英伟达开源工具的 5G/6G 下载量突破 100 万次

NVDA-1.92%

关键要点

  • 截至 2026 年 11 月 6 日,英伟达的开源 5G/6G 工具下载量已超过 100 万次,开发者对英伟达 AI Aerial 和英伟达 Sionna 的采用量每年增长 10 倍。
  • 全球超过 8,000 家研究机构和学术机构采用了英伟达的平台,用于开发融合连接、计算和感知能力的 AI 原生 6G 网络。
  • 英伟达 Sionna 将机器人任务完成时间缩短了 52.6%,英伟达 Aerial 实现了高达 60% 的上行吞吐量提升,英伟达 DGX Spark 将 RAN 功耗降低了 45.6%。

英伟达于 2026 年 11 月 6 日表示,其开源 5G/6G 工具的下载量已超过 100 万次。这一更新发布之际,开发者对 NVIDIA AI Aerial 和 NVIDIA Sionna 的采用率在过去一年增长了 10 倍。全球超过 8,000 家研究和学术机构正在使用这些平台,开发融合连接、计算和感知能力的 AI 原生 6G 网络。

NVIDIA Aerial 和 Sionna 推动 6G 研究应用

一年前,英伟达将其 Aerial 无线软件开源,并将其与 Sionna 及一系列更广泛的开源工具整合,用于加速下一代 6G 网络开发。这些工具为研究人员提供了基础,让他们能够测试想法、比较结果并在彼此的工作基础上继续探索,同时将仿真和 AI 训练与真实无线系统的空口实验相结合。

研究人员和开发者正在使用这些软件构建面向 6G 的网络,以改善信号接收,帮助机器人和自主系统保持连接,并在设备移动过程中实时调整。

NVIDIA Sionna 助力机器人更快完成任务

伦敦国王学院的研究人员将一只配备摄像头的机械臂连接到一台运行 NVIDIA Sionna 的 NVIDIA Jetson AGX Orin 上。该配置同时支持软件定义的 5G 网络功能和边缘 AI 处理。

研究人员探索了目标导向的语义通信:机器人不发送完整图像,而是传输对物体、物体位置及其相互关系的精简描述。在人为引入故障的水果装箱和方块堆叠实验中,与周期性发送图像相比,这种方法将机器人完成任务的时间最多缩短了 52.6%,并提高了任务成功率。

该系统还检测到了掉落的物体,从失败的操作中恢复;在使用数字孪生的配置中,还会在执行前检查计划中的移动是否可能发生碰撞。

NVIDIA Aerial 改善无线信号接收

SoftBank 将神经接收器集成到 NVIDIA Aerial CUDA-Accelerated RAN(ACAR)中,并使用商用 5G 智能手机进行测试。在存在干扰的受控测试中,神经接收器在所有 15 种测试设置下的上行链路吞吐量都高于传统接收器,最高提升约 60%。

苏黎世联邦理工学院的研究人员使用 NVIDIA Aerial Testbed 发现,与选定的预训练版本相比,使用本地测量数据调优神经接收器可将块错误率降低三分之一以上。这项研究针对的是无线环境中的干扰和无线电环境变化可能导致错误和重传的情况。

NVIDIA DGX Spark 支持低功耗网络运行

利兹大学的研究人员开发了一套系统,可提前 10 分钟预测网络需求,并利用这些预测来指导基站休眠决策。关闭基站电源前,系统会检查相邻的活动基站能否继续为受影响的设备提供服务,并监测是否出现需要恢复容量的变化。

研究团队使用一套由 NVIDIA DGX Spark 驱动的便携式 5G“盒中网络”测试了这一方法,并配合数字孪生系统,根据真实无线设备验证决策。研究人员报告称,与全功率基准相比,该系统将 RAN 功耗降低了 45.6%,同时保持了设备连接。

NVIDIA ACAR 加速 5G 网络仿真

加泰罗尼亚电信技术中心正在将运行于 ACAR 上的 GPU 加速无线信道模型引入 CTTC 的开源 5G-LENA 网络模拟器。这些模型用于计算无线信号在天线和设备之间的传播情况;随着模拟网络规模扩大,对计算能力的要求也会提高。

在早期评估中,该方法将仿真运行时间从约 3 小时缩短至 10-20 分钟,具体取决于集成方式,同时保持了预期的统计行为和网络性能。

NVIDIA 工具获全球研究机构采用

  • NVIDIA 的开源 5G/6G 工具下载量已超过 100 万次。
  • 过去一年,开发者对 NVIDIA AI Aerial 和 NVIDIA Sionna 的采用率增长了 10 倍。
  • 全球超过 8,000 家研究和学术机构正在使用这些平台。
  • 伦敦国王学院的方法将机器人完成任务的时间最多缩短了 52.6%。
  • 在 15 种测试设置下,SoftBank 的神经接收器实现了最高约 60% 的上行链路吞吐量提升。
  • 与选定的预训练版本相比,苏黎世联邦理工学院使用本地测量数据进行调优后,块错误率降低了三分之一以上。
  • 与全功率基准相比,利兹大学的系统报告称 RAN 功耗降低了 45.6%。
  • CTTC 的 GPU 加速仿真方法将运行时间从约 3 小时缩短至 10-20 分钟,具体取决于集成方式。
  • NVIDIA AI Aerial 和 NVIDIA Sionna 已在 GitHub 上开放使用。

常见问题

NVIDIA 的开源 5G/6G 工具有什么用途?

NVIDIA 的开源工具支持仿真、AI 训练以及真实无线系统的空口实验。研究人员正在使用这些工具开发能够改善信号接收、帮助机器人更快响应、管理网络功耗并在部署前评估设计的网络。

NVIDIA 的开源 5G/6G 工具有多少下载量?

英伟达表示,其开源 5G/6G 工具的下载量已超过 100 万次。全球超过 8,000 家研究和学术机构正在使用这些平台。

这些研究项目使用了哪些 NVIDIA 产品?

这些项目使用了 NVIDIA AI Aerial、NVIDIA Sionna、NVIDIA Jetson AGX Orin、NVIDIA Aerial CUDA-Accelerated RAN、NVIDIA Aerial Testbed 和 NVIDIA DGX Spark。研究还涉及数字孪生以及 CTTC 的开源 5G-LENA 网络模拟器。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论