你碰到 The NVIDIA driver on your system is too old 提示，并不是简单 nvcc 版本或者 PyTorch 源码编译版本不一致，核心是当前系统里装好的 NVIDIA 驱动版本，低于你安装的预编译 PyTorch 包要求的最低驱动版本，这里要分清三个容易搞混的东西：运行时 NVIDIA 驱动、PyTorch 编译时绑定的 CUDA 版本、nvcc 编译器版本，三者标准不一样，很多人会把 nvcc 和显卡驱动版本混为一谈，盲目升级 nvcc，问题依旧存在。先查看当前驱动版本、PyTorch 对应的 CUDA 版本，对照官方兼容表判断缺口，然后选择升级显卡驱动、换适配低驱动版本的 PyTorch 包，或者在容器环境运行，不要直接去改 nvcc 来解决这个运行时报错。
一、先理清三个概念（重点区分）
| 项目 | 作用 | 报错关联说明 |
|---|---|---|
| NVIDIA 驱动（nvidia-driver） | 显卡内核驱动，负责 GPU 硬件调度，是运行时底层依赖 | 这个就是报错提示检查的对象，驱动版本不够就直接弹出 too old |
| PyTorch 预编译包绑定的 CUDA 版本 | PyTorch 打包时使用的 CUDA Toolkit 版本，比如 cu121、cu118 | 决定最低驱动要求，不是本机 nvcc 版本 |
| nvcc（CUDA Toolkit 编译器） | 用来 C/C++ 写 CUDA 代码、自定义算子编译的编译器 | 只在你本地编译算子、编译 PyTorch 源码时才生效，PyTorch pip 预包运行阶段不依赖本机 nvcc |
一句话重点：跑 pip 安装的 PyTorch，不需要本机装 nvcc，只看 NVIDIA 驱动能不能满足该 cuXX 版本的最低驱动门槛。
二、快速查看环境信息命令清单
- 查看 NVIDIA 驱动版本
nvidia-smi
- 在 Python 里查看 PyTorch 识别的 CUDA 版本
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
- 查看本机 nvcc 版本（仅编译自定义算子才需要）
nvcc -V
三、3 套修复方案（按推荐顺序）
方案 1：更换适配现有驱动的 PyTorch 版本（优先推荐，不用动驱动）
对照 PyTorch 官方 CUDA - 驱动兼容表，选一个 cu 版本要求的最低驱动≤你当前驱动版本的 PyTorch 安装包。
例：驱动是 525，最高支持 CUDA11.7，就不能装 cu118、cu121 的 PyTorch，要选 cu117 版本。
方案 2：升级 NVIDIA 显卡驱动到满足 PyTorch cu 版本最低要求
适合服务器、物理机，升级前确认显卡硬件支持新版驱动，云服务器注意：部分云厂商 GPU 实例驱动需要在控制台重装，不能直接 apt 安装。
⚠️ 注意：升级驱动不需要同步升级 nvcc，除非你要编译 CUDA 算子。
方案 3：使用 nvidia-docker 容器，容器内自带 CUDA 环境
容器方案不会改动宿主机驱动，宿主机只需要满足容器内 CUDA 版本对应的最低驱动，容器内部自带 CUDA Toolkit、nvcc，适合多版本 CUDA 切换开发。
四、常见踩坑清单
- ❌ 本机 nvcc 版本很高，nvidia-smi 驱动很低，依然报这个错：nvcc 不控制运行时驱动检查
- ❌ 以为 nvidia-smi 里的 CUDA Version 就是本机 nvcc 版本：nvidia-smi 显示的 CUDA 是驱动支持的最高 CUDA，不是 nvcc
- ❌ 升级 nvcc 来解决 “driver too old”：完全无效，报错是运行时驱动校验，和编译器无关
- ❌ 混用 conda 装的 cudatoolkit 去替代显卡驱动：conda 里的 cudatoolkit 只是运行库，不能替代内核 NVIDIA 驱动
【相关 FAQ】
问题 1：出现 The NVIDIA driver on your system is too old，能不能升级 nvcc 来解决驱动版本不足的问题？
回答 1：不能，The NVIDIA driver on your system is too old 校验的是系统 NVIDIA 运行驱动，nvcc 只是 CUDA 编译器，只负责源码编译，不参与 PyTorch 加载 GPU 时的驱动版本校验，升级 nvcc 无法修复这个报错。
问题 2：PyTorch 构建时的 CUDA 版本、nvcc 版本、NVIDIA 驱动三者之间必须完全一样吗？
回答 2：不需要完全一致，PyTorch 预编译包只要求 NVIDIA 驱动达到该包绑定 CUDA 版本的最低驱动要求；nvcc 仅本地编译自定义算子时使用，只要 nvcc 版本和算子编译需求匹配即可，和 PyTorch 运行驱动校验分开。
问题 3：nvidia-smi 显示的 CUDA 版本，是不是就是 nvcc 版本？
回答 3：不是，nvidia-smi 展示的 CUDA 是当前 NVIDIA 驱动能够兼容支持的最高 CUDA 版本，nvcc 是独立安装的 CUDA Toolkit 编译器版本，二者可以不一样，也是很多人遇到 The NVIDIA driver on your system is too old 的混淆点。
问题 4：宿主机 NVIDIA 驱动版本偏低，不想升级驱动，怎么继续使用高版本 CUDA 构建的 PyTorch？
回答 4：宿主机驱动偏低不想升级，可以选择安装对应低 CUDA 标签构建的 PyTorch 包，或者使用 NVIDIA 容器，容器内的 CUDA 受宿主机驱动上限约束，只要宿主机驱动满足容器 CUDA 最低要求即可。
【参考资料】
[2026-11-09]（The NVIDIA driver on your system is too old：分清驱动支持版本、torch 构建和 nvcc）阿里云开发者社区
[2026-04-15]（CUDA Compatibility — CUDA Toolkit and GPU Driver support matrix）NVIDIA 官方文档
[2026-03-20]（PyTorch 不同 CUDA 版本与 NVIDIA 驱动兼容对照表）PyTorch 官网
[2025-10-07]（nvidia-smi CUDA version vs nvcc version 区别说明）NVIDIA Developer 论坛
【免责声明】
本文关于 The NVIDIA driver on your system is too old 报错、NVIDIA 驱动、PyTorch 构建版本、nvcc 的排查方案仅为技术参考；显卡驱动升级操作存在黑屏、GPU 无法识别风险，服务器环境建议先备份业务、停机维护；云 GPU 实例驱动受云服务商限制，部分环境不支持自行安装驱动；不同显卡架构、Linux 发行版、Windows 环境兼容规则存在差异，最终以 NVIDIA 官方和 PyTorch 官方兼容文档为准。