歴史から探る「仮想GPU」が生まれた理由と、機械学習では“使えない”理由：次の注目分野は「FPGA」

仮想GPUは一見すると機械学習に適している。だが処理能力をフルに必要とする用途でなければ、仮想GPUへの投資には慎重になる必要がある。

[Trevor Pott，TechTarget]

　仮想化技術が進化したことで、GPU（グラフィックスプロセッシングユニット）の並列処理機能を活用する機会が広がった。ハードウェア仮想化の一つである仮想GPUは、アプリケーションの稼働効率をどのようにして高められるのだろうか。ハードウェアへの投資を最大化するためには、この点を知っておくことが大事だ。

　従来、GPUはコンピュータ支援設計（CAD）や仮想デスクトップなど、グラフィックス処理を必要とするアプリケーションを稼働させるために使用されてきた。現在はグラフィックス処理だけではなく、パフォーマンス要件が厳しい一般的なアプリケーションにもGPUを利用する「GPGPU」（GPUによる汎用＜はんよう＞計算）が普及している。

　GPGPUを採用すると、大規模なデータセットを分析する機能を強化できる。AI（人工知能）技術を利用したアプリケーションやスーパーコンピュータに適する。注意しなければならないのは、パフォーマンスの需要が大きく変動する場合や予測が不可能な場合は、高価なGPUがアイドル（待機）状態になる時間が多くなり、そのメリットを十分に活用できない可能性があることだ。

併せて読みたいお薦め記事

「GPU」と「FPGA」を解説

• GPUより低コスト、ハイパフォーマンスのFPGAが抱える“泣きどころ”
• ムーアの法則はもう限界？　HPC進化の鍵は「GPU」か「FPGA」か

「機械学習」で知っておくべきこと

• IT部門 vs. ビジネス部門、機械学習チームはどこが統括する？
• 機械学習プラットフォームをどう選ぶ？　検討したい技術要素を説明
• 徹底比較：Amazon、Azure、Google、IBMの機械学習機能　現時点の勝者はいるか

GPUへのニーズの変化が後押しした「仮想GPU」の誕生