針對能夠并行利用數百個小核心的應用來說，GPU提供了極大的性能提升。眾所周知的用例包括各種形式的圖形處理，視頻編輯渲染等等—科學計算以及數據流處理，包括大數據分析以及高速通信/存儲數據服務。

很多用例針對云計算，但特有的性能需求以及代碼復雜性使得該項工作充滿挑戰而且和云中的通用計算相比多少有些滯后。過渡到聚焦GPU的用例的殺手锏是兩年前發布的NVIDIA GRID產品，該產品允許應用在由調配GPU資源的軟件所創建的vGPU上運行。

這一特性導致了向Adobe及NVIDIA云端遷移。Adobe交付了視頻編輯套件的云端版本并開始反對得到許可的獨立版本。典型的編輯配置從需要昂貴軟件許可費用的工作站變成了一個在Adobe云中運行的虛擬工作站，使用平板電腦就可以搞定。結果就是視頻編輯的進入成本下降，用戶量激增，Adobe得以蓬勃發展。

NVIDIA提供了GPU云允許編程人員熟悉沙箱環境。隨后，亞馬遜Web服務以及其他服務商在其公有云上提供了GPU實例，vGPU現在是一個主流平臺。值得一提的是高性能計算在接受云計算方面一直慢一拍，但GPU虛擬化產生的影響已經大大降低了進入價格，受困于超級計算機的研究項目能夠共享云端資源并訪問新的計算資源。預計很多項目的時間進度能夠提高50%乃至更多。

2016年初，AMD加入了vCPU競賽。AMD采用的是硬件而非軟件方式處理多租戶問題，至少在理論上提供了與多租戶虛擬機共享CPU資源同樣的安全級別。AMD聲稱性價比超過了NVIDIA，但過去兩家公司的性能測試報告一直不分伯仲。

AMD的產品開啟了開放計算語言作為云中并行計算應用語言加入CUDA的大門，因此我們應該會在不久后看到某些激烈的競爭以及價格戰。

當今GPU虛擬化的熱門用例似乎是虛擬桌面基礎設施（VDI）。并非購買并支持大量的桌面PC，我們看到了企業轉向移動設備并使用瀏覽器顯示基于云服務器的虛擬桌面結果的一個臨界點。這與Adobe軟件類似，而且后續的成本及支持需求值得注意。最終的虛擬桌面應該能夠利用容器提高服務器利用率。

VDI用例背后是由vGPU實例所支撐的大數據分析處理的增長。GPU非常適合解決Hadoop問題，因此公有云以及混合云將需要使用vGPU武裝自己。

使用GPU實現存儲以及網絡數據服務比如壓縮、重復數據刪除以及校驗碼的研究工作變得越來越緊迫了，我們開始實現固態硬盤10Gb/s的傳輸速率才不到一年的時間，但200Gb以太網可能會在2018年問世。CPU發展速度跟不上而且硬件加速還不夠靈活。使用vGPU執行各種存儲、網絡微服務可能很有意義而且可能是解決軟件定義基礎設施所面臨的困境的一種方式。

vGPU仍舊在完善過程中而且可以預計在今后的兩年當中會有提供新功能，性能也會有所提升。AMD目前僅支持VMware的hypervisor，而NVIDIA還支持XenServer。Intel提供了一款與NVIDIA類似的產品，支持KVM、XenServer。在細節上，在類別以及資源分布上不同廠商提供的產品有所不同。盡管軟硬件產品在多租戶控制上會有差異，但我們預計產品支持的范圍會趨同。

物聯網爆炸式增長以及后續處理非結構化數據需求的增長使得GPU實例在主流計算中變得更加重要，而數據流加速有可能使得GPU在云服務器中無處不在。無論發生什么，做好混合云規劃是很有必要的。