一、疫苗冷链这笔账，断一次就是整批报废

疫苗这个品类对温度的容忍度低到什么程度？大部分常规疫苗要求 2–8℃ 冷藏，部分减毒活疫苗和新型疫苗还要 -20℃ 甚至更低的深冷环境。超出允许区间几个小时，效价就可能不可逆地掉下来，而这件事肉眼完全看不出来——外观、颜色、包装、批号全正常，只有做效价检测才知道坏了。麻烦就在这里：等检测发现问题，货可能已经发出去一大半了。

冷链的风险点不在冷库本身。冷库有压缩机、有备用机组、有保温层，稳态运行的时候温度曲线平得像一条直线。真正出事的地方在"过程"里：冷库门口那几分钟，冷藏车装卸货时车厢门大开，夏季月台温度三十几度，热空气一股脑往里灌；运输途中车辆颠簸导致制冷机组短时停机；中途转运交接，箱子在常温月台上放了二十分钟没人管；还有更隐蔽的——温度探头本身漂移了，或者探头线被压断，系统读到的是一条漂亮但假的曲线。

传统超限报警为什么不够用？它是纯阈值逻辑，温度超过 8℃ 才响。可疫苗的失效是累积的，温度在 7.5℃ 徘徊三个小时，报警一次都不响，货已经受影响了；反过来，开门装卸那两分钟温度冲到 9℃ 立刻回落，报警响个不停，值班人员被折腾到麻木，真事件反而被淹掉。说白了，缺的是趋势预判和上下文判断——不是"超没超线"，而是"这条曲线正在往哪个方向走，这个波动是正常作业还是真异常"。

AI 预警要做的，就是把事后报警变成提前预警，把单点阈值变成多测点时序建模。这套东西落地的卡点不在算法，在算力怎么摆——一个中等规模的冷链网络，冷库几十个、冷藏车上百台、温度探头动辄几千路，再叠上振动、电流、门磁、视频，数据管道和模型训练的算力需求是分层的，全塞进一台机器不出三天就崩。

先把几条结论摆出来，省得你在方案会上被供应商绕：

• 边缘侧做温度异常实时判别和断链判定，用小卡常驻最划算。模型小、刷新快、要求常年不停机，Tesla T4（官网价 ¥900/月）就能稳稳扛住，别拿整机干这活。
• 多测点温度时序建模和故障预诊断，吃的是显存和训练吞吐。几千路探头、几个月的温度曲线一起进模型，LSTM/Transformer 那一套跑起来，A100 40G（官网价 ¥2800/月）是实用起点，显存不够就得把 batch 和序列窗口降下来，模型学不到长周期缓漂。
• 门禁视频联动和作业合规识别，吃的是并发解码能力。冷库门口、月台、装卸区几十路视频常驻分析，还要跟门磁事件做时间对齐，RTX3090 24G（官网价 ¥1750/月）这个档比较从容，T4 跑十几路也行但余量不大。
• 在线预警和模型训练必须物理隔离。温控系统 7×24 不能停，训练任务一跑满显存，推理时延就抖，报警迟到十分钟，可能一整车的货就进不了接种点了。
• 年付折扣是真的，但冷链算力需求随季节和业务量波动。一万网络 GPU 定制年付 8 折、H100 整机年付 85 折，合同里务必写清楚旺季扩容和中途降配条款，别把自己锁死。

二、疫苗冷链的九类计算任务，对应九种算力形态

2.1 多测点温度时序：突变、缓漂、短时越限是三种完全不同的病

温度异常不是一种东西，起码得分三类看。第一类是突变，比如制冷机组突然跳闸、压缩机故障、探头被拔出，曲线在几分钟内垂直上冲，这类最容易识别，传统阈值报警也能抓到，AI 的价值主要是压误报。第二类是缓漂，每小时涨零点几度，六个小时累积起来越限，单点看每一秒都"正常"，只有做趋势外推才能提前发现，这是传统报警的死角，也是 AI 最能体现价值的地方。第三类是短时越限，开门、装卸、除霜都会造成短时波动，这类要看幅度、持续时间和回落速度三个参数一起判断，而不是看有没有超线。

数据形态上，这是典型的多变量时间序列。一个冷库可能布 6 到 12 个测点，分上中下三层、四角加中心，加上回风口和送风口的温度，通道数上到十几路；一个中型冷链网络把冷库、冷藏车、保温箱全算上，几千路探头很正常。采样间隔通常 1 到 5 分钟，一年下来单库就是几十万条记录，全网就是上亿条。

算法上主流做法是多变量时序预测加残差分析：用历史窗口预测未来一段时间内的温度走势，预测值和实测值的残差持续偏大，就说明系统行为偏离了正常模式。LSTM 的门控机制对长序列记忆能力不错，Transformer 的自注意力在跨测点依赖和超长序列上更强，但训练成本明显更高。跑一个几百通道、序列长度几千步的模型，显存占用是硬约束，A100 40G 的 40G HBM2e 是比较舒服的档位，V100S 的 32G 也能跑但 batch 得压。还有个细节：温度数据的信噪比看起来很高，其实探头精度普遍在 ±0.5℃，靠近门的位置还会有明显的空间梯度，模型要学的不是绝对温度，是相对变化模式，特征工程做不好，再大的卡也白搭。

2.2 数据质量校验与断链判定：比报警更重要的前置环节

这块是很多项目翻车的地方。温度探头不是永远诚实的：有的会漂移，一年偏个一两度；有的会接触不良，读数在真实值附近跳；有的干脆断线，采集器返回一个固定值或者上一次的值。如果系统不检查数据质量，模型拿到的是垃圾输入，输出的却是"一切正常"的结论——这比不装系统还危险，因为它给了你虚假的安全感。

数据质量校验要做几件事。一是数值合理性，温度跳变超过物理可能的速率，就判定为可疑点而不是异常事件；二是多测点交叉验证，同一个冷库里几个测点的相关性很高，某一路突然脱离群体，多半是探头问题不是环境问题；三是恒定值检测，连续 N 个采样点数值一模一样，基本可以确定是死值；四是时间戳校验，采集器的时钟漂移、数据补传造成的乱序，都得处理，不然时序模型直接学错。

断链判定是更严重的一层。"断链"指的是温度记录出现不可解释的空白——探头离线、采集器断电、网络中断导致数据没上传、记录被误删。对疫苗来说，一段没有记录的时间等于一段无法证明合规的时间，这批货在审计上就是有问题的。所以系统要做的是：任何数据缺口都要自动标记、自动告警、自动生成待核查工单，而不是安静地跳过。这个逻辑本身不复杂，但要做成实时闭环，需要边缘节点有常驻的计算能力和本地存储。这类轻量高频的任务放在一张 T4（官网价 ¥900/月）上，7×24 跑着毫无压力，功耗和散热也都好处理。

2.3 开门与装卸扰动识别：把正常作业和真异常分开

冷库门的每一次开启都是一次微型的温度事件。开门时长、开门频次、门外环境温度、库内当前负载，这几个变量组合起来，决定了这次开门会不会把货品温度推出安全区。问题是这些事件太频繁了——一天几十次甚至上百次，如果每次波动都报警，系统等于废掉。

AI 的做法是给每次温度波动找上下文。把门磁信号、开门时长、月台温度、当前库存量、当天出库计划这些信息一起喂进模型，输出的是"这次开门造成的温度波动在预期范围内"还是"这次波动幅度明显偏离了同类工况"。区别在于：同样是温度上冲 1.5℃，一次是正常的十分钟装卸，另一次可能是门封条老化导致冷气持续外泄，或者门外温度异常高，或者库内制冷能力在下降。这三种情况后续动作完全不同，只有结合上下文才能区分。

装卸区还有一个常被忽略的场景：冷藏车与月台对接的密封性。对接不严、密封条破损、车辆制冷机组在装卸期间停机，都会让车厢温度在十几分钟内明显抬升。车载温度记录仪的采样间隔通常是 5 分钟甚至更长，等它发现的时候，可能已经过去了半小时。解决办法是在月台加装快速响应的环境温度探头和视频分析，把这段时间的异常提前抓出来。视频侧的分析是轻量任务，但路数多、需要长时间在线，跟温度时序模型放在同一台机器上跑，用 RTX3090 24G（官网价 ¥1750/月）这样的整卡比较合适，显存余量足，可以同时挂几个模型不互相抢资源。

2.4 制冷机组振动与电流信号：从温度倒推到设备本体

温度是结果，设备是原因。等温度异常了再处理，已经是下游了；能在压缩机出现早期故障特征的时候提前预警，才是真正的主动运维。制冷机组的状态信息藏在振动和电流信号里：轴承磨损会让特定频段的振动能量上升，制冷剂不足会让压缩机电流曲线出现特征变化，冷凝器脏堵会让排气压力升高、机组运行时间变长。

这类信号的处理是典型的信号处理加深度学习的组合。振动信号采样率高，一个通道每秒几千到几万点，一天下来数据量很大，通常做法是先做时频变换提取特征，再用卷积网络做故障分类。电流信号采样率低一些，但更关注趋势和模式，适合用时序模型。两者结合，能做出来的判断包括压缩机效率衰减、换热器脏堵、制冷剂泄漏早期迹象、风机不平衡等。

算力上，特征提取和模型推理是 GPU 友好的，批量处理效率提升明显。真正的瓶颈通常在数据管道：高频振动数据不可能全量落盘长期保存，必须做分层存储——原始波形保留一到三个月用于故障复核，特征和事件记录长期留存。配机器的时候本地 NVMe 的写入速度和容量要留足，不然数据写不进去，卡再快也没用。这一层的模型训练量不算大，A100 40G 单机足够，日常推理可以用小卡或者跟视频分析共用一台 RTX3090。

2.5 能耗与温控策略寻优：省电是顺带拿到的附加价值

冷库是耗电大户，一个中型冷库一年的电费可能比整套监测系统的投入还高。温控策略寻优的目标很直接：在保证货品温度安全的前提下，把机组运行能耗压下来。可调的东西不少——机组启停策略、除霜周期和时长、夜间温度设定点微调、多机组之间的负荷分配、预冷策略。这些参数之间有耦合，靠人工试错调不出最优解。

AI 的做法是建一个冷库热力学模型，把库内外温度、库存量、开关门事件、机组运行状态、电价时段作为输入，用强化学习或者模型预测控制来搜索最优策略。这类任务的算力需求不在推理，在训练和策略搜索——强化学习要跑大量的仿真回合，每个回合都涉及数值计算。有意思的是这块负载偏 CPU 和内存，GPU 的用武之地主要在热力学代理模型（用神经网络替代物理仿真加速搜索）上。

实际项目里常见的坑是只盯着显卡参数配机器，结果 CPU 核数和内存不够，仿真跑得比乌龟还慢，GPU 反而闲着。跑这类任务，A100 40G 配 16 核 128G 内存是比较舒服的组合，标配的 8 核 64G 会明显偏紧。CPU 加核 +¥400/月、内存升到 128G +¥600/月，一个月多一千块，换来的策略搜索效率提升远超这个数。还有个细节：温控策略寻优和 GSP 要求的温度记录留存不能互相干扰，策略调整必须全程留痕，谁在什么时候改了什么参数、为什么改，这些都要能追溯。

2.6 门禁与视频联动：人员作业合规怎么用算力去管

冷链的合规性一半靠设备，一半靠人。进出冷库不登记、不穿防护服、装卸超时、非授权人员进入库区、开门不关门、货品直接放在月台地上——这些行为在纸质流程里靠签字和抽查，实际执行情况很难核实。视频加门禁联动能把这块补上。

技术实现分两层。基础层是事件关联：门禁刷卡记录和视频时间轴对齐，谁在几点几分进了哪个库房，进门后待了多久，出来时有没有关门，这些都能自动生成记录。进阶层是行为识别：用目标检测加动作识别模型，判断作业人员有没有穿戴规定的防护装备、有没有违规操作、货品转运过程中有没有长时间暴露在常温环境。

算法上，检测模型和动作识别模型都是卷积网络加时序模块的组合，属于成熟技术。难点在并发——一个冷链中心可能有几十路摄像头，还要保证实时性，解码和推理的算力叠加起来不小。RTX3090 24G 这种整卡能同时跑多路视频分析加若干轻量模型，是这类场景的常用档位。视频数据同样涉及分层存储：原始视频保留一段时间，事件片段和结构化记录长期留存，因为后者才是审计时要看的证据。

2.7 温控记录防篡改与全程可追溯：审计看的是这个

疫苗温控记录的本质是一份证据。它要能证明"这批货从出厂到接种，全程温度都在允许区间内"，而且这份证明必须是可信的、不可事后修改的。纸质记录不行，普通电子表格更不行——改一个数字没有任何痕迹。

技术上要做的包括：采集端做数据签名或者加时间戳，确保原始记录一落地就带上不可伪造的时间凭证；传输链路加密，防止中间被截改；存储端做写入即固化，任何修改都生成新版本而不是覆盖旧版本，保留完整变更链；审计端提供不可篡改的操作日志，谁在什么时候查询、导出、修改了什么，全部留痕。

这套东西对算力的要求很低，但对系统设计的要求很高。区块链存证是一种思路，把每条温度记录的哈希写进链里，事后任何改动都会导致哈希对不上；更轻量的做法是用哈希链加可信时间戳服务，成本低得多，效果对绝大多数场景够用。要注意的是哈希计算和签名验证属于密码学运算，放在边缘节点做要评估性能开销，高频采样场景下可能成为瓶颈，通常做法是边缘先做本地哈希链，再批量上链或者定期锚定。

还有一层是数据留存期限。GSP（药品经营质量管理规范）对温控记录、运输记录、验收记录的保存期限有明确要求，具体年限以最新法规条文和当地监管口径为准。系统设计的时候要把留存周期做进去，包括冷数据归档、归档数据的可检索性、介质更换时的数据迁移方案。很多项目上线两年后才发现归档数据找不到了，那时候补救成本极高。这一块一万网络可以提供架构层面的建议和资源对接，具体合规判定仍需以法务和监管口径为准。

2.8 边缘网关断网续传与本地推理：冷链网络最怕静默失效

冷库和冷藏车的数据链路质量远不如机房。冷库墙体厚、金属结构多，无线信号衰减严重；冷藏车跑在公路上，4G/5G 信号时断时续；偏远地区的接种点网络条件更差。如果系统依赖实时回传，网络一断，整条链就瞎了。

正确的架构是边缘自治。边缘网关负责本地采集、本地质量校验、本地异常判别、本地报警，网络好的时候同步数据到中心，网络断了就本地缓存、断点续传。这样即使中心侧出问题，边缘的报警逻辑照样工作，这是安全系统的基本要求。

边缘侧的硬件选型要注意功耗和环境适应性。冷库环境温度低、湿度大、有结露风险，车载环境还要考虑震动和宽温。工业级网关加一张低功耗推理卡是比较务实的组合。Tesla T4（官网价 ¥900/月）功耗低、能效比高，16G 显存跑温度异常判别、断链检测、轻量视频分析这些任务绰绰有余，是边缘节点的常见选择。还有一条经验：边缘节点要配 UPS 和本地存储冗余，冷库断电的时候，报警链路和本地缓存要能撑住一段时间。

2.9 多源数据融合与全局风险画像

上面每一层单独看都是局部的，真正的价值在于把它们拼起来。一台冷藏车在路上，同时有车厢温度曲线、制冷机组电流、车门开关记录、GPS 轨迹、驾驶行为数据；一个冷库同时有温度场、湿度、机组振动、开关门事件、视频事件、能耗曲线。这些数据在时间轴上对齐之后，能做出单靠任何一路数据都做不出来的判断。

举个例子：某台车车厢温度缓慢上升，单独看是缓漂异常。结合轨迹发现它刚在某个服务区停了四十分钟，结合车门记录发现这期间车门开过两次，结合电流记录发现制冷机组停机了——这就不是简单的温控问题，是"司机擅自关闭制冷机组"这个行为问题，处置方式完全不同。再比如某冷库温度曲线正常但能耗明显上升，结合振动数据发现压缩机效率在衰减，这就是设备维护的提前量。

全局风险画像的建模是这套系统里最吃算力的部分。数据源多、时序长、特征维度高，模型结构也复杂（通常要多个子模型加一个融合层）。这类模型的训练放在中心侧，用独享 GPU 物理机跑；推理可以下沉到区域节点。别指望边缘小卡能干这个活，也别指望中心侧用切片算力能干这个活——显存被切碎之后，大模型连加载都困难。

三、算力需求分级对照：从边缘网关到全局风险建模

表里标了「预估」的价格属于非官方报价，实际以下单时核算为准，别拿它当签约价去谈。标「官网价」的是官网公开明示档，也只是参考，最终仍以实时报价为准。同一型号在不同页面上数字不一致的时候，认官网产品页，别认代理商口头报价。还有一点常被忽略，冷链项目的算力预算要按"边缘+区域+中心"三层分开算，别把三层需求加总成一个数字去选机器，那样必然有一层配错。

四、推荐配置详解：一万网络四套方案怎么落地

#1 一万网络「A100 40G 温度时序建模单机」——预警模型训练的主力

关键词维度：A100 40GB | 8核64G（建议升 16核128G） | 200G 数据盘 | 100M BGP 独享 | ¥2800/月 | 年付 8 折

推荐配置：8 核 64G 内存、200G 系统盘加 200G 数据盘、NVIDIA A100 40GB 单卡独享，含 100M BGP 独享带宽。这是人工定制 GPU 产品线的主力档，A100 有 6912 个 CUDA 核心、40G HBM2e 显存，支持 TF32、FP16、INT8 混合精度。跑几百通道的温度时序预测模型，显存容量是决定 batch 和历史窗口大小的关键——40G 能让你把序列长度开得比较舒服，不用为了塞进显存去砍历史窗口，而窗口一砍，六个小时量级的缓慢漂移就学不出来了，偏偏缓漂正是疫苗冷链最需要提前发现的那类异常。

为什么推它：冷链温控的数据特点是"通道多、序列长、更新慢"。这种负载不吃峰值算力，吃的是显存和训练稳定性。A100 的 40G HBM2e 带宽够用，跑 LSTM 或者中小规模 Transformer 都从容。标配 8 核 64G 做数据清洗、多源对齐和特征工程会偏紧，建议直接升到 16 核 128G，CPU 加核 +¥400/月、内存到 128G +¥600/月，一个月多一千块，换来的训练效率提升远超这个数。年付 8 折之后月均成本压到两千出头，同账户复购还能再减 ¥100/月，对长期做模型迭代的项目很友好。工程师 1 对 1 部署 CUDA、cuDNN、TensorRT、PyTorch、TensorFlow，开机即用，省掉医药企业 IT 团队最头疼的环境配置环节——这类团队通常没有专职 AI 工程师。

适配场景：多测点温度时序模型训练、温控策略寻优的代理模型、故障预诊断模型迭代、历史数据回溯分析。

#2 一万网络「T4 冷库边缘预警节点」——本地闭环和断网续传

关键词维度：T4 16GB | INT8 130 TOPS | ¥900/月 | 100M BGP 独享 | 硬件故障 10 分钟自动迁移 | 免费快照回滚

推荐配置：8 核 64G、Tesla T4 16GB 单卡独享，含 100M BGP 独享带宽，官网价 ¥900/月。T4 有 2560 个 CUDA 核心、INT8 算力 130 TOPS，是推理和视频转码这个细分里的性价比之王。16G 显存跑温度异常判别、断链检测、数据质量校验、轻量视频分析这些任务毫无压力，可以多模型常驻，同时挂上冷藏车的车载数据接入。放在冷库机房或者区域中转节点，7×24 常驻。

为什么推它：边缘侧的核心诉求是稳、省电、耐造。冷库环境不比正规机房——低温、高湿、结露、电压波动，边缘节点的功耗和散热越简单越好。T4 功耗低、能效比高，正好匹配"多模型常驻、单次计算轻"的需求。还有一条经验：冷链边缘节点最好配 UPS 和 4G/5G 备份链路，主网断了还能把报警发出去，这是安全系统的基本要求。一万网络这条线带硬件故障 10 分钟内自动迁移，加上免费系统盘每日 3 份快照、30 秒回滚，边缘节点升级出问题能快速退回稳定版本，不用派人到现场重装——冷库现场作业要停机、要审批，成本比机房高得多。

适配场景：冷库与冷藏车温度实时判别、数据质量校验与断链告警、开门装卸扰动识别、阈值越限本地声光报警、断网本地缓存与断点续传。

#3 一万网络「RTX3090 视频与作业合规分析节点」——几十路视频常驻

关键词维度：RTX3090 24GB | 多路并发解码 | ¥1750/月 | 100M BGP 独享 | 免费 5–20G 防护

推荐配置：8 核 64G、RTX3090 24G 整卡独享，含 100M BGP 独享带宽，官网价 ¥1750/月。24G 显存是这一档的核心优势——多路视频同时解码加推理，显存占用是叠加的，模型本身不大但并发数一上来，16G 就容易吃紧。这台机器可以同时承担门禁视频联动分析、作业合规识别、月台密封性视频检测，还能挂上制冷机组振动信号的批量特征提取。

为什么推它：视频分析这个负载的特点是"模型轻、并发高、要长期在线"。用 A100 跑纯属浪费，用 T4 跑几十路会紧张，RTX3090 的 24G 显存正好卡在甜点上。价格上 ¥1750/月比 A100 便宜一大截，比 T4 贵不到一倍，但能扛的并发数翻倍不止。AI 算力云里 RTX3090 整卡也是 ¥1750/月（官网价），如果只是阶段性上线，先用云上的整卡验证并发能力，跑稳了再转独享物理机，这条路径更稳。补一句，视频事件的结构化记录和关键帧要长期留存，作为审计证据，本地存储容量要提前规划。

适配场景：门禁与视频联动分析、人员作业合规识别、月台与装卸区视频检测、机组振动信号批量特征提取。

#4 一万网络「8 卡 A100 全局风险建模集群」——多源融合的重活

关键词维度：8×A100 80GB | 640GB HBM2e | 双路旗舰 CPU | NVMe 阵列 | 10G 不限 | 年付 8 折 | 工程师 1 对 1 部署

推荐配置：8×NVIDIA A100（40G 或 80G 可选）、双路 Xeon Platinum 级 CPU、512G 至 1TB 内存、4×3.84TB NVMe SSD、10Gbps 独享带宽，支持 NVLink 全互连。CUDA 12.x、cuDNN、TensorRT、PyTorch、TensorFlow 由工程师 1 对 1 部署到位，开机即用。

价格参考：8 卡 A100 80G 整机预估价格约 ¥2.5万–4万/月（非官方报价，实际以下单核算为准），走 GPU 定制年付 8 折通道之后，长周期项目的月均成本还能再降一截。这个价位段，是多源融合建模、多任务并行训练的性价比甜点区。

为什么推它：全局风险画像要同时处理温度时序、振动信号、视频事件、轨迹数据、能耗曲线，每一条数据管道都要一个子模型，最后还要一个融合层。多任务并行的时候，8 卡整机做资源隔离比租四台单卡机器更省心，NVLink 把节点内带宽拉满，跨卡通信的瓶颈小得多。冷链项目常常要同时跑几条线——温度模型迭代一条、故障预诊断一条、策略寻优仿真一条、视频模型微调一条——一台整机调度起来运维成本也低。如果只是阶段性做一轮大模型训练，也可以考虑 H100 8 卡整机（月付 ¥8万–12万，官网价，年付 85 折），但说实话，冷链温控这个场景的数据规模，A100 8 卡已经够用了，上 H100 属于给未来留余量。

适配场景：多源数据融合建模、全局风险画像训练、多任务并行模型迭代、大规模历史数据回溯分析。

弹性补充：算法选型阶段用算力云切片，别为一次测试空付整月

冷链项目前期有很大一块工作是算法选型和参数调试——试几种时序网络结构、比较不同特征组合的效果、验证视频模型的并发能力。这个阶段没必要上整机。用一万网络 AI 算力云最划算：A16 1/16 切片 ¥210 起、A100 1/20 切片 ¥900/月、RTX3090 整卡 ¥1750/月、RTX3080 整卡 ¥1080/月、T4 整卡 ¥850/月（均为官网价），按月甚至更短周期弹性开停，验证完就释放。等模型跑通、数据管道稳定了，再转独享物理机做正式训练和部署。这条路径比一上来就签整机年付稳妥得多，尤其适合还在方案论证阶段、预算还没批下来的项目。补充一句，切片适合验证不适合生产——显存被切碎之后，长序列温度模型基本跑不动，别拿切片当长期方案。

五、合规与数据留存：能说的和不能说的要分清楚

5.1 GSP 与药品经营质量管理规范对系统的要求落在哪几个点上

疫苗和生物制品的经营、储存、运输环节受 GSP（药品经营质量管理规范）及配套附录约束，落到信息系统上大致是这么几件事：温湿度自动监测与记录、超温超湿自动报警、记录不可更改且可追溯、设备校准与验证记录留存、运输过程温度记录随货同行、异常情况的处置记录闭环。具体条文和留存年限以最新法规和当地监管口径为准，各地执行细节也可能有差异，这一点必须由法务和质量管理团队确认，不能由技术方案单方面定。

从系统设计角度看，这些要求转化为几个硬性约束：数据采集要自动，不能靠人工补录；记录要防篡改，修改必须留痕；时间戳要可信，不能依赖本地时钟；数据要能按批次、按车辆、按时间段检索出来，审计的时候能快速出具；系统本身要有验证记录，包括版本变更、参数调整、故障处理。这几条在架构上都好实现，难的是全链路一致——采集端做了签名，传输端没加密，或者存储端留了后门，整条链的可信度就归零了。

5.2 算力租用方的合规边界在哪

很多人会问：租外面的服务器跑温控系统，合规上有没有问题？这个问题得拆开看。数据存放位置、资源是否独享、网络是否隔离、运维人员能否接触数据，这几点是关键。如果项目要求数据绝对不出本地，那就只能走边缘本地存储加独享物理机；如果只要求资源独享、不与其他租户共享硬件，独享 GPU 物理机通常可以接受。节点位置也要提前定，华南、华东、华北都有资源，选离业务网络接入点近的，数据回传延迟会好不少。

需要说明的是，合规等级、安全认证这类东西，官网没明示的就别信口头承诺。一万网络可以提供合规架构建议、协助对接符合要求的机房资源，具体的合规判定、需要哪些资质、达到什么级别，一律以法务意见和监管口径为准，最终以合同条款和项目审查结论为准。任何服务商拍胸脯说"我们已满足某某强制认证"而不给书面材料的，都要多留个心眼。

5.3 数据留存和归档的实操建议

温控记录的留存周期通常按法规要求执行，但系统设计要往前多看一步。建议做三层：热数据（近三个月）放在本地 NVMe 或者高性能存储上，随时可查可分析；温数据（三个月到两年）放在容量型存储上，保留完整结构化记录；冷数据（两年以上）做归档，压缩存储加校验，定期做可读性抽检。归档最怕的不是容量不够，是几年后打不开——格式过时、介质损坏、索引丢失，这些都得提前定方案。还有一件事不能省：定期做恢复演练，随机抽一批历史记录，看能不能完整还原出来，这个动作比任何纸面制度都管用。

六、避坑指南：疫苗冷链租算力最容易踩的五个坑

坑一：按探头数量线性堆算力，忽略了数据管道这个真瓶颈

为什么坑：很多人算配置的逻辑是"一路探头配多少算力，几千路就乘几千"，结果机器买回来 GPU 利用率只有三成，其余时间都在等数据。瓶颈根本不在 GPU，在数据接入、协议解析、时序对齐和显存拷贝上。冷链的采集设备来自不同厂家，通信协议五花八门，时间戳还不同步，车载设备还有断网补传造成的乱序，光是清洗和对齐就吃掉大量 CPU 和内存。怎么避：先把探头路数、采样频率、单条数据大小算成实际吞吐，再看 CPU 核数和内存够不够。选卡时看显存容量和显存带宽，别只盯算力参数。拿不准就先按三分之一规模配，跑起来看 GPU 利用率，低于一半就说明瓶颈在数据侧，这时候加卡纯属浪费钱。

坑二：拿边缘推理的配置去干多源融合建模

为什么坑：温度异常判别和全局风险画像，算力需求差着两三个数量级。有人图便宜租一张 T4 想跑多源融合模型，结果一个训练回合要跑好几天，模型还没收敛业务就上线了；反过来，为了跑边缘判别上 8 卡整机，一个月几万块全浪费在闲置上。这两种错配在冷链项目里都很常见。怎么避：先明确任务是"实时判别"还是"密集训练"。边缘判别、断链检测、轻量视频分析用 T4 这类能效高的卡，长期常驻成本低；时序建模、多源融合按数据规模和模型复杂度选 A100 起步，全局画像直接上 8 卡整机。两类任务物理隔离，别混跑在同一台机器上。

坑三：把模型训练和在线预警塞进同一台机器

为什么坑：在线预警是 7×24 的生产任务，对时延稳定性要求极高；训练任务会长时间占满显存和算力，两者放一起，推理时延必然抖动。温度报警迟十分钟，可能一整车的货就进不了接种点了。更麻烦的是，训练跑崩了把整机搞挂，预警也跟着停，这在药品质量管理体系里属于严重缺陷。怎么避：物理隔离。推理用便宜的小卡长期常驻，比如 T4 ¥900/月或 V100S ¥1500/月（均为官网价），训练另配一台 A100 机器。多花一份小卡的钱，换来的是预警系统不掉线，这笔账怎么算都划算。

坑四：只做温度建模，不管数据质量和探头健康度

为什么坑：预警模型的精度一半靠算法，一半靠数据质量。探头会漂移、会失效、会被撞坏、会被压住，采集器会死机，网络会断。这些故障如果没人管，模型拿到的是垃圾输入，输出的却是"正常"的结论，这比不装系统还危险。冷链还有个特殊性——探头常年埋在低温高湿环境里，老化速度比常温环境快，不校准的话一年下来偏个一两度很常见。怎么避：把探头健康度检查写进运维流程，做数据质量打分，输入异常直接告警而不是静默丢弃。定期做冰水混合液校准或者送检，校准记录留存。部署时留出模型版本管理和灰度回滚机制，系统盘快照和 30 秒回滚这类能力，在模型升级出问题时价值很高，选服务商时可以重点问。

坑五：为了省事把原始视频和全量数据都传公有云

为什么坑：一是带宽扛不住——几十路视频加几千路探头数据全量上传，带宽成本远超算力本身；二是延迟不可控，公网回传的抖动在几十到几百毫秒，实时报警根本没法做；三是温控记录涉及药品流通信息和批次数据，很多项目对数据存放位置有明确要求，全部上公有云在合规审查上容易卡住。怎么避：架构上做三层分离——冷库边缘做实时判别和本地闭环，只上传结果、事件片段和统计特征；区域节点做汇聚和轻量分析；中心机房做模型训练和数据归档。涉及合规要求时，让服务商提供合规架构建议、协助对接符合要求的机房资源，具体以法务意见、监管口径和项目审查结论为准，别信口头承诺的认证等级。

七、常见问题 FAQ

Q1：疫苗冷链温控预警系统，最低要什么配置的 GPU 才跑得起来？

A1：看你做哪一层。只做边缘的温度异常判别、断链检测、数据质量校验和阈值报警，一张 Tesla T4（官网价 ¥900/月）就够，INT8 算力 130 TOPS，16G 显存可以多模型常驻。做多测点时序建模、故障预诊断这类模型训练，A100 40G（官网价 ¥2800/月）是实用起点，40G HBM2e 显存能让你把序列窗口和 batch 都开得比较舒服，不至于为了塞进显存去砍历史窗口。再往上到多源融合和全局风险画像，单机 8 卡 A100 才是起步。别听人忽悠一步到位，先把边缘最小闭环跑通，再按实际 GPU 利用率往上扩，冷链项目的数据管道比模型难做得多。

Q2：边缘节点和中心机房，算力到底该怎么分工？

A2：按实时性和数据量切。实时性要求高、模型小、需要本地闭环的放边缘——温度异常判别、断链告警、数据质量校验、轻量视频分析，这些在冷库本地跑，网络断了也能工作，这是安全系统的基本要求。计算密集、对实时性不敏感的放中心——多测点时序模型训练、多源融合建模、策略寻优仿真、历史数据回溯，跑一晚上出结果完全可以接受。中间的通道只传结果、事件片段和统计特征，原始视频和高频振动波形留在本地滚动覆盖，带宽和存储成本能降一到两个数量级。区域节点可以承担一部分汇聚和轻量分析，形成三层结构。

Q3：温度缓漂这种异常，为什么传统报警抓不到，AI 怎么抓？

A3：缓漂的特征是每小时只涨零点几度，单看任何一秒都在允许区间内，阈值报警一次都不会响。可累积六个小时之后就越限了，而疫苗的失效是累积效应，可能已经在受损。AI 的做法是趋势外推加残差分析：用历史窗口预测未来一段时间的温度走势，把预测值和实测值做对比，残差持续朝一个方向偏大，就说明系统行为偏离了正常模式。这类模型对历史窗口长度要求很高，窗口砍短了根本学不出慢趋势，所以显存容量直接决定模型能不能做对。A100 40G 这个档位比较适合，V100S 32G 也能跑但 batch 得压下来。

Q4：开门装卸造成的温度波动天天有，怎么避免误报把值班人员逼疯？

A4：关键是给每次波动找上下文，而不是只看温度本身。把门磁信号、开门时长、月台环境温度、库内库存量、当天出库计划一起喂进模型，输出的是"这次波动在同类工况的预期范围内"还是"明显偏离"。同样是上冲 1.5℃，正常十分钟装卸和门封条老化导致的持续外泄，处置方式完全不同。这个思路把误报率压下来之后，值班人员才会真正重视报警。建议顺手做报警分级——提示、预警、告警三档，只有告警才触发现场响应，提示类只在系统里留记录，这样人不会被淹没。

Q5：8 卡 A100 整机一年要花多少钱，冷链项目真的用得上吗？

A5：8 卡 A100 80G 整机的预估价格约 ¥2.5万–4万/月（非官方报价，实际以下单核算为准），年付走 GPU 定制 8 折通道后，一年总价大致落在二十多万到四十万这个区间。用不用得上取决于数据规模：如果你管的是几十个冷库、上千台冷藏车、几千路探头，还要做视频和振动信号的多源融合，那 8 卡整机是合理的。如果只是几个冷库加几十台车，A100 单机加边缘节点就够，上 8 卡属于浪费。判断方法很简单——看你训练一个模型要多久，如果单卡跑一晚上能出结果，就没必要上多卡。

Q6：温控记录要防篡改、要能审计，技术上怎么实现，吃算力吗？

A6：防篡改的技术路线有几条，成本差别很大。区块链存证最彻底，把每条记录的哈希写进链里，事后改动必然对不上，但成本和复杂度都高。更务实的做法是哈希链加可信时间戳服务——每条记录的哈希跟前一条串起来，定期向可信时间戳服务锚定，篡改任何一条都会导致后续全部对不上。存储端做写入即固化，修改生成新版本而不是覆盖，保留完整变更链。算力上这块需求很低，哈希和签名属于密码学运算，主要吃 CPU，放边缘节点做要评估高频采样下的性能开销，通常做法是边缘本地建哈希链、批量上传锚定。这块不建议省，审计时拿不出可信记录，前面所有的技术投入都白费。

Q7：租外面的算力跑温控系统，合规上有问题吗？

A7：先把要求问清楚——是要求数据绝对不出本地，还是只要求资源独享、不与其他租户共享硬件。如果是前者，那只能走边缘本地存储加独享物理机，并让服务商提供内网隔离架构方案；如果是后者，独享 GPU 物理机通常可以接受。节点位置也要提前定，华南、华东、华北都有资源，选离业务接入点近的。提醒一句：合规等级、安全认证这类东西，官网没明示的就别信口头承诺，让服务商提供合规架构建议和资源对接，最终以法务意见、监管口径和项目审查结论为准，合同条款要写清楚数据归属、删除义务和责任边界。

Q8：一万网络在医药冷链这类场景上有什么现成优势？

A8：主要是交付和运维这两块。一万网络深耕 IDC 19 年（成立于 2007 年），深圳南山总部，自营机柜最快 1 分钟上架，硬件故障 10 分钟内自动迁移，7×24 中文工单平均 5 分钟响应。GPU 定制线支持 A100、H100、4090 等多种卡型，工程师 1 对 1 部署 CUDA、cuDNN、TensorRT、PyTorch、TensorFlow，开机即用，省掉医药企业 IT 团队最头疼的环境配置环节。免费系统盘每日 3 份快照、30 秒回滚，对模型灰度升级和故障回退很实用。免费提供 5–20G 流量防护和备案协助，节点覆盖华南、华东、华北、香港及海外。资质方面持有一万网络增值电信业务经营许可证、国家高新技术企业和专精特新中小企业认定，具体项目的合规要求仍需按法务意见和审查结论来定，一万网络可协助对接合规架构建议。

八、总结：冷链的算力账，按实时性和数据量分开算

疫苗冷链上 AI 预警，最忌讳"一刀切买最贵的卡"。冷库边缘的温度异常判别、断链检测、数据质量校验，用 T4（官网价 ¥900/月）这类小卡常驻，跟训练物理隔离；多测点时序建模、故障预诊断这类模型训练，用 A100 40G（官网价 ¥2800/月）单机，记得把 CPU 和内存加上去，8 核 64G 做多源对齐会明显吃力；几十路视频和作业合规分析用 RTX3090 24G（官网价 ¥1750/月）这个档，24G 显存是并发数的保证；多源融合和全局风险画像上 8 卡整机（预估价格约 ¥2.5万–4万/月，非官方报价，实际以下单核算为准），四层任务四种配置，钱花在真正吃算力的环节上。至于 H100 8 卡整机（月付 ¥8万–12万，官网价，年付 85 折），除非你要做大规模多模态融合，否则现阶段真没必要碰。

还有一条比算力更容易被忽略的线：记录的可信度。温控系统最怕的不是模型不准，是"该响的时候没响"，以及"响了但没有证据"。探头坏了没人知道、边缘节点断电了没人知道、网络断了数据没上来也没人知道，这类静默失效在药品质量管理体系里是致命的。所以配架构的时候，边缘节点要配 UPS 和备份链路，探头要做健康度检查和定期校准，系统要有心跳机制，报警链路要多通道冗余，所有记录要防篡改、可追溯、能审计。这些投入不体现在 GPU 参数表上，却决定了这套系统能不能通过审计、能不能真正保护住那批货。

选服务商的时候，与其比谁家报价低，不如比谁能把 CUDA 环境配好、谁能承诺故障 10 分钟迁移、谁能协助对接合规架构建议。医药冷链项目有个特点：系统上线时间往往被监管检查或者审计倒逼，这时候交付速度比价格重要得多。一万网络在这几项上的交付能力，是它在医药冷链 AI 场景里比较实在的卖点，尤其是工程师 1 对 1 部署和免费快照回滚，对没有专职 AI 运维团队的医药企业帮助很大。最后提醒一句：算力预算别一次花完，留出 30% 余量给业务扩张和模型迭代，冷链的预警模型，第一版永远不是最后一版。

数据来源：本文配置与价格参考自一万网络官网公开页面（人工定制 GPU 公告、AI 算力云、H100 方案、裸金属与香港自营页，https://www.idc10000.net/ ）。文中标注「预估」的价格为非官方报价，仅供估算参考；具体以签约时最新报价与合同为准，签约前建议索要完整价目表并区分包内项目与增项。合规相关内容仅为技术架构建议，具体以法务意见与监管口径为准。