AI网络到货验收不能只执行资产清点。一个可上线的连接组合,至少要同时满足设备支持、端口模式、介质能力、软件版本和链路质量五个条件。建议按以下六个阶段形成证据链。
一、冻结BOM与连接矩阵。记录交换机和网卡的接口形态、目标速率、每端口通道数、介质类型、长度、连接器、光纤类型、分拆比例、固件、驱动与网络操作系统版本。对照官方已验证或支持列表,任何替代物料都应重新标注状态。
二、搭建最小拓扑。分别覆盖交换机到网卡、交换机到交换机、直连测试以及计划使用的分拆组合。先只接一条链路,排除布线密度、邻口限制和大规模配置带来的干扰。
三、验证端口状态。以太网检查目标速率、自动协商、FEC和MTU;InfiniBand检查端口Active、链路宽度和速率。分拆场景逐一核对逻辑端口与物理支路的映射,并保存变更前后配置。某些设备在切换分拆模式时会影响相邻端口或清除接口配置,不能直接在生产口试错。
四、读取链路质量。采集CRC、符号错误、链路恢复、FEC纠错与不可纠错计数、模块温度、电压、发射与接收光功率。清零计数器后执行固定时长压力,再比较增量。链路Up而纠错持续快速增长,说明它还没有达到稳定运行标准。
五、做对照测试。更换同批次介质、交换端口、替换另一张网卡,观察异常是否随物料移动。吞吐测试应包含双向、并发和长时间运行;AI场景再补充RDMA或NCCL回归,把低层链路质量与业务结果关联起来。
六、完成批次归档。记录序列号、批次、照片、端面清洁结果、固件与测试日志,为通过组合生成标准接线模板。抽检比例应根据批次数量、供应链变化和历史质量调整。
最终验收结论不应只是"能亮灯",而应说明在什么设备、软件、端口模式和介质组合下,链路可以稳定达到目标速率,计数器增长受控,并能在重启与换件后重复恢复。
实际执行时还应建立失败判定:目标速率未建立、不可纠错错误出现、链路反复恢复、温度越界或固定压力下性能无法重复,都应暂停批量安装。对于只有FEC纠错增加的链路,需要结合增长速率、业务负载和厂商阈值判断,不能看到非零计数就直接判废,也不能完全忽略持续上升。建议统一测试时钟,记录开始与结束快照,并将交换机端口、主机接口和业务日志按时间对齐。