矿场机柜改AI推理，别只看便宜

周末折腾了一下矿场退役机柜改AI推理节点，踩了不少坑。所谓AI推理节点，就是专门跑模型预测的服务器。如果只是小实验室想省点钱跑蛋白质结构预测，不太值；如果手里正好有稳定电力、机房和会修服务器的人，这套思路可以抄。真正值钱的是电力、冷却和稳定交付能力。

报道里说德州不少比特币矿工转向AI数据中心，Hut 8 拿了债务融资去扩AI设施，Core Scientific 在 Denton 也放弃挖矿计划，改做AI。听起来像换块牌子就能开张，可我这边上架三台退役机柜才发现，能不能跑起来只是第一步，能不能天天跑才是麻烦。

我们组用了不到一个月的GPU集群，最近把几台矿场淘汰的服务器机柜接进网络，准备跑AlphaFold3。GPU集群就是一堆显卡服务器一起算。

AlphaFold3是蛋白质结构预测模型，喂给它氨基酸序列，它尽量猜出蛋白在空间里怎么折叠。干实验和湿实验之间那道gap，很多时候就卡在这里。预测结果看着漂亮，后面还要实验验证。

开机前我觉得挺省。机柜、光纤、配电都现成，比从零搭机房快。结果第一天就卡住。旧机器BIOS里电源策略还停在挖矿模式，显卡识别不稳定。跑 nvidia-smi，也就是看显卡状态的命令，时有时无。换线、刷固件、重配网卡，折腾到晚上。权限配置也不能省，一个服务账号能改模型缓存目录，误删半截缓存后任务全停。这个模型在生物数据上的表现还没看，先被运维教育了一遍。

散热是第二个坑。矿机以前主要给机器本身吹风，AI推理跑满时，服务器和网络设备一起发热。报道里说AI数据中心需要更先进的冷却方案，芯片级液冷，也就是用液体贴着芯片散热，还要额外风冷。冗余要求也更严，意思是坏了也不能停。我这边没液冷，只有风道，跑长任务降频明显。最惊喜的是吞吐。短序列批量推理时，几台机器并发起来，比笔记本加云端接口稳。不过输出格式必须稳定，否则不如手写。我们最后强制固定字段格式，我用了3周的字段校验这次跑了一遍才敢接流程。

这套思路适合有电、有机房、有人修机器的人，不适合个人玩家、小课题组、指望捡便宜算力的人。矿场转型听起来是算力平权，实际更像把一堆说不清的运维麻烦搬回家。下周准备单独测一下断电重启后的恢复时间。

---

📌 本文编译自 Hacker News，原文是 https://americanbuildout.com/goodbye-bitcoin-hello-ai-data-center/

版权归原作者所有，本文为基于公开报道的编译与独立分析。