NVIDIA开源6G工具采用量增10倍，加速下一代网络研发

一年前，NVIDIA 正式开源 Aerial 无线软件平台，与 Sionna 链路级仿真库等工具共同组成了加速下一代 6G 网络开发的完整开源套件。这一软件生态为全球科研人员打通了从算法仿真、AI 训练到真实空口实验的完整研发闭环。

在过去一年中，全球开发者对 NVIDIA AI Aerial 与 NVIDIA Sionna 软件的使用规模实现了 10 倍增长。NVIDIA 面向 5G/6G 的开源工具下载量已累计突破 100 万次，获得全球逾 8000 所科研及学术机构采用。从工业机器人到应急救援，研究人员正利用这些工具攻坚 AI 原生 6G 网络的核心难题。

语义通信助力机器人敏捷响应

当负责物料抓取的机器人依靠边缘或云端 AI 作出决策时，无线通信延迟直接决定了响应速度。若直接回传高分辨率视频，极易在动态场景中遭遇带宽瓶颈与传输阻塞。

对此，研究人员正在探索「目标导向的语义通信」。机器人不再传输完整的画面，而是仅提取并传输物体的类型、坐标及相互关系等精简描述，大幅压缩了数据载荷。

伦敦国王学院的研究团队将配备摄像头的机械臂接入搭载 Sionna 平台的 NVIDIA Jetson AGX Orin 模组，该模组同时兼顾软件定义 5G 网络与边缘 AI 计算。在水果分拣与积木堆叠测试中，这种方法相较于定期传输图像，将机器人任务完成时间缩短了多达 52.6%，并在出现故障时具备更强的自适应恢复与避障能力。

神经接收机重构信号解码

在无人机火灾巡视或应急搜救等极端环境下，无线电干扰与复杂信道变化常导致信号解码失败，引发数据重传并造成信息延迟。具备自主学习能力的 AI 接收机能够更高效地从噪声中恢复原始信号。

软银通过将神经接收机集成至 NVIDIA Aerial CUDA 加速 RAN (ACAR)，使用商用 5G 手机进行了空口抗干扰验证。测试结果显示，在全部 15 项测试场景下，神经接收机的上行吞吐量均超越传统物理层接收机，最大增益接近 60%。

此外，接收机还可以针对具体物理环境进行针对性调优。苏黎世联邦理工学院利用 NVIDIA Aerial 测试床发现，结合现场实测数据对神经接收机进行微调后，其块误码率相比标准预训练版本降低了三分之一以上。

智能预测降低基站能耗

伴随 6G 时代连接设备与 AI 应用的爆发式增长，无线接入网的能耗管理成为不可忽视的成本与环境挑战。

利兹大学研发了一套需求预测系统，可提前 10 分钟研判网络流量走向，并以此调度基站的休眠时序。在关闭冗余基站前，系统会确认邻近活跃基站能完全承接终端连接，并在流量激增前及时唤醒休眠设备。

团队利用基于 NVIDIA DGX Spark 构建的便携式 5G 一体机及数字孪生系统进行了验证。实验表明，在确保终端连接质量的前提下，无线接入网整体功耗降低了 45.6%。

GPU 加速信道仿真缩短迭代周期

在铺设真实物理网络之前，评估成百上千台设备并发争抢信道或强干扰下的表现不可或缺。传统基于 CPU 的精确信道仿真往往需要耗费数小时，制约了方案选型的探索速度。

加泰罗尼亚电信技术中心 (CTTC) 将运行于 ACAR 上的 GPU 加速无线信道模型整合进开源 5G-LENA 网络仿真器中。评估结果表明，在保持既定统计特性和网络性能的前提下，仿真耗时从大约 3 小时大幅压缩至 10 到 20 分钟。

大幅提速的仿真流程使科研团队能够在更短时间内比对更多设计架构，推动 6G 关键技术从理论构想向实际工程验证快速落地。