nvidia-smi报错首要排查硬件是否存在，用lspci | grep -e "(vga|3d|display)"确认显卡被系统识别；若无输出则为物理连接或bios问题；若有输出再检查内核模块是否加载，以cat /proc/driver/nvidia/version为准，而非nvidia-smi缓存版本。
驱动没装好，nvidia-smi 就会报错；驱动装了但版本不对，CUDA 可能直接罢工。别信图形界面里“已安装驱动”的提示，得用终端命令交叉验证。
查 GPU 硬件是否存在，用 lspci 而不是 nvidia-smi
这是第一步，也是唯一不依赖驱动的可靠手段。只要显卡插在主板上、供电正常，lspci 就能扫出来。
-
lspci | grep -i vga是最简写法，但容易漏掉 AMD 的 “3D controller” 或 Intel 的 “Display controller” - 更稳妥的是：
lspci | grep -E "(VGA|3D|Display)"，大小写不敏感，覆盖全类型 - 输出类似
01:00.0 VGA compatible controller: NVIDIA Corporation GA102 [GeForce RTX 3090]，其中GA102是芯片代号，RTX 3090是对应型号，需查 NVIDIA 官方文档映射 - 如果这条命令完全没输出，说明物理连接、PCIe 插槽或 BIOS 设置（如禁用独显）有问题，不用往下查驱动
确认 NVIDIA 驱动是否真正加载，看 /proc/driver/nvidia/version
nvidia-smi 显示的 “Driver Version” 只是它自己缓存的接口版本，可能滞后、错位甚至伪造。真正代表内核模块已就位的，只有这个文件。
Jarvis - Chief of AI Staff on NVIDIA GB10
下载
在OpenClaw上部署你的首席AI助理贾维斯（JARVIS）。针对Dell Pro Max GB10（NVIDIA DGX Spark）边缘设备优化。用于设置和配置贾维斯。
- 运行：
cat /proc/driver/nvidia/version，成功时输出形如：NVRM version: NVIDIA UNIX x86_64 Kernel Module 535.129.03 ... - 如果报错
No such file or directory，说明nvidia内核模块根本没加载，lsmod | grep nvidia也会为空 - 此时
nvidia-smi报错NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver就是必然结果，不是权限或路径问题 - 常见干扰项：
modinfo nvidia只查模块文件是否存在，不反映是否已加载；dmesg | grep nvidia可看加载失败原因（比如 Secure Boot 拒绝签名）
安装 NVIDIA 驱动时，优先走系统包管理器而非 .run 包
手动运行 .run 文件看似“最可控”，实则最容易破坏系统图形栈，尤其在桌面环境。除非你明确需要匹配特定 CUDA 版本，或发行版仓库确实没有对应驱动包，否则别碰它。
- Ubuntu/Debian 系：先跑
ubuntu-drivers devices，它会推荐一个标有[recommended]的版本（如nvidia-driver-535），然后sudo apt install nvidia-driver-535 - Arch 系：
sudo pacman -S nvidia nvidia-utils，自动选匹配内核的版本 - CentOS/RHEL/Tencent Linux：用
dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/.../cuda.repo加官方源再装 - 手动 .run 安装必须禁用
nouveau、关图形界面（sudo systemctl stop gdm3或lightdm）、进 TTY（Ctrl+Alt+F2），且安装后要sudo update-initramfs -u（Debian/Ubuntu）或sudo dracut --force（RHEL系）重生成 initramfs，否则重启必黑屏
nvidia-smi 只能监控，不能诊断驱动兼容性
它能告诉你 GPU 温度、显存占用、进程列表，但无法告诉你为什么训练卡在 cudaMalloc 或 PyTorch 报 CUDA error: no kernel image is available。
-
nvidia-smi -L输出设备列表，确认逻辑编号（GPU 0、GPU 1）与物理槽位对应关系 -
nvidia-smi --query-gpu=name,compute_cap,driver_version --format=csv可一次性看计算能力（如 8.6）和驱动版本，这两者必须匹配 CUDA Toolkit 要求 - 如果
nvidia-smi能运行但程序报 CUDA 错误，大概率是驱动版本太低（如 470 驱动不支持 CUDA 12.4）、或系统中混装了多个驱动版本（dpkg -l | grep nvidia查残留包） - 服务器无桌面场景下，
nvidia-smi仍可工作，但需确保nvidia-persistenced服务已启用（sudo systemctl enable nvidia-persistenced），否则长时间空闲后模块可能被卸载
最常被跳过的一步：装完驱动后没验证 glxinfo | grep "OpenGL renderer" 是否显示 NVIDIA 字样。它不保证训练可用，但能快速暴露 X server 是否真正接管了 GPU 渲染——连这一步都失败，后续所有 CUDA 应用都只是在硬扛。
