NVIDIA 4090显卡AI专属部署及驱动/CUDA升级后睡眠唤醒故障求助

我完全理解你想把RTX 4090专门用于AI计算、彻底脱离桌面显示的需求，折腾完CUDA升级后遇到睡眠唤醒失效、驱动加载失败的问题，真的太糟心了！先把你的情况和遇到的问题梳理清楚，再给你针对性的排查和解决方向：

你的核心需求与当前故障情况 #

核心目标 #

将RTX 4090仅用于AI计算任务，不承担任何图形输出或桌面显示工作，要求能稳定应对：

• 小版本NVIDIA驱动、CUDA工具包升级
• Ubuntu系统小版本更新
• 关机、睡眠、重启后的正常恢复

近期操作与故障过程 #

1. 通过命令sudo sh cuda_12.0.0_525.60.13_linux.run升级CUDA 12.0，附带升级NVIDIA驱动至525.60.13；
2. 首次升级失败，进入无桌面的单用户模式执行脚本后安装成功，但原本由Intel核显驱动的显示器音频失效；
3. 重启系统后音频恢复，可正常进行AI推理；
4. 关机睡眠次日开机，出现核心报错：

   NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
   系统内核版本为5.17.0-1019-oem #20-Ubuntu SMP PREEMPT；

5. 执行sudo modprobe -a nvidia尝试加载驱动时，出现错误：

   modprobe: ERROR: ../libkmod/libkmod-module.c:838 kmod_module_insert_module() could not find module by name='off'
   modprobe: ERROR: could not insert 'off': Unknown symbol in module, or unknown parameter (see dmesg)
   

6. lshw命令可识别到RTX 4090设备，但驱动无法正常加载。

针对性排查与修复建议 #

一、先解决当前驱动加载失败的紧急问题 #

1. 查看详细错误日志
   执行dmesg | grep -i nvidia，获取驱动加载失败的具体原因（比如内核模块版本不匹配、签名冲突、依赖缺失等），这是定位问题的关键。
2. 清理残留模块并重新加载
   • 先检查当前NVIDIA模块状态：lsmod | grep nvidia
   • 如果有残留但状态异常，先卸载所有相关模块（需关闭所有AI计算进程）：

     sudo rmmod nvidia_uvm nvidia_modeset nvidia_drm nvidia
     

   • 尝试直接加载主驱动模块（去掉可能导致解析错误的-a参数）：sudo modprobe nvidia
3. 重新生成内核模块依赖
   执行sudo update-initramfs -u，更新内核初始化镜像后重启系统，再尝试运行nvidia-smi验证。

二、实现4090纯AI计算、脱离桌面显示的稳定配置 #

要让显卡彻底专注于计算任务，核心是阻止NVIDIA驱动接管桌面显示，让Intel核显独占输出：

1. 禁用NVIDIA显示相关模块
   创建modprobe配置文件阻止nvidia_drm加载：

   sudo nano /etc/modprobe.d/nvidia-headless.conf
   

   写入以下内容：

   blacklist nvidia_drm
   options nvidia nvidia-drm=0
   

   保存后执行sudo update-initramfs -u生效。
2. 强制Xorg使用Intel核显
   创建Xorg配置文件指定桌面显示设备：

   sudo nano /etc/X11/xorg.conf
   

   写入内容（注意替换BusID为你Intel核显的实际ID，可通过lshw -c display查看）：

   Section "Device"
       Identifier "IntelGPU"
       Driver "intel"
       BusID "PCI:0:2:0"
   EndSection
   

   重启系统后，桌面将完全由Intel核显驱动，4090仅负责计算任务。
3. 升级CUDA的正确姿势
   后续升级CUDA时，建议避免安装脚本强制覆盖驱动或桌面组件：
   • 可单独下载驱动和CUDA工具包分开安装；
   • 若用CUDA安装脚本，添加参数跳过桌面相关组件：

     sudo sh cuda_xxx.run --no-opengl-libs --no-drm
     

三、解决睡眠/唤醒后的驱动失效问题 #

睡眠唤醒后驱动崩溃，通常是内核模块未正确重新加载，可通过systemd钩子解决：

1. 创建睡眠唤醒处理服务
   编辑服务文件：

   sudo nano /etc/systemd/system/nvidia-sleep.service
   

   写入以下内容：

   [Unit]
   Description=NVIDIA sleep/wake handler
   Before=sleep.target
   Before=suspend.target
   Before=hibernate.target
   Before=hybrid-sleep.target
   
   [Service]
   Type=oneshot
   RemainAfterExit=yes
   ExecStart=/usr/bin/sudo rmmod nvidia_uvm nvidia_modeset nvidia_drm nvidia
   ExecStop=/usr/bin/sudo modprobe nvidia nvidia_modeset nvidia_drm nvidia_uvm
   
   [Install]
   WantedBy=sleep.target
   WantedBy=suspend.target
   WantedBy=hibernate.target
   WantedBy=hybrid-sleep.target
   

2. 启用服务

   sudo systemctl enable nvidia-sleep.service
   

   这样系统睡眠前会自动卸载NVIDIA模块，唤醒时重新加载，避免冲突。
3. 尝试切换通用内核
   你的OEM内核可能存在兼容性问题，可尝试切换到Ubuntu官方的LTS通用内核（如5.15或5.19版本），通常稳定性更好。

备注：内容来源于stack exchange，提问作者Dan Wood