企业官网建设流程全解析

• 构建工具
• 开发工具
• CLI

导读

FindCUDAToolkit是 CMake 提供的一个 find 模块，用于定位 NVIDIA CUDA Toolkit 及其关联库（cudart、cuBLAS、cuFFT、NPP 等），并且不要求项目启用CUDA语言。这意味着你可以用纯 C/C++ 项目调用find_package(CUDAToolkit)，通过CUDA::cudart、CUDA::cublas等导入目标直接链接 GPU 库，而无须让 nvcc 参与整个项目的编译。读完本文你将掌握：该模块的完整搜索顺序与版本探测机制、全部导入目标及其引入的 CUDA 版本前提、结果变量的含义，以及结合源码与测试用例的最佳实践。

模块定位与设计动机

FindCUDAToolkit自CMake 3.17引入（Help/module/FindCUDAToolkit.rst首行即标注versionadded:: 3.17），其核心设计目标在模块文档中写得非常明确：

Finds the NVIDIA CUDA toolkit and the associated libraries, but does not require theCUDAlanguage be enabled for a given project.

也就是说，它把「查找 CUDA 安装」这件事从「编译 CUDA 源码」中解耦出来。典型场景包括：

• 项目主体用 C/C++ 编写，只需调用cudaMalloc/cudaFree等 Runtime API，用 nvcc 编译整个项目成本过高；
• 只想链接 cuBLAS、cuFFT、NPP 等库而本身不写.cu文件；
• 需要在使用enable_language(CUDA)之前先拿到 CUDA 的路径与版本信息。

注意两个边界：该模块不搜索 NVIDIA CUDA Samples（模块文档明确说明）；模块文档同时标注了QNX 支持自 3.19 起（versionadded:: 3.19）。

该模块的前身是历史悠久的FindCUDA.cmake，源码开头注释NOTE: much of this was simply extracted from FindCUDA.cmake.直接点明了继承关系——代码最初源自 NVIDIA 的 James Bigler 与犹他大学 SCI 研究所的 Abe Stephens 编写的 FindCuda 脚本（Modules/FindCUDAToolkit.cmake）。

基础用法与参数

基本语法

模块文档给出的调用形式为：

find_package(CUDAToolkit [<version>] [QUIET] [REQUIRED] [EXACT] [...])

最小可用写法：

find_package(CUDAToolkit REQUIRED)

一旦找到，即可直接用导入目标链接 CUDA Runtime：

add_executable(my_app main.cpp) target_link_libraries(my_app PRIVATE CUDA::cudart)

参数语义

版本比较由find_package_handle_standard_args完成。源码中模块通过include(FindPackageHandleStandardArgs)与find_package_handle_standard_args(CUDAToolkit ...)（Modules/FindCUDAToolkit.cmake）将CUDAToolkit_INCLUDE_DIRECTORIES、CUDA_CUDART、CUDAToolkit_BIN_DIR作为必需变量，并以CUDAToolkit_VERSION作为版本比较依据。

与 CUDA 语言的关系

模块允许项目不启用CUDA语言，这是它与enable_language(CUDA)最主要的区别。仓库测试Tests/Cuda/Toolkit/CMakeLists.txt就是这一场景的直接验证：project(Toolkit CXX)只启用 CXX，然后find_package(CUDAToolkit REQUIRED)，再逐个断言CUDA::cudart、CUDA::cuda_driver、CUDA::cublas、CUDA::cufft、CUDA::curand、CUDA::cusolver、CUDA::cusparse等目标存在（Tests/Cuda/Toolkit/CMakeLists.txt#L37-L90）。

反过来，如果项目启用了 CUDA 语言，模块也会优先复用语言探测阶段已确定的工具链路径（见下文搜索顺序第 1 条），保证CUDAToolkit_NVCC_EXECUTABLE与CMAKE_CUDA_COMPILER一致——这正是Tests/Cuda/ToolkitBeforeLang/CMakeLists.txt的测试目标：

find_package(CUDAToolkit REQUIRED) enable_language(CUDA) if(NOT CUDAToolkit_NVCC_EXECUTABLE STREQUAL CMAKE_CUDA_COMPILER) message(FATAL_ERROR "CUDAToolkit_NVCC_EXECUTABLE ${CUDAToolkit_NVCC_EXECUTABLE} doesn't match CMAKE_CUDA_COMPILER ${CMAKE_CUDA_COMPILER}") endif()

搜索行为详解：七级优先级

模块文档给出了完整的搜索顺序，源码Modules/FindCUDAToolkit.cmake中的实际执行顺序与文档严格对应：

1. 已启用 CUDA 语言时，优先使用编译器所在目录

若CMAKE_CUDA_COMPILER_LOADED且编译器 ID 为NVIDIA，则先由CMAKE_CUDA_COMPILER所在目录推导CUDAToolkit_BIN_DIR（源码Modules/FindCUDAToolkit.cmake#L981-L988）。更进一步，当语言探测已完成时，模块直接复用编译器探测阶段缓存的结果——CMAKE_CUDA_COMPILER_TOOLKIT_ROOT、CMAKE_CUDA_COMPILER_LIBRARY_ROOT、CMAKE_CUDA_TOOLKIT_INCLUDE_DIRECTORIES等变量（Modules/FindCUDAToolkit.cmake#L675-L695），"to avoid re-searching and to avoid finding a possibly different installation"，即避免重复搜索、避免命中另一套安装。

2.CMAKE_CUDA_COMPILER或环境变量CUDACXX

若定义了CMAKE_CUDA_COMPILER或环境变量CUDACXX，将其作为 nvcc 的路径线索（源码通过COMPILER_PATHS分支处理，Modules/FindCUDAToolkit.cmake#L990-L993）。该分支对clang这类非 nvcc 编译器也做了兼容——注释 "need to find parent dir, since this could clang and not nvcc"（Modules/FindCUDAToolkit.cmake#L702），即从 clang 所在目录寻找同目录的 nvcc。

3.CUDAToolkit_ROOT（配置变量优先于环境变量）

CMake 配置变量CUDAToolkit_ROOT（如-DCUDAToolkit_ROOT=/some/path）或同名环境变量均会被搜索；若两者同时指定，配置变量优先。源码中先尝试配置变量并在此失败时直接报错（Modules/FindCUDAToolkit.cmake#L995-L1002），再尝试环境变量并报错（Modules/FindCUDAToolkit.cmake#L1004-L1010），与文档描述一致。

该目录必须满足：在指定目录下能找到nvcc可执行文件，或合适的version.txt/version.json文件（后两者即"哨兵文件"CUDAToolkit_SENTINEL_FILE，源码Modules/FindCUDAToolkit.cmake#L727-L732）。

4. 环境变量CUDA_PATH

CUDA_PATH环境变量定义时，在其中搜索 nvcc（源码Modules/FindCUDAToolkit.cmake#L1012-L1015）。

5. 用户的PATH

通过find_program在用户 PATH 中查找nvcc；一旦在 PATH 中找到，就不再继续后续搜索。因此当机器上装有多个 CUDA Toolkit 时，用户须自行保证 PATH 中第一个nvcc是想要的版本。

6. Unix 符号链接/usr/local/cuda

Unix 系统上若存在符号链接/usr/local/cuda，直接使用，不再继续搜索；Windows 平台不存在默认符号链接位置。源码中_CUDAToolkit_guess_root_dir会把/usr/local/cuda强制插入搜索列表首位（Modules/FindCUDAToolkit.cmake#L900-L903）。

7. 平台默认安装位置

按平台搜索默认安装位置，只有恰好找到一个候选时才使用：

其中X.Y是具体版本号，如/usr/local/cuda-9.0、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0。源码实现会对所有候选路径按版本号降序排列（list(SORT versions COMPARE NATURAL ORDER DESCENDING)，Modules/FindCUDAToolkit.cmake#L892），优先尝试较新版本。

多版本并存的特殊情形

文档特别给出警告：当系统默认位置安装了多个 CUDA Toolkit（例如/usr/local/cuda-9.0和/usr/local/cuda-10.0同时存在，但/usr/local/cuda符号链接不存在）时，本模块判定为未找到。理由是在这种局面下自动决策涉及因素过多。文档给出的建议是：要么设置CUDAToolkit_ROOT，要么确保正确的nvcc出现在$PATH中供find_program找到。失败时的报错文案也写得很明确：Could not find 'nvcc' executable in any searched paths, please set CUDAToolkit_ROOT（Modules/FindCUDAToolkit.cmake#L962）。

版本探测机制：nvcc 输出与版本文件

模块通过三种途径确定版本（Modules/FindCUDAToolkit.cmake#L1032-L1058），优先级如下：

1. 编译器缓存版本：当CUDAToolkit_NVCC_EXECUTABLE与CMAKE_CUDA_COMPILER完全一致且CMAKE_CUDA_COMPILER_VERSION已知时，直接复用该值；
2. 执行nvcc --version：解析输出中的V(\d+)\.(\d+)\.(\d+)模式；
3. 解析版本文件：version.txt（匹配CUDA Version (\d+)\.(\d+)\.(\d+)）或version.json（读取cuda.version字段），见_CUDAToolkit_parse_version_file（Modules/FindCUDAToolkit.cmake#L938-L957）。

此外，在已启用 CUDA 语言的情况下，模块还会执行nvcc -v并解析其输出中的#\$ TOP=、#\$ INCLUDES=、#\$ SYSTEM_INCLUDES=、#\$ LIBRARIES=行，来推导 BIN 目录、隐式头文件目录与隐式链接目录（Modules/FindCUDAToolkit.cmake#L775-L827），并使用CMakeParseImplicitLinkInfo.cmake解析隐式链接信息。这也正是模块能支持 ccache/colornvcc 包装脚本、NVIDIA HPC SDK（NVHPC）以及发行版散落布局（splayed layouts）的原因（源码注释Modules/FindCUDAToolkit.cmake#L736-L739）。

导入目标总览

模块文档给出的核心交付物是CUDA::toolkit与一系列CUDA::前缀的导入目标。自 CMake 4.5 起（文档versionadded:: 4.5），每个目标还提供了对应的CUDAToolkit::命名空间别名；两个命名空间指向同一底层目标，可混用。

完整清单如下：

• CUDA Runtime Library：CUDA::cudart、CUDA::cudart_static
• CUDA Driver Library：CUDA::cuda_driver
• cuBLAS：CUDA::cublas、CUDA::cublas_static、CUDA::cublasLt（CUDA 10.1 起）、CUDA::cublasLt_static（CUDA 10.1 起）
• cuDLA（3.27 起）：CUDA::cudla（CUDA 11.6 起）
• cuFile（3.25 起）：CUDA::cuFile、CUDA::cuFile_static、CUDA::cuFile_rdma、CUDA::cuFile_rdma_static（均 CUDA 11.4 起）
• cuFFT：CUDA::cufft、CUDA::cufftw、CUDA::cufft_static、CUDA::cufft_static_nocallback（CUDA 9.2 起，需 CMake 3.23+）、CUDA::cufftw_static
• cuRAND：CUDA::curand、CUDA::curand_static
• cuSOLVER：CUDA::cusolver、CUDA::cusolver_static
• cuSPARSE：CUDA::cusparse、CUDA::cusparse_static
• cuPTI：CUDA::cupti、CUDA::cupti_static，以及 3.27 起新增的CUDA::nvperf_host/_static（CUDA 10.2 起）、CUDA::nvperf_target（CUDA 10.2 起）、CUDA::pcsamplingutil（CUDA 11.3 起）
• NPP（全套）：CUDA::nppc、nppial、nppicc、nppicom、nppidei、nppif、nppig、nppim、nppist、nppisu、nppitc、npps及各自_static变体
• nvBLAS：CUDA::nvblas（仅共享库）
• nvGRAPH：CUDA::nvgraph、CUDA::nvgraph_static（CUDA 11.0 起移除）
• nvJPEG：CUDA::nvjpeg、CUDA::nvjpeg_static（CUDA 10 引入）
• nvPTX Compiler（3.25 起）：CUDA::nvptxcompiler_static（CUDA 11.1 起，仅静态库）
• nvRTC：CUDA::nvrtc；3.26 起增加CUDA::nvrtc_builtins、CUDA::nvrtc_static（CUDA 11.5 起）、CUDA::nvrtc_builtins_static（CUDA 11.5 起）
• nvJitLink：CUDA::nvJitLink、CUDA::nvJitLink_static（均 CUDA 12.0 起）
• nvFatBin（3.30 起）：CUDA::nvfatbin、CUDA::nvfatbin_static（均 CUDA 12.4 起）
• nvidia-ML：CUDA::nvml；3.31 起增加CUDA::nvml_static（CUDA 12.4 起）
• nvToolsExt（3.25 起标记弃用）：CUDA::nvToolsExt（仅共享库；CUDA 12.9 起该库不再存在）
• nvtx3（3.25 起）：CUDA::nvtx3（仅头文件）；4.1 起增加CUDA::nvtx3_interop（CUDA 12.9 起提供，供 Fortran 等无法消费 C++ 头文件的语言使用）
• OpenCL：CUDA::OpenCL（仅共享库）
• cuLIBOS：CUDA::culibos（仅静态库）
• bin2c（4.3 起）：CUDA::bin2c（把二进制文件转换为包含字节数组的 C 文件的工具）
• compute-sanitizer（4.4 起）：CUDA::sanitizer（用于追踪 CUDA runtime/driver 调用的库）
• cufilt（4.4 起）：CUDA::cufilt（CUDA 11.4 起，由 cu++filt 提供的符号反修饰静态库）

关键库目标与底层依赖关系

Runtime 与 Driver

CUDA Runtime 库（cudart）是绝大多数应用所需的——所有cudaMalloc、cudaFree调用都来自它。Driver 库（cuda）则面向使用cuMemAlloc、cuMemFree等驱动 API 的应用。

源码中_CUDAToolkit_find_and_add_import_lib（Modules/FindCUDAToolkit.cmake#L1287-L1355）是所有库目标的统一构造器，它会依次在CUDAToolkit_LIBRARY_SEARCH_DIRS中按nvidia/current、lib64、Windows 的lib/x64等后缀查找，失败后才降级到 stub 目录（lib64/stubs等）。cudart的查找还单独处理了lib64与 stub 两轮（Modules/FindCUDAToolkit.cmake#L1176-L1185）。

值得注意的细节：cuda_driver与cudart/cudart_static都依赖内部目标CUDAToolkit::cudart_static_deps，后者在 Unix 上自动链接Threads::Threads与${CMAKE_DL_LIBS}，在 Linux 上还会查找并链接librt——这是静态链接 CUDA runtime 的硬性要求（Modules/FindCUDAToolkit.cmake#L1367-L1384）。

cuLIBOS 与静态库依赖

cuLIBOS 是仅静态的"后端线程抽象层"库。CUDA::cublas_static、CUDA::cusparse_static、CUDA::cufft_static、CUDA::curand_static以及 NPP 静态库都会自动链接它（源码foreach (cuda_lib cublasLt cufft nvjpeg)等循环中DEPS cudart_static_deps culibos的写法，Modules/FindCUDAToolkit.cmake#L1402-L1409）。文档特别注明：消费者不应直接使用CUDA::culibos。

版本门槛驱动的目标创建

许多目标只在特定 CUDA 版本以上才会创建，源码中通过CUDAToolkit_VERSION VERSION_GREATER_EQUAL ...条件实现，例如：

• CUDA 12.0 起才创建nvJitLink系列（Modules/FindCUDAToolkit.cmake#L1391-L1394）；
• CUDA 12.4 起才创建nvfatbin系列（Modules/FindCUDAToolkit.cmake#L1396-L1399）；
• CUDA 11.0 起cublas依赖cublasLt（Modules/FindCUDAToolkit.cmake#L1414-L1422）；
• CUDA 11.2.2 以上cusolver额外依赖cusolver_metis_static与cublasLt，CUDA 10.1 Update 2 以上还依赖cusolver_lapack_static（Modules/FindCUDAToolkit.cmake#L1444-L1461）；
• nvGRAPH 依赖 cuRAND 与 cuSOLVER（Modules/FindCUDAToolkit.cmake#L1466-L1467）。

这些依赖关系的存在意味着：你只需链接CUDA::cusolver_static，模块会替你串联好所有底层静态库，这是 FindCUDAToolkit 相对裸find_library方案的核心价值。

cuPTI 的特殊处理

cupti 头文件通常位于 Toolkit 的extras/CUPTI/include下，模块通过find_path专门搜索cupti.h（Modules/FindCUDAToolkit.cmake#L1475-L1481），并在找到后为其配置额外的库搜索后缀（extras/CUPTI/lib64/等）与额外头文件目录。仓库测试Tests/Cuda/Toolkit/CMakeLists.txt把 cupti 视为可选组件：if(TARGET CUDA::cupti)时才链接，并随版本追加nvperf_target、pcsamplingutil。

结果变量详解

模块在成功时设置以下变量（文档 Result Variables 一节），源码在Modules/FindCUDAToolkit.cmake#L1211-L1269构造它们：

其中CUDAToolkit_LIBRARY_ROOT的推导规则是：在CUDAToolkit_LIBRARY_DIR与CUDAToolkit_BIN_DIR的父目录中查找包含nvvm/子目录的那一个（Modules/FindCUDAToolkit.cmake#L1242-L1252）；代码还修补了某些环境下CUDAToolkit_LIBRARY_ROOT被误设为targets/...目录的问题（Modules/FindCUDAToolkit.cmake#L1267-L1269）。

另外，模块内部还会设置CUDA_<lib>_LIBRARY系列缓存变量（如CUDA_cudart_LIBRARY、CUDA_cublas_LIBRARY），测试用例正是通过断言这些变量来验证查找结果的（Tests/Cuda/Toolkit/CMakeLists.txt）。

实战示例

最小 C++ 项目：仅链接 CUDA Runtime

不启用 CUDA 语言，直接使用 Runtime API：

cmake_minimum_required(VERSION 3.17) project(GpuApp CXX) find_package(CUDAToolkit REQUIRED) add_executable(gpu_app main.cpp) target_link_libraries(gpu_app PRIVATE CUDA::cudart)

main.cpp中即可#include <cuda_runtime_api.h>并调用cudaMalloc/cudaFree。这与仓库测试Tests/Cuda/Toolkit/main.cpp的写法一致——该测试的头文件包含清单（cuda.h、cuda_runtime_api.h、nv/target、thrust/version.h）正是CUDA::toolkit目标提供 include 路径的验证。

链接多个库并做版本分支

参考Tests/Cuda/Toolkit/CMakeLists.txt，可以按版本条件化链接：

find_package(CUDAToolkit 11 REQUIRED) target_link_libraries(app PRIVATE CUDA::cudart CUDA::cublas CUDA::cufft) if(CUDAToolkit_VERSION VERSION_GREATER_EQUAL 10.1) target_link_libraries(app PRIVATE CUDA::cublasLt) endif() if(CUDAToolkit_VERSION_MAJOR VERSION_GREATER 11) target_link_libraries(app PRIVATE CUDA::nvJitLink) endif() if(TARGET CUDA::cupti) # cupti 是可选组件，存在才链接 target_link_libraries(app PRIVATE CUDA::cupti) endif()

用 bin2c 把二进制资源转为 C 头文件

CUDA::bin2c是导入的可执行目标，可直接用于add_custom_command。仓库测试Tests/Cuda/Bin2C/CMakeLists.txt展示了标准用法：

find_package(CUDAToolkit REQUIRED) add_executable(generate generate.cpp) add_custom_command( OUTPUT ${CMAKE_CURRENT_BINARY_DIR}/binary.bin COMMAND generate ${CMAKE_CURRENT_BINARY_DIR}/binary.bin ) add_custom_command( OUTPUT ${CMAKE_CURRENT_BINARY_DIR}/binary.h COMMAND CUDA::bin2c ${CMAKE_CURRENT_BINARY_DIR}/binary.bin > ${CMAKE_CURRENT_BINARY_DIR}/binary.h DEPENDS ${CMAKE_CURRENT_BINARY_DIR}/binary.bin ) add_executable(CudaBin2C verify.cpp ${CMAKE_CURRENT_BINARY_DIR}/binary.h) target_include_directories(CudaBin2C PRIVATE ${CMAKE_CURRENT_BINARY_DIR})

用 compute-sanitizer 做运行时检查

CUDA::sanitizer目标（4.4 起）既可链接进程序，也可作为追踪 CUDA 调用的手段。仓库测试Tests/Cuda/Sanitizer/CMakeLists.txt在 CUDA 10.1+ 上链接CUDAToolkit::sanitizer与CUDAToolkit::cudart_static并注册 ctest 用例，Windows 上还把 sanitizer 目录加入测试进程 PATH。

交叉编译与目标目录

当交叉编译（或没有 nvcc 时），模块需要推断目标架构。源码逻辑（Modules/FindCUDAToolkit.cmake#L1061-L1118）：

1. 依次取CMAKE_CUDA_COMPILER_ARCHITECTURE_ID、CMAKE_CXX_COMPILER_ARCHITECTURE_ID、CMAKE_C_COMPILER_ARCHITECTURE_ID、CMAKE_SYSTEM_PROCESSOR作为目标处理器；交叉编译时若仍为空则直接FATAL_ERROR，要求设置CMAKE_SYSTEM_PROCESSOR；
2. 按架构映射目标子目录名：armv7-a→armv7-linux-androideabi（NVPACK 支持）、arm→armv7-linux-gnueabihf、aarch64→ 按 Android/QNX/普通 Linux 分别映射、x86_64→x86_64-linux；
3. 在${CUDAToolkit_ROOT_DIR}/targets/<name>下查找实际存在的目录，将结果写入CUDAToolkit_TARGET_DIR，并把该目录加入CMAKE_FIND_ROOT_PATH供后续库搜索使用，搜索完成后弹出（Modules/FindCUDAToolkit.cmake#L1099-L1112、L1625-L1628）。

Windows 平台的库后缀也按架构区分：AMD64/x64/ARM64EC 使用lib/x64，ARM64 使用lib/arm64（Modules/FindCUDAToolkit.cmake#L1121-L1132）。

另外，模块对 NVHPC（NVIDIA HPC SDK）的"散落布局"做了专门适配：当 nvcc 解析输出指向cuda/X.Y/targets/...布局时，会额外追加math_libs/与extras的搜索目录（Modules/FindCUDAToolkit.cmake#L1219-L1235），并将 math 库头文件目录../../math_libs/<major>.<minor>/include加入CUDAToolkit_INCLUDE_DIRECTORIES（Modules/FindCUDAToolkit.cmake#L1151-L1171）。

常见问题与排错

"Could not find nvcc executable"

对应三种失败文案（Modules/FindCUDAToolkit.cmake#L959-L979）：

• GUESS模式：Could not find 'nvcc' executable in any searched paths, please set CUDAToolkit_ROOT
• VARIABLE模式：Could not find 'nvcc' executable in path specified by variable CUDAToolkit_ROOT=...
• ENV模式：Could not find 'nvcc' executable in path specified by environment variable CUDAToolkit_ROOT=...

若指定了REQUIRED，直接FATAL_ERROR；否则降级为 STATUS 消息并置CUDAToolkit_FOUND=FALSE。解决思路：设置CUDAToolkit_ROOT（命令行或环境变量）指向 Toolkit 根目录，或把正确的 nvcc 目录放入 PATH。

多版本 Toolkit 并存导致"未找到"

回顾上文第 7 级搜索：默认位置存在多个cuda-X.Y且无/usr/local/cuda符号链接时模块判定未找到。按文档建议设置CUDAToolkit_ROOT或 PATH 即可。

nvToolsExt 已弃用

CUDA::nvToolsExt自 3.25 起被标记弃用：CUDA 10.0+ 应改用CUDA::nvtx3；从 CUDA 12.9 起 nvToolsExt 库本身已不存在。源码中当CMAKE_MINIMUM_REQUIRED_VERSION >= 3.25时会给该目标附加DEPRECATION属性，提示 "Use CUDAToolkit::nvtx3 and include <nvtx3/nvToolsExt.h> instead."（Modules/FindCUDAToolkit.cmake#L1562-L1584）。此外，Windows 上 nvToolsExt 可能独立安装在 Toolkit 之外，模块会优先使用NVTOOLSEXT_PATH环境变量查找（Modules/FindCUDAToolkit.cmake#L1566-L1573）。

失败后缓存清理

模块在未找到时会主动清理CUDA_CUDART、CUDAToolkit_BIN_DIR、CUDAToolkit_NVCC_EXECUTABLE、CUDAToolkit_SENTINEL_FILE等缓存项，避免旧结果污染后续配置（Modules/FindCUDAToolkit.cmake#L1253-L1261）。

相关资源

• 模块文档：Help/module/FindCUDAToolkit.rst
• 模块实现：Modules/FindCUDAToolkit.cmake
• 集成测试：Tests/Cuda/Toolkit/CMakeLists.txt与Tests/Cuda/Toolkit/main.cpp（验证不启用 CUDA 语言时的目标与变量）、Tests/Cuda/ToolkitBeforeLang/CMakeLists.txt（验证与enable_language(CUDA)的一致性）、Tests/Cuda/Bin2C/CMakeLists.txt（bin2c 用法）、Tests/Cuda/Sanitizer/CMakeLists.txt（compute-sanitizer 用法）、Tests/Cuda/NotEnabled/CMakeLists.txt（无 CUDA 语言时 CUDA 相关 target 属性不报错）
• 历史模块：Modules/FindCUDA.cmake（FindCUDAToolkit 的代码来源）
• 隐式链接解析：Modules/CMakeParseImplicitLinkInfo.cmake

• 构建工具
• 开发工具
• CLI