英伟达开源5G/6G工具下载破百万，八千多家机构用它做6G实测

英伟达在11月6日的官方博客中给出了一组开源无线软件的进展数据：过去一年，NVIDIA AI Aerial 与 NVIDIA Sionna 的全球开发者采用规模增长了10倍，其开源5G/6G工具累计下载量突破100万次，已有超过8000家研究与学术机构在使用这些平台。这个时间点距英伟达把 Aerial 无线软件开源恰好一年，Sionna 与配套工具此前也已陆续开放。

这套工具想解决的是同一个问题：让研究者能在仿真、AI训练和真实的空口实验之间来回验证，而不是各做一段、彼此对不上。英伟达把目标描述为AI原生的6G网络，即连接、计算与感知收敛到同一个软件定义的平台上，服务对象从人扩展到机器与智能体。

第一个案例来自伦敦国王学院。研究者把带摄像头的机械臂接到运行 Sionna 的 Jetson AGX Orin 上，让这套系统同时承担软件定义5G链路与边缘AI推理。他们采用的是目标导向语义通信的思路：机器人不再回传完整图像，而是发送关于物体、位置和相互关系的紧凑描述，只传刚刚够用的信息。

在水果分拣和方块堆叠实验中，研究团队故意注入故障，结果显示任务完成时间最多缩短52.6%，任务成功率也优于周期性发送整幅图像的方案。系统还能识别掉落的物体、从失败动作中恢复，并在接入数字孪生时预先检查计划动作是否会碰撞。

第二个方向是接收端。软银把神经接收机集成进 NVIDIA Aerial CUDA-Accelerated RAN（ACAR），并用一部商用5G手机做了测试。在有干扰的受控测试中，神经接收机在全部15个测试设置下的上行吞吐都高于传统接收机，最大增益约为60%。苏黎世联邦理工则用 Aerial Testbed 验证了另一条路：以本地测量数据微调神经接收机，可将误块率在所选预训练版本的基础上降低三分之一以上。

能耗方面，利兹大学团队做了一个能提前10分钟预测网络需求的系统，用预测结果决定基站何时休眠；休眠之前，系统会确认邻近基站仍能服务受影响的设备，并持续监测需要恢复容量的变化。测试环境是一套由 DGX Spark 驱动的便携式5G network-in-a-box 加数字孪生，结果是无线接入网功耗相对满功率基线下降45.6%，同时保持设备连接。

仿真环节也有进展。加泰罗尼亚电信技术中心（CTTC）把运行在 ACAR 上的GPU加速无线信道模型接入其开源5G-LENA仿真器，早期评估显示仿真时长从约3小时降到10至20分钟，同时保持了预期的统计特性与网络性能。信道计算是随网络规模增长最快的那部分开销，缩短它意味着研究者能在同样时间里比较高得多的设计方案。

这些案例都还是研究阶段的结果，离商用6G标准与规模部署还有距离，但它们说明开源工具链正在把论文里的想法推到可复现的实测环节。英伟达表示，将在华盛顿特区的 GTC 上设置6G开发者专场，展示更多此类工作。