これまでGPU仮想化は一般的に、画像描写の負荷が高いアプリケーションや「VDI」（仮想デスクトップインフラ）で使用されてきた。今ではVMwareやNVIDIAのようなベンダーが使いやすいGPU仮想化の関連技術を開発し、IT担当者がそれらをデータセンターに導入し始めている。IT担当者はGPU仮想化の導入を本格的に進める前に、その用途を理解して、導入するかどうか慎重に調査、検討すべきだ。

　IT担当者はGPU仮想化を使って、サーバの高密度化やUXの向上を図れる。オフィススイート「Microsoft Office」など特定のアプリケーションや「Windows 10」のCPU使用率を低減することも可能だ。例えばプレゼンテーションソフトウェア「Microsoft PowerPoint」使用時のCPU使用率が30％に達していた場合、GPU仮想化を使えば、CPU使用率を10％に抑えるといったことを実現できる。

　GPU仮想化の他の用途としては、エンドユーザーに提供するアプリケーションの稼働、仮想デスクトップの機能強化、クラウドからデータセンターへのハイエンドワークステーションとリソース集約型アプリケーションの移行などが挙げられる。

　VDIで稼働させている仮想デスクトップの画面表示速度や入力への応答速度といったパフォーマンスが、最適な水準を下回ることがある。GPU仮想化を利用すれば、IT担当者はパフォーマンスを維持しながら、複雑な処理を実行できる。例えばデータセンターで稼働する仮想GPUで複雑な業務を処理することで、エンドユーザー端末のリソース消費を削減している企業もある。

　CPUの処理能力を節約することは、ハードウェアとその設置スペース、冷却にかかる各コストの最適化につながる。これらは全て、VDIなどの仮想化システムのパフォーマンス最適化と両立させることができる。

GPU仮想化技術が向いていない用途

　初期のGPU仮想化技術の用途は、グラフィックス関連かハイパフォーマンスコンピューティング（HPC）に限られていた。技術進化のおかげで、GPU仮想化の用途は、今でははるかに広がった。ただしGPU仮想化に投資する前に、IT担当者は自社のアプリケーションが仮想GPUを効率的に使用できることを確認しておく必要がある。もしそうでなければ、導入コストは割に合わない可能性がある。

　仮想GPUは、米連邦捜査局（FBI）が顔認識システムで使用しているような機械学習アプリケーションにおいて良好なコストパフォーマンスを発揮する。こうしたアプリケーションは、大量の仮想GPUが24時間絶え間なく稼働することを要求するからだ。一方で仮想GPUで処理すべきデータが頻繁に発生しないアプリケーションは、仮想GPUを使用するのは効率が悪い。

　後編は、GPU仮想化を実現する製品を説明する。