报错是这么冒出来的。SSH 登录服务器执行 nvidia-smi，返回 NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver，之前一直正常。
中间走过弯路，把「显卡被虚拟机透传后宿主层看不到」当成主因，改完现象没变。
排查方向其实有限，先把可能性排一排。内核升级后驱动模块没有重新编译。也可能是驱动进程崩溃或被卸载。
不容易想到的是，系统刚做过内核热更新，模块版本不匹配。
第一件事是确认内核模块是否加载
lsmod | grep nvidia尝试重新加载驱动模块
modprobe nvidia随后查看驱动与内核版本是否匹配
uname -r; cat /proc/driver/nvidia/version剩下的就是重装对应内核版本的驱动后重启
apt install --reinstall nvidia-driver-535怎么算真的好了，看的是同一批现象。nvidia-smi 能正常输出显卡表格，驱动版本与内核匹配，CUDA 程序可以正常申请显存。
这里还有个坑。云主机上出现这个报错也可能是宿主机侧的问题，重启实例无效就要提工单，别在系统里反复重装驱动。同一份配置在测试环境跑通，不代表线上没事，两边的默认值经常不一样。