8月下旬，开学季和秋招备考撞在一起，又是一年装环境高峰期。如果你刚入手一张 RTX 50 系显卡，准备新学期学 CUDA 或者入门深度学习，正卡在 `torch.cuda.is_available()` 返回 False，或者被一串英文报错糊在脸上——先别急着重装系统，这篇可能帮你省掉一整个周末。
先看今年流传最广的那条报错，小红书上好几个帖子原样贴出来过。小红书
NVIDIA GeForce RTX 5060 with CUDA capability sm_120 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_50 sm_60 sm_61 sm_70 sm_75 sm_80 sm_86 sm_90.
有帖子一百多收藏，还有一篇《PyTorch和RTX5070没兼容》下面 25 条评论集体会诊，楼主最后自己也认了，结论特别朴素：一开始的 cuda 和 torch 版本都没下载对。小红书
注意，这不是你的显卡有问题，也不是你装得不对，是你照做的那份教程有问题。
根因一句话：50 系是 Blackwell 架构，计算能力 sm_120，PyTorch 预编译包要认识它，至少得是 CUDA 12.8 打底的那批。而网上相当一部分教程——包括不少播放量很高的视频——命令还停在 CUDA 11.8/12.1 时代，照抄下来的 cu118/cu121 预编译包，最高只编译到 sm_90。旧包认不出新卡，报错就来了。小红书所以准确的说法是：50 系不是和 CUDA 不兼容，是和"老教程"不兼容。
接下来澄清一个全网问得最多、也最容易被绕晕的问题——三个永远对不上的"CUDA 版本号"。`nvidia-smi` 右上角那个，是驱动支持的最高 CUDA 版本，不代表你机器上装了什么；`nvcc -V` 那个，是你主动安装的 CUDA Toolkit 版本（很多人根本没装，也不需要装）；Python 里 `torch.version.cuda` 那个，是这个 PyTorch wheel 编译时自带的 CUDA Runtime 版本。三个数经常不一样，而且不一样才是正常的。值得买社区驱动是天花板，天花板够高，旧方言也能说；wheel 自带的 Runtime 只要不超过驱动上限就能跑。今年 5 月有位博主实测：驱动只支持 CUDA 12.7，PyTorch 用 cu128 的 wheel，照样跑通。微信看到三个版本号对不上不用慌，更不用强迫症发作想把它们"统一"。今年 4 月抖音上一条讲"nvidia-smi、nvcc -V、torch.version.cuda 显示版本不一样"的视频，一千多赞、一千多收藏——被这个问题折磨的人，远比你想象的多。抖音
然后说正事：你到底该装什么。分三种情况对号入座。
情况一：跑 PyTorch、跑模型、跟课程（绝大多数人）。 答案有点反直觉——不用装 CUDA Toolkit。PyTorch 官方 wheel 自带推理训练需要的 CUDA Runtime，cudart、cuBLAS、cuDNN 都在里面。微信你要做的只有一件事：装带 cu128 后缀的 wheel。今年 5 月的实测显示，PyTorch 版本号已经走到 2.11，稳定版 wheel 仍以 cu128 为主，这也是目前社区公认的稳妥选择。
这个环节有两个高频坑。用 uv 装的话，参数要用 `–extra-index-url`，写成 `–index-url` 可能给你装成 CPU 版；用国内源的，去找阿里云专门的 pytorch-wheels 镜像，别在 pypi/simple 里碰运气。更扎心的是，有博主 5 月实测，豆包和 GPT 给出的安装命令都是错的，装出来是 100 多 MB 的 CPU 版。微信AI 时代，版本号这种事还是得自己核对。
装完一行命令验证：`python -c “import torch; print(torch.version, torch.cuda.is_available())”`，版本带 `+cu128`、输出 True，收工。
情况二：真的要写 CUDA kernel（.cu 文件、nvcc 编译）。 这才是字面意义的"学 CUDA 编程"，需要装 Toolkit。版本二选一：12.8 是目前最稳的，和 PyTorch 稳定版 wheel 对版本最省心。微信13.x 新东西多（Blackwell 优化、Tile 编程模型），但 CUDA 13.0 这个月刚好发布满一年，生态还没完全跟上，至少到今年 5 月，PyTorch 稳定版 wheel 还没跟进 13.x，而且 CUDA 13 在 Windows 下不再捆绑驱动，得自己先装驱动。微信不是冲着新特性去的，新手别急着追。
情况三：要编 flash-attn、mamba-ssm 这类第三方算子。 50 系上最大的雷区。优先找现成的预编译轮子；实在要自己编译，记住 `TORCH_CUDA_ARCH_LIST=12.0`——注意，这个环境变量只对源码编译生效，对预编译包毫无作用，别设错地方白忙活。小红书
最后补一个顺手避坑，给打算"淘张便宜二手卡学 CUDA"的人：CUDA 13 已经把 Maxwell、Pascal、Volta 三代架构移出了离线编译支持。小红书GTX 750/900 系、GTX 10 系（包括一代神卡 1080 Ti）、Tesla P40/P100、V100、Titan V，全在名单里。驱动那边，R580 也是最后一个支持这三代架构的分支，今年的更新只剩安全补丁。IT之家已经囤了老卡的不用慌，锁定 CUDA 12.x 照样学；还没买的，2026 年学 CUDA 的门槛最低是 Turing（GTX 16 系/RTX 20 系），直接上 50 系反而最省心。
留两个继续观察的信号：一是 PyTorch 稳定版 wheel 什么时候跟进 cu13x，到时候版本选择会再变一次；二是 CUDA 13.x 的后续小版本和 PyTorch 官方 get-started 页，那才是版本的最终权威，教程里的版本号看看就好。
