Вторичный рынок NVIDIA SXM — как проверить б/у модули V100 и A100 перед покупкой
Покупка серверных GPU форм-фактора SXM на вторичном рынке (Refurbished / Used) — самый экономически эффективный способ получить доступ к вычислительной мощности уровня дата-центра. Однако, в отличие от потребительских видеокарт, серверные модули имеют свою специфику эксплуатации и скрытые дефекты.
Данный чек-лист составлен на основе инженерной практики приёмки списанного оборудования из дата-центров и поможет избежать покупки «кирпича».
Этап 1 — визуальный и физический осмотр
Состояние контактных площадок (SXM Socket)
Разъём SXM имеет сотни мелких контактов. Ищите следы окисления, потемнения или механические задиры. Любая деформация пинов ведёт к нестабильной работе шины NVLink или падению шины PCIe.
Термоинтерфейс
На крышке модуля (IHS) не должно быть следов вытекания или кристаллизации термопасты или жидкого металла. Если модуль продают «как есть» — закладывайте в бюджет обязательную замену термоинтерфейса на серверный фазовый переход (например, Honeywell PTM7950), так как штатная паста за 3–5 лет работы 24/7 деградирует.
Компоненты VRM
Осмотрите силовые цепи питания на плате модуля. Потемнение текстолита вокруг дросселей или конденсаторов указывает на длительный перегрев, что критично сокращает остаточный ресурс.
Этап 2 — программная диагностика (Diagnostics)
Для тестов модуль должен быть установлен в совместимый сервер (например, Dell PowerEdge R740xd/R750, Supermicro SYS-4029GP-TNR или HPE ProLiant DL380 Gen10) с актуальной версией BMC и прошивкой NVIDIA.
Базовый статус
Команда nvidia-smi должна отображать корректное название GPU, версию драйвера и отсутствие ошибок в поле ECC Errors.
Проверка памяти (ECC)
Серверная память HBM2/HBM2e оснащена коррекцией ошибок. Выполните команду:
nvidia-smi -q -d ECCЗначения Volatile и Aggregate для Single Bit и Double Bit ошибок должны быть равны 0. Наличие Double Bit ошибок — приговор модулю, такую память нельзя использовать для обучения моделей.
Тест NVLink
Для многокарточных конфигураций критически важно проверить целостность высокоскоростных соединений:
nvidia-smi nvlink -sВсе состояния линков должны быть Active. Наличие Inactive или Training указывает на физический дефект разъёма или проблемы с питанием NVSwitch на материнской плате сервера.
Этап 3 — стресс-тестирование под нагрузкой
Статический тест не выявляет проблемы с питанием или перегревом. Необходимо запустить нагрузку на 15–30 минут.
DCGM (Data Center GPU Manager)
Запустите dcgmi diag -r 3 — уровень 3 включает стресс-тесты памяти и PCIe. Это самый надёжный индустриальный стандарт проверки.
PyTorch Matrix Multiplication
Простой скрипт на умножение больших матриц, нагружающий тензорные ядра и подсистему памяти. Мониторьте температуру через watch -n 1 nvidia-smi. Для SXM-модулей в сервере температура под нагрузкой не должна превышать 85–90 °C. Резкий скачок до троттлинга (обычно 92–94 °C) за первые 2 минуты говорит о высохшем термоинтерфейсе.
Риски вторичного рынка
Хотя SXM-модули редко используются в криптомайнинге (из-за сложности материнских плат), они массово применялись в рендер-фермах и узлах обработки видео. Основной износ там получает не вычислительное ядро, а подсистема памяти HBM и VRM. Покупка с проверенным логом DCGM и возможностью возврата в течение 14 дней — обязательное условие сделки.
Связанные материалы
- Рынок серверных ИИ-ускорителей — обзор форм-факторов
- Запуск серверных SXM-модулей вне дата-центра
- Пассивное охлаждение Fanless в промышленных системах
Перейти в каталог
Оставить заявку на аудит и тестирование б/у серверов: форма подбора.
