官方來源· NVIDIA AI Blog· 發布於 2026年11月6日

NVIDIA稱開源無線工具採用量年增十倍,研究涵蓋機器人、接收器與節能

NVIDIA表示,NVIDIA AI Aerial 與 NVIDIA Sionna 的全球開發者採用量在過去一年成長十倍,其開源 5G/6G 工具下載量已超過 100 萬次,全球有逾 8,000 個研究與學術機構使用這些平台。文章也列出多項研究成果,包括機械手臂任務時間縮短、上行吞吐量提升,以及無線接取網路耗電降低。

NVIDIA稱開源無線工具採用量年增十倍,研究涵蓋機器人、接收器與節能

完整報導

NVIDIA於2026年11月6日發布的文章回顧其開源無線工具的研究應用。公司表示,約在一年前將 Aerial 無線軟體開源;過去一年,NVIDIA AI Aerial 與 NVIDIA Sionna 的全球開發者採用量成長十倍,開源5G/6G工具下載量超過100萬次,全球使用這些平台的研究與學術機構則逾8,000個。2025年10月,NVIDIA曾宣布Aerial開源計畫,並介紹 Sionna Research Kit 與 Aerial Testbed 等研究工具。

文章列出數項實驗結果。在 King's College London,以 NVIDIA Sionna 支援的機械手臂實驗,與定期傳送影像相比,任務完成時間最多縮短52.6%,任務成功率也有所提升。SoftBank則將神經接收器整合至 NVIDIA Aerial CUDA-Accelerated RAN,搭配商用5G手機測試;在全部15種測試設定中,上行吞吐量均高於傳統接收器,最高增幅約60%。ETH Zurich研究人員也發現,以當地測量資料調校神經接收器後,區塊錯誤率較部分預訓練版本降低逾三分之一。

在網路能耗與模擬方面,University of Leeds團隊建立可提前10分鐘預測網路需求的系統,用以引導基地台休眠決策;團隊表示,在維持裝置連線的情況下,相較全功率基準,無線接取網路耗電降低45.6%。CTTC則把運行於 ACAR 的 GPU 加速無線電通道模型整合至開源5G-LENA網路模擬器;早期評估顯示,依整合方式不同,模擬時間從約3小時降至10至20分鐘。

NVIDIA表示,NVIDIA AI Aerial與NVIDIA Sionna可在GitHub取得;公司並邀請研究人員與開發者參加 NVIDIA GTC Washington, D.C. 的 6G Developer Sessions。這些案例從實體設備測試延伸到網路模擬,呈現研究工具如何支援不同層面的無線網路實驗。

為什麼值得注意

公布的採用與下載數字呈現工具的使用規模;各研究案例則提供機器人通訊、神經接收器、基地台能耗與模擬效率的具體指標,讓讀者能看到開源研究工具如何被用於不同的5G/6G開發問題。

來源證據

先看主要證據,再查看佐證來源與來源脈絡。

1 則

主要證據

1
  • 官方NVIDIA AI Blog文件原始來源

    How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks

    Soma Velayutham

    “A year ago, NVIDIA open sourced its Aerial wireless software, joining Sionna and a broader suite of open source tools for accelerating next-generation 6G network development. Together, they give researchers a foundation for testing ideas, comparing results and building on each other’s work — connecting simulation and AI training with experiments on real…”

推薦消息

根據品牌、主題與近期相關消息推薦

目前沒有更多推薦消息

官方原始聲明

查看官方原始來源