为什么 GPU 虚拟化是云游戏成本账本上的第一块基石

聊云游戏，绕不开一句话：这生意本质上是在出租显卡。

你打开云游戏平台，付 30 块钱一个月，背后有一张几千上万块的卡在替你跑《赛博朋克 2077》。平台能不能活，取决于这张卡一天被你用几个小时、又同时被几个人分。

所以 GPU 虚拟化这件事，不是架构师的自嗨。它直接决定三件玩家肉眼可见的事：你能开到什么画质、你的手感稳不稳、以及这门生意能不能撑过三年。

上一期《云游戏延迟的完整技术图谱与测量体系》里，我们把一次操作的延迟拆成七段，其中两段——「渲染」和「排队」——完全攥在 GPU 手里，而且是最难压缩的两段。你换更好的编码器、铺更近的节点、上 QUIC，能把网络那几段削到 10 毫秒以内；但只要 GPU 那边被别的租户抢了一下，一帧多花 40 毫秒，前面省的全白省。

这一期我们就钻进机箱里，把「一张显卡怎么分给好几个人用」这件事从头拆开：时间片怎么切、MIG 怎么分区、SR-IOV 怎么把队列拆到硬件层、裸金属为什么至今仍是 AAA 游戏的唯一解。

我先抛个结论，你可以带着它往下读：CPU 虚拟化是软件问题，GPU 虚拟化是物理问题。理解这句话，你就理解了为什么这个行业折腾了十五年，云游戏的单价还是降不下来。

第一层：GPU 是个有状态、还讨厌排队的怪物

先说说为什么大家一开始会觉得「虚拟化很简单」。因为 CPU 那边已经趟过路了。你电脑上同时开浏览器、微信、游戏，三个进程轮着用 CPU，你完全感觉不到。操作系统给每个进程保存一份寄存器快照，切出去的时候存，切回来的时候读，一次切换是微秒级的开销，快到人类根本察觉不了。

虚拟化为啥能把 CPU 切得这么细？因为 CPU 的活儿是无状态的一问一答：算一个加法，算完这个过程就彻底结束了。系统可以随时打断它、冻结它、把结果搬到硬盘上，之后再接着算，结果一模一样。

GPU 完全不是这样。GPU 的活儿是一条不能断的流水线：顶点数据进去，光栅化，着色，后处理，最后吐出一帧画面。这条管线上任何一段被抽走两毫秒，吐出来的就不是「慢一点的画面」，而是没有画面——或者画面撕裂、或者这一帧作废。

更要命的是，GPU 有三样东西是「物理上不可拆」的：

这里我要特别提编码器，因为外行往往只盯着「算力够不够」，内行才知道真正的天花板在哪儿。数据中心里的计算卡（比如 A100 那类训练卡）出厂时根本就没给你配编码器——它压根不是为出画面设计的。能拿来跑游戏串流的，是 L4、L40S 那种带媒体引擎的卡。你买错了卡，算力再猛也串不出流。

所以这一层的小结是：GPU 虚拟化的目标不是「提高利用率」，而是「在提高利用率的同时，不让任何一个玩家的帧时间出现长尾」。这两个目标天然打架。下面三层，本质上就是三次不同的妥协。

第二层：时间片虚拟化——把显卡切成时间，玩家会被切成幻觉

最直观的思路是：既然 CPU 能轮转，GPU 凭什么不能？

这条路线的实现叫虚拟 GPU（vGPU）。宿主侧装一层驱动，接管虚拟机的图形请求，把好几台虚拟机的渲染任务排成队列，轮流往物理 GPU 上丢。切分粒度可以很灵活，理论上能切到十六分之一张卡，一张卡喂十几个用户，账面成本好看得不得了。

听起来很美好，问题出在「轮流」这两个字上。

每当 GPU 要从租户甲切到租户乙，它得把甲那边的状态清干净——管线排空、缓存刷新、上下文搬走。这一趟下来是毫秒级的开销，而且是不确定的：甲正在跑一个特别重的着色器，它不肯痛快放手，乙就得等。于是乙的体验变成了这样：平均帧率 60 帧，看着挺好，但每过三五秒，突然有一次帧时间飙到 50 毫秒。

这就是「抽帧」。你以为云游戏卡是老生常谈的「网络不行」，其实很多人在家里千兆宽带、3 毫秒 ping，照样觉得手感发飘——问题在服务端，是别人在跟你抢同一块卡。

为什么这个毛病在别的业务上不明显、在游戏上致命？因为不同业务对抖动的容忍度差着数量级：

你看，同一套技术，在两个业务里的评价完全相反。这也解释了行业里一个有点反直觉的现象：商用 vGPU 授权在云工作站市场活得很好，在云游戏平台几乎绝迹。不是技术不行，是业务逼你做选择。

说句实话，我自己早年也翻过车。有次做内部 demo，为了省钱拿时间片方案搭了个测试环境，跑 3D 演示动画丝般顺滑，组里还庆祝了一下。结果拉来一个打格斗的同事试玩，人家两分钟就抬头发问：「你们这个是不是有点飘？」我们回去一查数据，平均帧率 58，P99 帧时间 62 毫秒。数据面板上那个平均值骗了我们一整个下午。

从那之后我就落下个毛病：看云游戏性能，先看 P99，再看平均数。平均值是给老板看的，P99 是给玩家受的。

第三层：MIG 空间分区——把显卡当蛋糕切，切得干净但切得粗

时间片解决不了，那就换思路：别轮转了，直接把卡物理劈开。

NVIDIA 从 A100 那一代开始正式商用的多实例 GPU（MIG），干的就是这事。它不是在软件层假装切分，而是在硬件层把显卡的图形处理集群、显存控制器、二级缓存切成互相独立的小块，每一块对上层来说就是一张「小显卡」，有自己的显存地址空间，有自己的计算单元。

这个方案好在哪？隔离质量接近物理隔离。你那边跑什么重活，都影响不到我这块。没有上下文来回搬，没有排队等待，帧时间曲线平得像尺子画的。

代价也很实在，三条：

第一，切得粗。A100 那代最多切成 7 份，不是 16 份、32 份。为啥是 7 不是 8？因为硬件上本来就留了一块备用。你想更细？没门。这就意味着单卡密度上不去，成本摊薄的力度有限。

第二，切完就固定了。一个实例分到多少算力、多少显存，是建立实例那一刻就写死的，运行中不能动态加减。你今天上午给《星露谷物语》的用户分一份，下午他下班了换人，你还得重建实例。对云游戏这种用户来去如流水的场景，运维负担不小。

第三，也是最要命的：游戏负载天生不对称。

MIG 的设计初衷是伺候 AI 推理——一堆小模型并排跑，每个模型吃的算力差不多，切得均匀，皆大欢喜。但游戏不是这样。同一个平台上的两个用户，一个在玩《星露谷物语》像素种田，一个开着全景光追在夜之城飚车，两者的 GPU 需求能差十倍以上。你按平均切七份，玩种田的那位觉得浪费，玩光追的那位觉得不够用，而切片是死的，它不会看人下菜碟。

所以 MIG 在云游戏的实际用法，通常是「切成大块、一个实例一个人」，而不是「切成小块、拼密度」。换句话说，MIG 在云游戏里的价值是「让多张卡共处一台机器且互不干扰」，不是「让一张卡伺候很多人」。这个定位差一个字的偏差，会让整个成本模型跑偏。

顺带一提，MIG 也不是所有卡都有。它是一部分数据中心卡的特性，消费卡、部分中端专业卡是不给的。你在淘宝上买张便宜卡想自己搭，先确认这个型号认不认 MIG，不然白搭。

第四层：SR-IOV 与直通——为什么 AAA 游戏至今只能整卡独占

剩下的两条路，方向一致：把整块卡（或接近整卡）给一个用户，别让他跟人分。

一条叫 PCIe 直通：虚拟机直接接管整张物理显卡，中间几乎没有虚拟化层。这是最「笨」也最有效的方案，帧时间表现和你在本地插张卡几乎没差别。缺点是明摆着的——一张卡一个人，成本拉满。

另一条叫 SR-IOV（单根 I/O 虚拟化）。这条容易被误解，得说清楚：它不是软件时间片，而是硬件层面的队列分区。显卡在物理上支持把自己拆成若干个「虚拟功能」，每个虚拟功能有自己的命令队列和中断，虚拟机直接跟硬件对话，绕过了宿主那层转发的开销。AMD 的 Radeon Pro V 系列就是这条路的代表，一张卡能切给几个用户，切换开销比软件时间片小得多。

听起来像是完美解？实操里有坑。SR-IOV 的虚拟功能在早期产品上兼容性参差，不同虚拟化平台的支持度不一样，驱动适配是个体力活。而且硬件能切的份数是由显卡出厂设计定的，你没法像软件那样自由拉伸。所以它更适合「一张卡分给 2 到 4 个高价值用户」，不适合拿来拼极限密度。

现在把四个真实案例摆上来，你会看到行业用脚投票的结果。

案例一：微软 xCloud 的「定制刀片」路线。微软走的路最暴力——直接用 Xbox Series X 的定制芯片做服务器刀片，一块主板对应一个 SoC，一个 SoC 服务一个玩家会话。这等于把「整机直通」做到了极致：你需要的是一个 Xbox，微软就真给你一台 Xbox，只不过它在几百公里外的机房里。代价是业界公认的贵——这本质上是把主机成本原封不动搬进了数据中心，密度拉不上去。但收益也直接：玩家在 xCloud 上玩《极限竞速》，手柄手感和客厅里那台机器几乎没差。微软敢在订阅里塞几百款游戏，底气就在这——它的成本模型不是「怎么把卡切碎」，而是「怎么把主机塞进机架」。

案例二：Google Stadia 的反面教材。Stadia 的技术选择其实很讲究，用的是 AMD 定制 GPU，单实例算力在当时相当能打，画质口碑在技术圈一直不错。问题恰恰出在成本结构：为了保住那个口碑，它走的是「每个会话独占硬件资源」的路线，等于把最贵的方案做成了标配。用户体验好，账面亏得快。2022 年关停的时候，社区里有一种很典型的声音——「它其实挺流畅的，就是不知道为什么我用不上」。这句话背后是硬件成本、内容库和用户规模三件事的死循环，技术只是其中一环。这里多嘴一句：做云游戏，最贵的不是把画面串出去，是把「稳定的画面」串出去。前者是工程问题，后者是财务问题。

案例三：GeForce NOW 的档位分级。这套设计的聪明之处在于，它把「你能分到多少物理显卡」直接明码标价做成了商品。免费档排队、优先档插队、顶级档给你一张接近顶级消费卡的分区。用户感知到的不是「虚拟化」，而是「我买的是哪一档的机器」。这是把技术限制翻译成商业语言的标准示范——既然不能让人人独占，就让人人为独占的等级付费。至于档位背后的具体分区方式，官方说法一直很含糊，但从体验差异看，档位之间的差距是实打实的物理资源差距，不是简单的限速。

跨类对照：云工作站。同样是卖 GPU 时长，AWS、阿里云那类云桌面产品就敢大方地用时间片和虚拟化把密度拉满。原因前面说过——建模师多点一下鼠标，晚 200 毫秒出结果，他只会觉得网卡了，不会觉得产品烂。这个对照特别值得云游戏从业者反复看：同一个技术，换个业务场景，评价就天翻地覆。别拿别人的成功案例直接套。

所以回答命题里那个问题——裸金属是不是当前 AAA 游戏的唯一可行方案？我的判断是：在动作、射击、竞速这些对手感敏感的类型上，接近整卡独占是底线，没得商量。但这不是说非要买裸金属服务器，SR-IOV 切 2 到 4 份、MIG 切成大块，只要保证帧时间的 P99 不塌，都能算「事实上的整卡体验」。区别只在于你愿意为那点抖动多付多少钱。

配置表：把「切多细」变成一个可以调的旋钮

讲完机制，给点能直接抄进方案文档的东西。下面两张表是我自己会拿来过评审的框架，数字是示意量级，别当报价单看，重点是字段结构。

表一：实例规格档位设计表

这张表的意义不在于数字精确，而在于把「画质承诺」换成了「帧时间承诺」。跟用户讲「我们有 RTX」，他听不懂；讲「这一档保证 P99 不超过 20 毫秒」，这才是能写进 SLA 的东西。

表二：密度与质量的调节旋钮

顺带把成本模型也捋一下，因为很多方案争论到最后都是算账。假设一张带媒体引擎的数据中心卡两万块，按三年折旧，就算你把它榨到 60% 的时间都在干活，光显卡这一项，每小时成本就是一块多。而整机还有 CPU、内存、电源、机架、带宽、运维——行业里通常得乘个两到三倍。于是一卡一人的方案，每用户每小时成本三块多；一卡四人，摊到一块钱以下。

这个差价的诱惑有多大？你想想订阅制一个月收三十块，用户但凡多玩几个小时，一卡一人的方案就得倒贴。这就是为什么所有平台都在偷偷往右拧旋钮，也是为什么免费档总是排大队——那不是技术限制，那是钱包限制。

两套读法：你从哪一头进这篇文章

初级用户速览：怎么一眼看出一个平台的技术底子

你不需要关心它是 MIG 还是 SR-IOV，你只需要做三个小测试。

第一个，打开一款动作游戏，做那种需要精确时机的操作（比如连续弹反）。如果平均感觉没问题，但偶尔「按了没反应」，多半是服务端在跟人抢卡。第二个，让画面里塞满粒子特效，同时快速转动视角，看画面会不会在某几个角度突然糊一下——那是显存压力或者分区不够。第三个，挑晚上八点到十点这个黄金时段再测一遍，跟凌晨的体验对比。如果白天丝滑、晚上抽风，说明平台在超卖，密度拧得太狠了。

这三个测试不用任何专业工具，比你翻十篇评测都准。

进阶深入：如果你要设计这套架构，几个反直觉的判断

第一，先定帧时间预算，再选虚拟化方案，别反过来。很多团队是先买卡、再看能切几份，结果切完发现 P99 塌了，回头改架构的成本高得离谱。

第二，把编码器数量当成硬约束写进容量规划的第一行。我见过方案因为忽略这一条，算完算力觉得能塞 8 个实例，实际只能塞 2 个——差的那 6 个不是算力问题，是没有编码单元。

第三，别指望虚拟化能抹平波峰波谷。云游戏的使用曲线极其陡峭，晚上八点跟凌晨三点能差十倍。虚拟化能提高平均利用率，但峰值时刻你该备的机器一台都不能少。想靠超卖解决峰值的，最后都会在最不该出问题的时段崩给用户看。

几个我见过太多次的翻车现场

还有一个我个人的争议观点，可能有人不爱听：我觉得现在行业对「一卡多用」的执念，有一部分是自我欺骗。大家都在算「理论密度」，但真正跑起来，为了保住口碑，实际密度都会往回收。与其在方案里吹一个 8 人/卡的漂亮数字，不如老老实实按 2 至 3 人来规划，把省下来的精力放在调度和容灾上——那才是真正影响留存的东西。

FAQ

Q1：MIG 和 SR-IOV 到底啥区别？一句话。

MIG 是把显卡的「身体」劈开，各块有自己的显存和计算单元，互不相干；SR-IOV 是把显卡的「通信通道」劈开，多个虚拟功能共享同一套物理资源，但各自的队列直通硬件。前者隔离更彻底但切得粗，后者更灵活但共享带宽。游戏场景里，MIG 适合「一张卡给两三个人且要稳」，SR-IOV 适合「一张卡给两三个人且要省」。

Q2：那我自建云游戏，是不是非得买带 MIG 的卡？

看你做多少用户。个人或小团队自建（比如 Sunshine 那套方案），一张消费卡一个人用，压根不需要虚拟化，帧时间反而最好——这也是开源方案延迟能吊打商业平台的原因之一，它没有多租户这层包袱。真到要服务几十上百人，再认真考虑 MIG 或者干脆多买几张卡直通。

Q3：为什么云游戏平台不干脆全用时间片，便宜点让用户忍忍？

因为「忍忍」这件事在游戏里不成立。你让用户忍一次加载慢，他能忍；让他忍手柄输入偶尔失灵，他会直接退款。而且这种抖动是随机分布的，用户没法预判，挫败感会被放大好几倍。宁可少开两个实例，也别在关键体验上打折。

Q4：显存超分是不是绝对不能碰？

不是绝对不能，是要分游戏。轻量游戏显存占用小，适度超额分配能提密度；但开放世界类游戏显存吃紧，超分之后就是贴图糊、加载卡、掉帧三连。我的建议是按游戏类型做分级策略，别全局一刀切。

Q5：下一代 GPU 架构在这方面会有大变化吗？

方向是清楚的：硬件层面的分区能力会越来越细、越来越动态，虚拟化的开销会继续往下降。但别指望出现「一张卡无缝喂二十个人打 3A」的魔法——物理规律还在那儿，显存和带宽是硬的。真正的变量可能在别处，比如渲染本身变得更快（这就要看 AI 超分和神经渲染那两篇了），那才是从根上改变成本结构的东西。

最后留个开放问题给你琢磨：如果未来的渲染技术让单帧成本降到今天的十分之一，GPU 虚拟化这件事，会不会从一个「必须解决的技术难题」变成一个「根本不需要解决的问题」？我倾向于后者，但这话现在说还太早。