現在集成商的銷售去見客戶再談雲桌面時不用浪費口水解釋什麼雲桌面，該不該上雲桌面？ 要談的只是這次該再上多少。因爲能賣進去的地方都賣進去了（包括那些根本不適用雲桌面的場景），想再多賣一點就得在產品上堆賣點了。於是國產廠家又開始了新一輪的概念創新。槽點最大的三個分別是：GPU虛擬化、超融合和前端運算。
今天首先想談是的GPU虛擬化，這是近期炒得最多的一個概念。GPU 是什麼？GPU是Graphics Processing Unit （圖形處理器）的縮寫；GPU又稱顯示核心、視覺處理器、顯示芯片。GPU 問世提高了計算機的圖形處理能力解放了CPU。配備了高性能GPU 顯示卡一直被廣泛的應用於圖形圖像處理、工業設計等專業領域，同時也是遊戲玩家們的最愛。
稍瞭解VDI 技術的同學們都知道VDI 是將遠端虛擬機的視像輸出傳輸到終端屏幕上，終端只負責輸入輸出遠端虛擬機的信息，內部原理類似於遠程桌面。Citrix 和VMware 都在遠程桌面傳輸協議上加足了功夫，不斷更新不斷提高傳輸效率。但是受到帶寬等因素的影響，真正在雲桌面上進行工業設計、觀看高清視頻、3D遊戲等應用時就會發現雲桌面的畫面會頻繁出現跳幀、停頓甚至花屏現象。因此在早期基於VDI 的虛擬桌面技術不適用於圖像處理密集型的應用場景是共識。
隨着近幾年雲計算、機器學習人工智能、高算、區塊鏈的興起，GPU以其在浮點運算與並行運算性能方面的出色表現有了海量的市場需求。GPU與CPU的區別是CPU 由專爲順序串行處理而優化的幾個核心組成，而 GPU 則擁有一個由數以千計的更小、更高效的核心（專爲同時處理多重任務而設計）組成的大規模並行計算架構。 GPU早已經不再只是顯示卡，而成爲了CPU 之外更大的計算模塊。很多大學實驗室新增的高算服務器往往都會配備4~8 張卡，爲了正是提高計算能力。一些所謂的專業挖礦機也採用高性能GPU 作爲計算核心。新一代的操作系統和軟件對GPU的依賴越來越重。據Lakeside的統計，Windows 10 比Windows 7 的GPU使用量增加了32%，使用GPU加速的應用數量也是過去 5 年的 2 倍，同時使用這些應用的用戶數量也增加了60%。在這裏我們可以很清晰的發現，不具備GPU運算能力的基礎架構難以滿足未來軟件和系統的要求。
廠商過度誇張VGPU 在雲桌面應用上的效果其實是一種概念炒作。有些銷售人員甚至宣傳通過VGPU 可以使瘦終端雲桌面勝任原專業圖形工作站的工作。宣稱雲桌面可應用於高密集圖形圖像處理、設計工作。 但實際情況又如何？
早在十年前 NVIDIA 就推出了虛擬GPU案，即通過NVIDIA 底層管理軟件將物理 GPU按需切割，同時分配給多個虛擬機使用，虛擬機所使用的GPU被稱之爲虛擬GPU。在虛擬機中使用的vGPU計算能力來自物理GPU分割出來的配額，在後端強勁GPU支持下使虛擬機的浮點計算與並行計算性能大幅提高。這一技術的設計初衷是爲服務於租用雲主機的進行高算託管的專業用戶，主要被應用於虛擬服務器、應用主機服務器。現今天我們在阿里雲、AWS 等雲計算提供商處租用雲主機時都有VGPU 池可供選擇。用戶可以根據自己的需求選擇多顆VGPU 來提高自己託管的應用服務的計算速度。可以說這一項技術從一開始就並不是桌面用戶開發的。雖然理論上VGPU 可以加快虛擬機的圖形圖像處理能力，但卻無助於圖形圖像在遠程終端的輸出能力。
重申一遍VGPU 技術是用來提高虛擬機的浮點運算、並行計算能力，對虛擬機圖像的遠程輸出到終端上的流暢程度沒有實質性的幫助。雲主機雲服務注重的是運算能力；雲桌面注重的是前端桌面的交互體驗，所有的遠程桌面傳輸協議都對圖像進行了有損壓縮，遠端虛擬機輸出的幀通過網絡傳輸到終端（盒子）時圖像實際已經進行了裁減；即使後端虛擬機上的VGPU渲染了一張4K 的32位真彩圖像，通過遠程桌面傳輸協議回顯（終端盒子收到加密壓縮的數據後把數據還原成圖像） 到終端顯示器上被用戶肉眼看到之時其實已經是縮水後的復刻品。 其實VDI 的雲桌面在高密集圖像處理方面表現不佳其瓶頸也並不在後端的GPU不足，而且網絡傳輸的損失與前端能力的不足。在窄帶寬與瘦終端環境表現得更明顯。