公有云提供商越来越多地为大计算量应用提供基于GPU的云服务，但组织需要合适的技能和预算来部署它们。
数据分析、人工智能和机器学习越来越受重视，这也就引导企业开始仔细研究图形处理单元。
作为回应，顶级云供应商Amazon Web Services（AWS）、Microsoft和Google现在已经能够提供支持图形处理单元（GPU）的公共云实例。虽然这些GPU云实例具有很大的潜力，但它仍处于开发的早期阶段。因此，现在还存在一些障碍，例如成本和很多定制开发工作（在许多情况下）。
不断变化的市场
传统上，资源密集型系统（也被称为高性能计算（HPC））是面向研究、工程和视频开发的技术。典型应用包括基因组学，计算金融，视频渲染和可视化。
HPC系统在特殊配置的服务器上需要大量的处理能力。开发经常需要花费数年时间，应用也需要几天或更长时间才能在高端专用系统上运行。因此，这些应用难以构建，运行成本高，大多数企业都无法实现。
但最近，HPC市场动态发生了变化。这些系统已经从定制的CPU转移到商业设备上。像Nvidia和Intel这样的厂商将其GPU定位为适合HPC市场，而顶级的公有云供应商依靠他们来支持HPC服务。
此外，客户资料也已更改。历史上，HPC系统通常部署在利基市场，但已经以自己的方式进入了企业的主流。预计随着物联网的出现，企业处理的大量数据将呈指数级增长。随着公司不断地收集和挖掘更大的数据库，他们正在寻求软件来帮助进行自动化处理。因此，GPU系统（包括GPU云实例）已成为人工智能和机器学习应用的计算引擎。
供应商整合了其GPU云实例阵容
向GPU转移的这一趋势引起了最近进入这一市场的顶级公有云供应商的关注。在2016年第四季度，AWS和Microsoft Azure都分别公开了新的GPU云实例——分别是P2实例类型和N系列，而在二月份，Google也加入了战团，开始GPU支持（目前正处于测试阶段）。
虽然这些实例类型非常适合机器学习和其他计算密集型应用，但仍然存在几个影响采用的障碍。首先，这些服务通常是昂贵的。AWS和Microsoft Azure每小时每GPU的价格为0.90美元，而Google GPU云实例的价格为每小时0.70美元。相比之下，AWS针对通用计算实例定价为每小时0.0059美元。
此外，这个市场依赖于定制开发和高度专业的编程工具。热门框架包括Apache Spark，Caffe，Apache SystemML，MXNet，TensorFlow和Torch。大多数企业的IT部门都缺乏编写和管理使用这些框架构建应用程序的技能。组织需要对员工培训和认证计划来管理这些部署进行投资。
HPC、机器学习等计算密集型应用不断受到企业的欢迎。而GPU云实例可以帮助支持这些工作负载，昂贵的价格和经验的缺乏可能会影响许多企业在短期内部署。
