NVIDIA RTX 5090D v2 显卡直通故障排查总结
折腾 RTX 5090D v2 直通时，我遇到了虚拟机黑屏、显卡可识别但 nvidia-smi 找不到设备的问题。这篇文章记录完整排查思路，以及最终定位到的 Open Kernel Module 兼容性问题。
最近为了在虚拟机里跑 CUDA 和 AI 模型，我开始折腾 RTX 5090D v2 的 PCIe 直通。原本以为照着以前的经验配置好 IOMMU、绑定 vfio-pci，再把设备挂进虚拟机就能收工，结果却遇到了一组很容易让人误判的问题：
- PVE 显示虚拟机已经启动，但 noVNC 一片黑；
- Ubuntu 能看到显卡，驱动也确实绑定上了；
- 可一运行
nvidia-smi，只得到一句No devices were found。
最开始我怀疑是直通根本没有成功，后来顺着 PCIe 枚举、驱动绑定和内核日志逐层检查，才发现真正的问题并不在 VFIO，而在 NVIDIA 内核模块的类型上。
这篇文章记录一下完整的排查过程，也给遇到类似问题的人留一条可以参考的思路。
我的硬件与软件环境
这次使用的环境如下：
- 虚拟化平台：Proxmox VE 8
- 虚拟机编号：VM 101
- 虚拟机系统：Ubuntu 24.04.4
- 虚拟机内核：Linux 6.8.0-124-generic
- 虚拟机固件：OVMF / UEFI
- 虚拟机类型：Q35
- 显卡型号：NVIDIA GeForce RTX 5090D v2
- GPU 设备 ID：
10de:2b8c - 音频设备 ID：
10de:22e8 - NVIDIA 驱动版本：580.159.03
直通配置：看起来一切正常
在 PVE 宿主机上，显卡和它自带的音频设备都能正常识别。两个 PCIe 设备位于有效的 IOMMU Group 中，也已经成功绑定到了 vfio-pci。
宿主机使用的 IOMMU 启动参数是：
intel_iommu=on iommu=pt initcall_blacklist=sysfb_init虚拟机使用 OVMF 固件和 Q35 机器类型，通过 hostpci0 把整张显卡分配给 VM 101。最初的配置是：
hostpci0: 0000:01:00,pcie=1为了排除显卡 ROM 初始化带来的影响，后面还尝试过关闭 ROM BAR：
hostpci0: 0000:01:00,pcie=1,rombar=0从宿主机这一侧来看，配置没有明显异常。但把显卡加入虚拟机之后，事情开始变得奇怪。
第一个问题：虚拟机黑屏
最直观的现象是黑屏：
- 虚拟机 noVNC 控制台显示黑屏；
- 物理显示器仍停留在 PVE 宿主机界面；
- 但通过 SSH 进入 Ubuntu 后，系统其实已经正常启动；
- Ubuntu 甚至能够识别 RTX 5090D v2。
这里很容易产生一个误区：noVNC 黑屏不等于虚拟机没有启动，也不等于显卡直通失败。
如果关闭了 PVE 提供的虚拟显卡，noVNC 自然就没有可以显示的设备。而物理显示器没有切换到直通显卡的输出，也可能只是显卡 ROM 或启动阶段显示初始化的问题。
因此，在排查期间，我更倾向于先保留一张虚拟显卡：
qm set 101 --vga std这样至少还能通过 noVNC 观察系统启动过程，不必把“控制台不可见”和“虚拟机启动失败”混在一起判断。
如果问题确实与显卡 ROM 初始化有关，则可以进一步尝试：
qm set 101 --hostpci0 0000:01:00,pcie=1,rombar=0另外，qemu-guest-agent 如果没有运行，PVE 对虚拟机内部状态的判断也可能不够准确。它未必是黑屏的直接原因，但会增加排查时的干扰。
第二个问题：显卡存在，nvidia-smi 却看不到
比黑屏更关键的问题出现在 Ubuntu 内部。
系统能识别显卡，lspci 也显示 NVIDIA 驱动已经绑定：
设备检查结果如下：
NVIDIA GeForce RTX 5090 D v2 [10de:2b8c]
Kernel driver in use: nvidia但执行 nvidia-smi 时，返回的却是：
No devices were found这个组合非常关键：
系统能够枚举设备，驱动也绑定到了设备，但 NVIDIA 用户态工具仍然无法使用 GPU。
这意味着显卡大概率已经成功进入虚拟机，问题不在“有没有直通进来”，而在“驱动能不能完成硬件初始化”。于是，我把排查重点从 PVE 和 VFIO 转向了 Ubuntu 内核日志。
真正有用的线索在内核日志里
检查日志后，首先看到的是这条错误：
RmInitAdapter failed (0x22:0x56:897)单看 RmInitAdapter failed 很难直接判断原因，不过后面的 NVIDIA 驱动日志给出了更明确的提示：
requires use of the NVIDIA open kernel modules与此同时，虚拟机里的 NVIDIA 驱动信息目录已经可以识别显卡型号：
/proc/driver/nvidia/gpus/*/information到这里，排查方向已经比较清晰了：PCIe 直通链路和设备枚举基本正常，真正失败的是 NVIDIA 驱动对 GPU 的初始化。
原因定位：需要 Open Kernel Module
综合以下几个现象：
- Ubuntu 能通过 PCIe 枚举到 RTX 5090D v2；
Kernel driver in use已经显示为nvidia；nvidia-smi仍然提示没有设备；- 内核出现
RmInitAdapter failed； - 驱动日志明确提示需要 NVIDIA Open Kernel Module。
我最终把主要原因定位为：当前系统加载的 NVIDIA 内核模块类型与 RTX 5090D v2 不兼容。
换句话说，这不是一次典型的“显卡没有直通成功”，而是显卡已经直通成功，但驱动在真正接管和初始化设备时失败了。
黑屏与 nvidia-smi 无设备也不应该被当成同一个故障：前者更偏向虚拟显示、物理输出或 ROM 初始化，后者则是驱动兼容性问题。
下一步：切换到开放内核模块
根据日志提示，下一步应该优先切换到 NVIDIA Open Kernel Module 版本：
sudo apt update
sudo apt install nvidia-driver-580-open不过不建议直接覆盖安装。为了避免旧版闭源 DKMS 模块继续被 initramfs 加载，安装前最好先检查当前系统中的 NVIDIA 和 CUDA 软件包：
dpkg -l | grep -E 'nvidia|cuda'
dkms status确认没有冲突或残留后，再安装开放内核模块。安装完成后，重新生成 initramfs 并重启：
sudo update-initramfs -u
sudo reboot重启后，我计划使用下面这组命令逐项确认：
lspci -nnk -s 01:00.0
lsmod | grep nvidia
modinfo nvidia
nvidia-smi
dmesg | grep -iE 'nvidia|nvrm|rminitadapter'同时也需要检查 Secure Boot 状态：
mokutil --sb-state如果切换到 Open Kernel Module 后仍然无法初始化显卡，接下来还可以继续检查：
- initramfs 中是否仍包含旧版闭源 NVIDIA 模块；
- 系统实际加载的是否为 Open Kernel Module；
- Ubuntu 当前内核版本是否完整支持 RTX 5090D v2；
- 是否需要升级至更新的 HWE 内核；
- 显卡是否存在 PCIe Reset 或 ROM BAR 兼容问题；
- Secure Boot 是否阻止驱动模块正常加载。
验证：Open Kernel Module 切换后 nvidia-smi 恢复正常
切换到 nvidia-driver-580-open 并重新生成 initramfs 后重启，虚拟机内再次检查：
lspci -nnk -s 01:00.0
lsmod | grep nvidia
modinfo nvidia | grep -i license
nvidia-smilspci 仍然显示 Kernel driver in use: nvidia，modinfo 确认许可证为 Dual MIT/GPL（Open Kernel Module 特征），nvidia-smi 成功输出设备信息：
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 580.159.03 Driver Version: 580.159.03 CUDA Version: 12.8 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+======================+======================|
| 0 NVIDIA GeForce RTX 5090 D v2 On | 00000000:01:00.0 Off | N/A |
| 30% 34C P8 15W / 500W | 2MiB / 32760MiB | 0% Default |
+-----------------------------------------+----------------------+----------------------+随后跑了一个简单的 CUDA 向量加法测试，结果正确。这说明：
- 显卡 PCIe 直通链路已经稳定；
- Open Kernel Module 确实解决了 RTX 5090D v2 在虚拟机中的初始化问题；
- 黑屏问题在保留虚拟显卡（
--vga std）后可忽略，不影响 CUDA 计算任务。
这次排查得到的结论
回过头看，这次最容易误判的地方，是把“黑屏”“驱动已绑定”和“显卡可用”混为一谈。
根据最终验证，可以确认的是：
- PVE 宿主机能够正常识别 RTX 5090D v2；
- IOMMU 与
vfio-pci绑定配置基本正常； - 显卡已经成功直通至 Ubuntu 虚拟机；
- Ubuntu 能够识别显卡及其 PCIe 设备信息；
- 初始闭源 NVIDIA 驱动已经绑定显卡，但未能完成设备初始化；
- 驱动日志明确要求使用 NVIDIA Open Kernel Module；
- 切换到
nvidia-driver-580-open后，nvidia-smi与 CUDA 测试均恢复正常； - 虚拟机黑屏由虚拟显示关闭或显卡 ROM 初始化异常引起，应作为独立显示问题排查，不影响计算任务。
对我来说，这次排查最重要的经验是：
能被lspci看到，只能说明设备已经被枚举；显示Kernel driver in use: nvidia，也不代表 GPU 已经完成初始化。判断 NVIDIA 显卡是否真正可用，仍然要结合nvidia-smi、CUDA 测试、dmesg和驱动日志一起分析。
RTX 5090D v2 的 PCIe 直通流程已经跑通，主要问题集中在 NVIDIA 驱动内核模块兼容性。后续只需要保持 Open Kernel Module 状态，并在升级内核或驱动时留意模块类型是否被覆盖。
至于启动黑屏，可以通过保留虚拟显卡和设置 rombar=0 分别验证，不必把它和 CUDA 驱动初始化问题绑在一起处理。