對於科學研究者、數據分析師而言，在 GPU 加速日益成熟且可透過雲端獲得資源後，也加速了研究的進展，而 NVIDIA 宣布其 NVIDIA GPU Cloud / NGC 現在可支援微軟的雲服務 Azure ，藉由可立即運作的容器，使開發者能夠隨時取得 GPU 運算資源，同時還簡化軟體整合與測試程序，使其化繁為簡。
NVIDIA 預計在 10 月 3 日凌晨針對此次 NGC 與微軟 Azure 進行更深入的線上研討會活動，有興趣的開發者可預先進行註冊：請點此
要在微軟 Azure 使用 NGC ，僅需註冊免費的 NGC 帳號，並連接到微軟 Azure Marketplace ，找到適用於深度學習與 NVIDIA GPU 雲 Image ，即可透過包括執行 NGC 容器所有所需元件的預先設定 Azure 虛擬機器 Image ，即可將想使用的 NGC 庫投入執行中的 NVIDIA GPU 執行個體中使用。完整操作方式可見 使用 NGC 搭配微軟 Azure 說明：請點此
NVIDIA 的 NGC 透過附有 GPU 加速的預先設定容器，預先在各種深度學習容器中針對完整的軟體堆疊進行測試、調教與最佳化，同時每個月持續進行更新確保效能，使過往開發者原本需要在 HPC /超級電腦針對最新的軟體部屬到系統叢集，並安裝正確元件、進行測試與跨多系統、多租戶環境等情況，屢屢軟體版本更新還須重新進行驗證，現在僅須透過搭配 NGC 即可一次搞定，由 NGC 確保最佳的運算性能與可靠。
NGC 提供 35 種 GPU 加速容器進行包括深度學習軟體、 HPC 應用程式、 HPC 視覺化工具與 NGC 容器庫內的合作夥伴應用程式，目前為 Azure 提供三種 GPU 加速組合，包括可執行 1-4 顆 NVIDIA Tesla V100 GPU 的 NCv3 ，執行 1-4 顆 Tesla P100 的 NCv2 與執行 1 到 4 顆 Tesla P40 的 ND 。同時標榜相同的 NGC 容器可在各種 Azure 執行個體類型中執行，亦可進行不同種類、數量的 GPU 組合。
除了執行微軟 Azure Marketplace 的 NGC 容器 Image 外，也可透過 Azure Batch AI 在 Azure NCv2 、NCv3 以及 ND 虛擬機器上的 NGC 下載與執行這些容器，只要透過 GitHub 的說明即可在 NGC 容器啟動 batch AI 。操作方式詳見 GitHub ：請點此
