H100 验收必查项：80G 与 94G 区分及序列号核对
先分清三种配置，避免把 PCIe 当 SXM 收。H100 至少有三个常见形态：SXM5 版 80GB HBM3、带宽 3.35TB/s、NVLink 4.0 提供 900GB/s 双向带宽、700W；PCIe 版 80GB HBM2e、带宽约 2TB/s、不支持 NVLink、350W；NVL 版 94GB、带宽 3.9TB/s、NVLink 600GB/s、双槽风冷 PCIe 形态。带 94GB 的一定是 NVL，不会是刷出来的。现场用 nvidia-smi --query-gpu=name,memory.total --format=csv 看显存总量，区分 80GB 与 94GB 只需看这一列的 MiB 数值（94GB 约 96771 MiB，80GB 约 81559 MiB）；再用 nvidia-smi topo -m 确认互联类型，SXM 走 NVSwitch 全互联，PCIe 只能走 PIX/NODE。
序列号、UUID 与标签要三处对齐。用 nvidia-smi --query-gpu=name,serial,uuid,pci.bus_id --format=csv 取值，serial 对应卡身贴纸的厂商序列号，uuid 是驱动侧生成的唯一 ID，二者不能混用。核对逻辑是：序列号与盒说、卡身贴纸三方一致，且 8 张卡的 UUID 互不重复。注意并非所有卡都能读出 serial，OEM 定制卡可能只写 [N/A]，此时以卡身贴纸为准，并把 UUID 作为资产台账主键。nvidia-smi -q 的完整输出里，Product Name、Board Serial Number、Memory Size、ECC Mode、Power Limit、PCIe Generation 是最需要逐项核对的字段。
关键字段判读要点。Power Limit 应与 SKU 匹配，SXM 700W、PCIe 350W，数值明显偏低说明固件被人改过或板卡有虚标。ECC Mode 须为 Enabled，H100 数据中心卡默认开启 ECC 且不可关闭，Pending 计数不为 0 表示有显存页待退休，属硬件隐患。Clocks Event Reasons 在压测中不应出现 SW Power Cap 或 HW Slowdown。Temperature 满载应稳定在 60～80℃，持续贴温度墙即判散热不合格。
驱动分支与稳定性基线。Hopper 架构最低驱动分支为 R525。验收流程建议：先 nvidia-smi -q -d PERFORMANCE,POWER,CLOCK,PCI 留存性能与限制原因基线，再跑 gpu_burn -d 3600 满载 1 小时，之后用 dcgmi diag -r 3 做深度诊断确认无 ECC/Xid 异常。Windows 与 Linux 差异：nvidia-smi 输出字段一致，但拓扑与限频原因在 Linux 下更完整，Windows 侧 Performance 段落可能缺少部分字段，建议在 Linux 验收盘上完成全部采集。
