AI行业现状
随着我国“新基建”的启动，AI（Artificial Intelligence，人工智能）和5G、大数据中心、工业互联网等一起构成了新基建的7大核心突破领域。AI将渗透到各个行业，变得越来越“基础设施化”。
德勤在2020上半年发布的《全球人工智能发展白皮书》预测数据表明：2025年世界人工智能市场将超过6万亿美元；中国人工智能核心产业规模到2020年将增长至1600亿元，带动相关产业规模超过一万亿元。
作为AI市场中的重要组成，以GPU、FPGA等为主的AI加速器市场发展也随之水涨船高。2020年5月11日IDC发布的《人工智能基础架构市场(2019下半年)跟踪》报告表明，到2024年中国GPU服务器市场规模将达到64亿美元。
GPU虚拟化背景
目前来看，绝大多数公司使用的是英伟达（NVIDIA）的公司的计算卡，所以下面主要介绍基于NVIDIA的技术现状。
从用户角度，GPU虚拟化实现可以分为2种类型：
硬件层面
主要是NVIDIA本身的虚拟化方案：NVIDIA GRID以及NVIDIA MPS。
NVIDIA GRID这个技术目前来看主要针对的是虚拟机平台，在技术特性方面也有明确写出某些功能不支持，其次NVIDIA GRID技术需要购买NVIDIA公司的软件授权才能使用，这个授权费相当昂贵。
NVIDIA MPS技术是NVIDIA对GPU共享的最早的一种支持模式，通过MPS server和MPS client就可以让多个GPU任务共享GPU的计算能力。对于容器平台，这种共享GPU的方式是一种可行性的选择。不过，这种指令代理技术有一个弊端，就是如果MPS Server挂掉或者其他MPS client端造成的非正常性退出，会导致处于同一个MPS server下的所有MPS client都受到影响，这种影响对于提供共享服务的平台来说是灾难性的，所以在生产环境几乎没有使用该方案。
NVIDIA以上2种的共享方式都不支持根据用户申请的请求对GPU计算能力的时间分片特性，GPU的使用是抢占式使用，无法做到资源的隔离。
软件层面
该层面实现GPU虚拟化，又分为两种主要实现方式：
- 实现在NVIDIA CUDA Library API之上，它通过劫持对CUDA API的调用来做到GPU的虚拟化，此类方案缺点是兼容性依赖于厂商，每个版本需要对齐，同时需要重新编译AI应用，对于用户来说使用成本较高。
- 实现在内核NVIDIA Driver之上。采用零侵入式的设计，使用上对用户可以做到无感知，对于CUDA的版本依赖较小。但该方案整体实现难度较大，需要对Linux内核和GPU架构的原理和实现有深入理解。
XPU方案
XPU是优优工场（YOYOWORKS）推出的容器GPU虚拟化产品。XPU正是采用前文所述的第二种实现方式，核心思想是将GPU在内核层进行切分，向上模拟出统一的XPU设备供容器使用，即多个容器共享一张GPU卡。XPU实现了一套框架能够很好的屏蔽异构GPU和应用（TensorFlow，PyTorch等）之间的耦合，对GPU进行故障隔离，显存隔离，算力隔离，从而实现业务的安全隔离，提高GPU硬件资源的利用率并降低使用成本。
XPU特点
XPU采用零侵入式架构设计，通过kernel module，services及container runtime为容器提供虚拟的GPU设备，在保证性能的前提下隔离显存和算力，为充分利用GPU硬件资源进行训练和推理提供有效保障。
高性能
采用本地使用GPU计算资源的架构，有天然的性能优势，相比于物理GPU，性能损耗几乎为零。
支持将GPU切片为任意大小的XPU，从而允许多AI负载并行运行，提高物理GPU利用率。
提高GPU综合利用率多达3-10倍，1张卡相当于起到N张卡的效果，真正做到昂贵算力平民化。
安全性
完美支持GPU单卡和多卡的算力隔离，显存隔离及故障隔离。
兼容性
零侵入设计： 最大的限度保证向后和向前兼容。用户零开销在 XPU 平台上运营现有AI应用，无缝兼容已有NGC等容器镜像。
硬件兼容性： 完美支持包括NVIDIA Pascal及以后架构的系列 GPU（GeForce，Quadro/RTX，Tesla）；支持裸金属和虚拟环境，支持物理GPU和vGPU。
架构兼容性：依托实现在内核模块层的通用接口能力，XPU 完美支持CUDA8.0 及以后所有版本的框架和应用。
生态兼容性：兼容业界标准的Kubernetes和NVIDIA Docker产品和方案。
软件架构
一个典型的XPU部署架构，主要包含两大部分： 系统相关部分及容器相关部分功能组件。XPU通过将物理GPU等设备进行划分和隔离，向上提供切分后的算力，有效提高异构计算资源的利用率。其逻辑结构图如下所示：
系统相关部分包括：XPU toolkit，XPU services & XPU driver module，其中XPU driver module为内核驱动，给容器提供虚拟的GPU设备，提供有QoS保证的显存和算力。
容器相关部分为XPU container runtime，作为Docker container的对应工具，主要实现将XPU设备映射给容器，让容器内的能够识别经过虚拟化的GPU设备，从而实现在容器内运行GPU相关负载。
部署形态
XPU的各个组件，支持直接部署在裸金属服务器上，即安装操作系统后，直接以Binary形式部署，也支持虚拟化部署。XPU具备适配多种Linux操作系统和云平台的能力，因此，XPU具有多样化的部署形式。
XPU支持CentOS、Ubuntu等主流Linux发行版本，同时支持基于KVM的虚拟机云平台和基于Docker的容器云平台。尤其是支持原生容器，并实现了和Kubernetes的平滑对接。
XPU与容器的集成
XPU采用0侵入部署方式，支持原生容器，即可运行AI应用，大大简化了客户算法工程师运维、管理AI基础架构的工作。在NVIDIA Docker的基础上，通过实现一套XPU container runtime，完成XPU在容器内的创建，删除以及监控等功能。
用户通过设置Docker环境变量的方式，用于为容器申请不同规格的XPU设备，XPU container runtime将虚拟出来的XPU，通过Docker暴露给容器内的程序使用。在K8S集群中，该组件用于接收K8S调度Pod设置的环境变量来负责创建相应规格的XPU容器。
XPU与Kubernetes集成
利用K8S的device plugin及extended resources机制，将XPU集成到K8S集群中。
K8S device plugin机制如下图所示：
XPU为Kubernetes提供两个插件，实现与K8S的集成对接。集成后，系统管理员只需要在K8S中，即可完成对GPU资源的集中配置和调度管理。并且，允许系统管理员通过单一接口调度全部数据中心资源，实现SDDC（Software Defined Data Center，软件定义的数据中心），这样就简化了运维工作。
XPU为Kubernetes提供的两个插件是：
XPU Kubernetes Device Plugin
通过和XPU driver module 及XPU Services通讯，获取XPU资源池信息。
通过Kubernetes定义的Device Plugin标准向Kubernetes注册名字为yoyoworks.com/xpu-shares的资源。
XPU Kubernetes Scheduler Extender
提供基于HTTP API通讯的松耦合调度扩展功能。
通过配置文件向Kubernetes注册名字为yoyoworks.com/xpu-shares的资源关键字，使其指向XPU Kubernetes Scheduler Extender的HTTP服务地址。
兼容性列表
NVIDIA GPU
完全支持 NVIDIA Pascal 及以后架构，包括GeForce/Quadro/RTX/Tesla 全系列GPU 卡；
支持裸金属环境下使用物理 NVIDIA GPU
支持虚拟化环境下使用穿透的 NVIDIA GPU
支持虚拟化环境下使用 NVIDIA GRID vGPU
典型 NVIDIA GPU
Telsa A100/A10/A16/A30/A40/T4/V100/P100/P40/P6/P4
RTX A6000/A5000/A4000
Quadro RTX8000/RTX6000/RTX5000/RTX4000/P6000/P5000/P4000
GeForce 3090/3080Ti 等30XX 系列/2080Ti/2080 等20XX 系列/1080Ti/1080 等10XX 系列
注：上述列出的只是 NVIDIA GPU 典型型号，通常XPU 兼容Pascal 及之后所有 NVIDIA GPU。
操作系统
CentOS 7.9/8.4， RHEL 7.9/8.4（64位）
Ubuntu Server 18.04/20.04 LTS（64位）
NVIDIA CUDA
完全支持 CUDA 8.x， CUDA 9.x, CUDA 10.x, CUDA 11.x 容器以及 CUDA 应用
注：只支持 64 位 CUDA 容器和 CUDA 应用
云平台
容器环境：Docker 19.03 及以后版本
Kubernetes环境：Kubernetes 1.18及以后版本