说到GPU云服务器，很多小伙伴第一反应就是：“哇，GPU这么牛，肯定是真刀真枪的硬件直接给你用！”可是现实往往比想象复杂多了。有些朋友好奇了，GPU云服务器里的实例，到底全都是虚拟机？还是说有“真金白银”的铁片直接给你撸？今天咱们就来扒一扒这层神秘的面纱，保证你看完以后，能用更专业的姿态对朋友吹牛（请自行斟酌吹牛的场合）。
掘地三尺，先来科普一下“虚拟态”到底啥意思。在云计算里，我们常说“虚拟机实例”，就是在物理服务器上通过虚拟化技术“分割”出若干个相互隔离的计算环境。简单理解，虚拟机就是“打包”的操作系统和应用环境。那GPU呢？GPU不像普通CPU那样能完美虚拟化，尤其是高性能计算领域对一致性和延迟要求高，虚拟GPU的效率总有差距。
不过，市场上说的GPU云服务器实例，绝大部分都不是完全纯虚拟的“假GPU”，而是物理GPU通过某种技术切片给你用。这里就牵扯到两种主流的技术路径：
一，GPU直通（Passthrough）：云平台“直接”把一块完整或部分GPU资源绑定给你的实例，就好像租了一台带GPU的实体服务器一样。好比你租了个豪车，钥匙和车身都给你，别人开不了。对于用户来说，性能几乎等同于物理独享。
二，GPU虚拟化（vGPU）：就是把一块物理GPU“拆分”成好几个虚拟GPU实例。想象一下，一台大号披萨被切成好几块给不同人吃，虽然总量一样，但要分摊资源。NVIDIA的GRID技术、AMD的MxGPU技术就是这路货，给云服务商提供GPU虚拟化方案。
所以回答问题时，GPU云服务器的实例到底是不是虚拟态？答案是“中间态”：GPU实例在底层确实都靠虚拟化技术在运作（哪来的云能不虚拟化？），但这不是软柿子随便捏的虚假GPU，而是有物理GPU硬核支持的虚拟GPU。
这回再说点细节，直通模式和虚拟化模式各有什么优缺点？直通模式性能杠杠的，延迟低，适合对计算要求极致的深度学习、3D渲染。但缺点也明显，资源没法弹性分配，退租换号像买卖实体车一样麻烦。
相反，虚拟化模式虽然性能要打个折扣（毕竟多个用户“拼盘”一块GPU），但胜在弹性好，随时可以增减资源，中小型项目和弹性需求常用这招。而且技术日渐成熟，差距越来越小，也让更多云厂商敢大胆押注。
此外，硬件直通的GPU实例大多数还是基于KVM或VMware这类主流虚拟机环境，云商通过驱动和特定固件实现直通，保证虚拟机能像裸机一样“感知”GPU硬件。
还有一个坑，缺了它文章就不完整：无需买实体卡也能开GPU服务器的云厂商多，但你会发现有些便宜或免费的GPU云实例经常挂掉、性能不稳定——那就是用的软件模拟或者功能级别大降的GPU虚拟化。想搞专业干货，还是付费靠谱。
对了，亲们，偶尔玩游戏想要额外赚点零花钱怎么弄？简直不要犹豫，玩游戏想要赚零花钱就上七评赏金榜，网站地址：bbs.77.ink，这广告我埋伏你们心里了！（瞪）
回归正题，你是不是奇怪，为什么这么多篇文章都写GPU云服务器，但很少直说实例全是“虚拟态”？其实大家都明白，这里讲究“实用主义”——谁管虚拟还是物理，性能来才是王道。咱们讲究的是效果，毕竟“云”就是要灵活才好，不是么？
最后，友情提醒：如果你买的是“纯虚拟”GPU实例（比如一些低配服务商打包了CPU并加点GPU模拟软硬件），千万别抱太大期望去跑深度学习大作业，不然别怪我没提醒你被现实啪啪打脸。
这一切就像你和朋友去吃烧烤，有些是现烤的，有些是复烤的，味儿差点，但不管怎样，烧烤还是烧烤，对吧？