WSL2 Ubuntu 22.04 安装 NVIDIA 驱动与 CUDA 完整指南

先说个真实体验：我最初在 WSL2 Ubuntu 22.04 里配 NVIDIA 环境时，也习惯性地打开终端敲 apt install nvidia-driver-535 ，结果要么提示找不到包，要么装完在 WSL2 里 nvidia-smi 照样报 command not found。后来查了一圈才明白，WSL2 的 GPU 访问机制和双系统、虚拟机完全不一样，你以为你在“给 Linux 装驱动”，其实 WSL2 根本不需要也不应该这么干。这篇文章我会从驱动版本选择开始，把 WSL2 Ubuntu 22.04 里 NVIDIA 驱动和 CUDA 的完整安装过程、底层逻辑、以及我踩过的那些坑全部讲一遍。

这篇东西适合谁看？只要你想在 Windows 上的 WSL2 里跑 PyTorch、TensorFlow、Isaac Sim、CUDA C/C++ 程序，或者给 IDEA、VS Code 配 WSL2 开发环境，都值得先花五分钟搞懂驱动和 CUDA 到底落在哪一层。搞懂之后你会发现，真正要手动安装的其实只有 CUDA Toolkit，驱动反而是最不需要操心的一环。

1. 先想明白 WSL2 里的 GPU 到底是谁在管

很多人上来就翻车，原因是把 WSL2 当成了一台普通 Linux 虚拟机。实际上 WSL2 的 GPU 访问是特例中的特例，理解这一点，后面所有操作都不会跑偏。

1.1 WSL2 的 GPU 机制和普通虚拟机有什么区别

普通的 VMware、VirtualBox 虚拟机里，GPU 默认是虚拟显卡，想在虚拟机里用 NVIDIA GPU，得在虚拟机系统里再装一遍 NVIDIA 驱动，也就是“虚拟化层之上做 PCIE 穿透”。但 WSL2 不是走这条路的，它用的是一套叫做 GPU Paravirtualization 的机制，简单理解就是 Windows 上的 NVIDIA 驱动统一管理显卡，然后通过 /usr/lib/wsl/lib/ 这个目录把 GPU 计算能力“映射”给 WSL2 内的 Linux 系统。

这意味着你在 WSL2 里执行 nvidia-smi 时，实际上调用的是 Windows 侧驱动的动态库，而不是 Linux 侧自己装的驱动模块。所以三个关键结论：

• WSL2 内不需要安装 Linux 版 NVIDIA 驱动；
• Windows 侧驱动更新后，WSL2 里的 nvidia-smi 显示版本会跟着变；
• 你在网上搜到的“Ubuntu 22.04 安装 nvidia 显卡驱动”教程，大多针对双系统或纯 Linux 环境，照搬到 WSL2 里是错的。

1.2 驱动、CUDA Driver、CUDA Toolkit 三者别搞混

我见过最典型的误解是把 CUDA 当成一个“安装包”，装完以为万事大吉。实际上 CUDA 体系是分层的，搞清楚这三层的关系，很多报错你会自己判断：

• NVIDIA Driver（显卡驱动）：最底层，负责管理硬件，包含一组 CUDA Driver；
• CUDA Driver：驱动里自带的用户态运行时， nvidia-smi 里的 CUDA Version 指的就是它支持的 CUDA API 最高版本；
• CUDA Toolkit：开发工具包，包含 nvcc 编译器、CUDA 数学库（cuBLAS、cuFFT）、头文件、以及 sample 源码，这才是我们需要在 Linux 里手动装的东西。

用生活类比就是：显卡驱动是“操作系统”，CUDA Driver 是“系统 API”，CUDA Toolkit 是“软件开发 SDK”。你在 WSL2 里做开发，需要的是 SDK，而不是重新装操作系统。所以后面我们的任务很简单：确认 Windows 驱动足够新，然后在 Ubuntu 22.04 里正确安装 CUDA Toolkit。

2. 动手前先把驱动和 CUDA 版本定下来

版本选择是所有坑里最隐蔽的一个，选错了要么 nvcc 编译不通过，要么 PyTorch 检测不到 GPU，但驱动本身没任何报错，排查起来特别耗时间。我建议按下面的顺序做决策。

2.1 先检查 Windows 侧驱动版本

在 Windows 的 PowerShell 或 CMD 里执行：

nvidia-smi

看输出顶部两行：

• Driver Version：比如 550.54.15；
• CUDA Version：比如 12.4。

这个 CUDA Version 表示当前驱动支持的最高 CUDA 运行时版本。比如它显示 12.4，那你装 CUDA 12.4 或更低版本（12.1、12.0）都完全没问题；如果显示 11.7，就别强行装 CUDA 12.x 的 Toolkit，因为驱动侧不兼容。

很多人问“4060 Ti 支持哪个 CUDA 版本”，其实显卡本身没有“支持 CUDA 12 还是 11”的说法，决定权在驱动。RTX 40 系列是 Ada Lovelace 架构，计算能力 8.9，至少需要 CUDA 11.8 以上才能完全发挥，我建议直接从 CUDA 12.x 起步。如果当前驱动太旧，建议从 NVIDIA 官网下载 Game Ready 或 Studio 驱动更新到 525 以上，实测 535、550、560 系列在 WSL2 里都很稳定。

2.2 根据实际需求倒推 CUDA 版本

这个思路很关键，不要为了“用最新版”而用最新版，要让工具链决定版本：

• 跑 PyTorch：PyTorch 对 CUDA 12.1 支持非常成熟，官方安装命令直接可用，建议优先 12.1；
• 跑 TensorFlow：TensorFlow 2.15 之后对 CUDA 12.x 支持良好，12.1 或 12.3 均可；
• 跑 Isaac Sim / Omniverse：官方对 CUDA 12.1 有明确要求，需要搭配特定版本驱动；
• 自己写 CUDA C/C++ 程序：没有第三方依赖，装 CUDA 12.4 或 12.6 随便选，越新特性越多；
• 老项目维护：如果项目是在 CUDA 11.7 上做的，那就乖乖装 11.7，升级 CUDA 可能导致 cuDNN、OpenCV 等第三方库全部重编。

我自己的方案是安装 CUDA 12.1，既能满足 PyTorch 官方预编译包的依赖，也能跑大部分 Isaac Sim 需求。如果以后需要别的版本，多版本共存也没有问题，后面我会讲切换方法。

2.3 驱动和 CUDA 的兼容关系速查表

这里给一个常用对照，主流的 Windows 驱动版本和可安装 CUDA Toolkit 版本关系大致如下，注意“更高版本驱动可以向下兼容安装更低版本 Toolkit，但反之不行”：

Windows NVIDIA 驱动	最大支持的 CUDA Toolkit	适用场景
525.xx 系列	CUDA 12.0	WSL2 可用，偏旧
535.xx 系列	CUDA 12.2	比较稳定，跑 12.1 没问题
545.xx 系列	CUDA 12.3	中规中矩
550.xx 系列	CUDA 12.4