桌面虚拟化技术已经应用多年，其凸出优势表现为降低了企业采购和维护成本，让管理效率更高，从而也提升了系统的安全性和稳定性，IT管理人员的工作量也大大降低。
但“差强人意”的用户体验一直被IT界所吐槽，可否实现虚拟化桌面服务堪比本地PC，让越来越多的IT用户获得动态丰富的多媒体体验。
NVIDIA-Proviz亚太区业务主管沈威
vGPU解决方案了解一下
自2013年NVIDIA发布第一个vGPU解决方案以来，通过将数据中心GPU进行虚拟化，用户便可在多个虚拟机中共享该GPU，大大提升了应用程序和桌面的性能，并支持组织构建虚拟桌面基础架构（VDI），继而在整个企业范围内经济高效地扩展此性能。如今，IT部门可充分利用GPU技术，体验媲美本地PC的虚拟化桌面服务。
NVIDIA vGPU软件可提供具有丰富图形效果的、由全球最强大的数据中心 GPU NVIDIA Tesla 加速器加速的虚拟桌面和工作站。
此软件可以转换服务器上安装的物理GPU，以创建可在多个虚拟机中共享的虚拟GPU。GPU 与用户之间的关系不再是一对一，而是一对多。
NVIDIA vGPU 软件还包括一个适用于所有虚拟机的显卡驱动程序，该显卡有时也被称为服务器端显卡。而且，NVIDIA vGPU 使每个虚拟机都能像物理桌面一样利用 GPU。但是，由于通常由 CPU 完成的工作转移到了GPU，因而能为用户带来更出色的体验，并且可为更多用户提供支持。
NVIDIA的虚拟GPU产品包括三款旨在应对数字化工作环境挑战的产品：面向知识工作者的 NVIDIA GRID 虚拟 PC (GRID vPC) 和 NVIDIA GRID 虚拟应用程序 (GRID vApp)，以及面向设计师、工程师和建筑师的NVIDIA Quadro 虚拟数据中心工作站 (Quadro vDWS)。
NVIDIA中国区高级市场总监刘念宁
在前不久，NVIDIA发布了最新版本的虚拟化平台vGPU7.x，新版本可实现将多个物理GPU虚拟化分配给单一用户。可实现两个功能：
①针对性能要求不高的场景，如图形场景、教学场景和开发测试场景；
②针对算力要求非常高的用户，这时候可以使用多vGPU功能分配给每一个虚机，提供给用户。
因此，当前的解决方案会比之前的版本更加灵活，同时也符合vGPU解决方案的发展趋势。
首先，通过虚拟化手段，尽量多的满足用户不同场景的需求；其次，通过虚拟化手段，不断增强GPU在数据中心中的特性。因为越来越多的人工智能应用在数据中心做训练，完成后要做上线推理。如用户与智能音箱交互时，后台会有GPU服务器做支撑。所以，大量GPU数据中心需要被管理起来，需要具备数据中心的特性，这事传统物理GPU所不具备的。因此，需要通过虚拟化手段弥补其在数据中心中的一些特性的缺失。
NVIDIA-GPU虚拟化高级解决方案架构师张洁
据NVIDIA GPU虚拟化高级解决方案架构师张洁介绍，vGPU解决方案和NVIDIA的发展是相匹配的。最初NVIDIA基于GPU做图形显示，通过图形方式帮助用户做加速，分为企业级和非企业级。比较有代表性的企业级解决方案是专业的图形工作站，非企业级解决方案如游戏显卡。
虚拟化也是如此，最初是将图形负载做了虚拟化。将大量图形虚拟化用户拉倒数据中心，以前用图形工作站的用户，企业中有100位设计人员，需要配备100个图形工作站，每个图形工作站有一张GPU做图形加速，这是很典型的应用场景。
到了后期，出于管理和安全的诉求，越来越多的企业需要将图形设计与员工的数据集中管理，一般企业会采用虚拟化的方式，将传统的物理图形工作站变为虚拟化的工作站，放到数据中心运行。
但在数据中心，为每个用户配备一个物理GPU，无论是从空间还是成本角度考虑都是不现实的。因此推出了GPU虚拟化技术，将性能非常强劲的GPU卡虚拟成很多很小的逻辑的、虚拟的vGPU，这样可以方便地把图形用户从传统的物理工作负载迁移到数据中心。
vGPU 7.x特性带来的新场景应用
vGPU7.x版本一个比较明显的区别是多GPU的支持，基于对算力比较高的用户的需求，7.x版本通过虚拟化方式将多个物理GPU给到虚拟机，以满足不同用户对算力的不同需求。张洁以教学场景为例，学生需要低算力的GPU做教学实践和实训，而老师做科研需要很高算力的GPU，多GPU支持则很好的满足了两者的不同需要。
vMotion动态迁移。将一些不适合通过硬件形式实现的功能，通过软件的形式实现。如在数据中心进行热迁移，目前已经可以支持VMware和Citrix的服务器虚拟化平台在数据中心中挂上vGPU，可在数据中心进行业务不中断的迁移。
图形虚拟化技术已经相对成熟。如今需要将虚拟化中大量的计算特性加到vGPU中，让vGPU的特性和物理GPU解决方案平滑、无缝地迁移到数据中心。
支持Tesla T4。这是全新基于图灵架构的GPU，支持Tensor Core做人工智能加速，RT Core做实时光线追踪加速，有CUDA Core做图形和计算。
基于vGPU 7.x的最新特性，也带来了场景应用上的拓展。2020年1月，微软将会正是停止对Win7的支持，越来越多的用户会迁移到Win10，因此会有越来越多的虚拟桌面用户迁移到Win10，而Win10对GPU的要求比较高。因此，在虚拟桌面场景，有GPU用户体验会大大增强。
在vGPU 5.x版本中，GPU支持做计算。一些对算力要求非常高的离线渲染场景可以用GPU实现，而支持多GPU分配的7.x版本，可以提升渲染的效率。
自2016年人工智能技术受到广泛关注后，GPU开始在越来越多的AI场景中应用，如深度学习推理。
经过5年多的发展，NVIDIA vGPU虚拟化平台经过7代的版本迭代，从只能限定的几款GPU上实现虚拟化，到如今支持多达7家虚拟化平台及所有GPU，完善了整个生态，加入计算功能及对国内厂商的大范围支持等等，助力企业客户实现堪比本地PC的服务体验。
