HGX B300 到货验收：固件核验与 8 卡压力测试判据
第一步是开箱与固件核验。这一步最容易被跳过，但它恰恰是翻新卡与工程样品最容易暴露的环节。固件版本要与官方推荐配套版本一致，非正式预装版本要记录并要求更换。核对时用 nvidia-smi --query-gpu=index,name,uuid,serial,vbios_version --format=csv 一次性把 8 张卡的 UUID、序列号与 VBIOS 版本拉出来存档，再逐条与装箱单、SN 标签比对。重点看两处：一是序列号在卡身贴纸、nvidia-smi -q | grep -i "Serial Number" 输出、随箱清单三处是否完全一致；二是 VBIOS 版本号与同批次其它卡是否一致，同批 8 卡出现两个不同的 VBIOS 版本，通常意味着其中有卡被单独刷写过。
第二步是算力与互联实测。官方标称 B300 单卡 FP4 稠密算力 13.5 PFLOPS、显存 288GB HBM3e、显存带宽 8TB/s、NVLink 5 代 1.8TB/s。实测判定标准：单卡算力不低于标称值的 90%；8 卡总算力不低于单卡实测值的 7.2 倍（对应并行线性度 90%）；显存识别完整为 288GB，实测带宽不低于 7TB/s（官方理论峰值的 87%）；GPU 间 P2P 双向带宽不低于 1.44TB/s，即 1.8TB/s 理论值的 80%。互联与存储要一并测：IB/RoCE 网卡实测带宽不低于线速的 90% 且无丢包，NVMe 全盘读写速率匹配硬盘官方规格、无慢盘无 IO 抖动。
第三步是长时稳定性压测。行业常见的 4 小时短拷机不足以暴露隐性故障，建议按 3～5 天 7×24 小时满载执行。期间循环跑 DCGM Level 3 深度诊断，要求全程无 ECC 报错、无 Xid 硬件异常、无 GPU 故障日志；3～5 天持续满载要求无降频、无掉卡、无宕机重启。同时采集 GPU 温度、液冷进出口温差、冷却液流量、管路压力，确认全部稳定在原厂区间且无参数漂移。间歇性掉卡与高负载下降频正是短时测试几乎无法复现的故障类型。
Windows 与 Linux 差异提示。上述 nvidia-smi 系列命令在 Windows 下同样可用（PowerShell 里把 --format=csv 输出按逗号切分即可），但长稳压测建议在 Linux 侧执行：gpu_burn -d 3600 需要 CUDA 运行时与 nvcc 环境，Windows 下的 WSL 环境驱动栈兼容性较差，容易出现误报。收尾还要复核液冷管路快接头无渗漏、BMC 传感器数据齐全、电源与硬盘指示灯状态正常，随箱线缆、导轨、说明书、合格证与保修凭证同装箱单一致。
