn 逐卡满载 1 小时，功耗顶住 TDP 不降频dmesg | grep -i xid 无输出；ECC 不可纠正错误计数为 0
04多卡互联测试约 2 小时
nccl-tests 的 all_reduce_perf 测 8 卡带宽- 硬判据：NVSwitch 机型 busbw 通常 300+ GB/s，纯 PCIe 机型仅 20–30 GB/s，差一个数量级
p2pBandwidthLatencyTest 测卡间 P2P 带宽- IB 机型加测
ib_write_bw：400G NDR 应接近 390 Gbps
05整机满载老化12–40 小时
gpu_burn 全卡 12–40 小时跨夜：不掉卡、无报错、无 Xidnvidia-smi dmon 全程记录功耗/温度/降频曲线- 同步压 CPU/内存/硬盘（stress-ng、memtest86+、fio）
- 中途任何一张卡从 nvidia-smi 消失，即验收不通过
06业务实测约半天
- 用 vLLM 起一个真实模型服务，压测输出 tokens/s
- 与测算产能对比：偏差 ±15% 内正常，超 30% 查冒充/降频/驱动问题
- 实测值连同压测日志归档，作为日后产能规划锚点
07租赁算力验证开通后 2–3 天
nvidia-smi 查陌生进程，识破共享卡冒充独占- 查 MIG / vGPU 标识，识破切分卡冒充整卡
- 实测算力/显存/互联拓扑三者交叉验证，戳穿虚标
- 退租时全盘数据擦除（shred / nvme format）
08商务避坑清单签约阶段
- 合同附完整 SKU 配置单 + SN 清单，写明"不符可退换"
- 验收标准与验收期（≥3 天）写入合同
- 尾款 ≥30%，验收通过前不付；原厂保修官网可查
- 写明"全新原装、非 ES/QS 片、非翻新拆机件"；管制型号灰色渠道无保修
铁律：压测会暴露隐性故障也可能加速老旧硬件损坏——这正是目的，务必在验收期内完成并提前告知供应商方案。签收 ≠ 验收，尾款付出去之前，老化必须跑完。
完整版含 29 项可勾选验收清单 + 全部压测命令一键复制 + 验收进度保存 + 工具箱速查表，见微信小程序「老田GPU算力参数库」首页「验机压测指南」。