英伟达开源Aerial一年：5G/6G工具下载超百万，研究团队展示四类实验进展
英伟达称其AI Aerial与Sionna软件全球开发者采用量一年增长10倍，开源5G/6G工具累计下载超过100万次，逾8000家研究机构在使用。该公司博客介绍了伦敦国王学院、软银、苏黎世联邦理工、利兹大学和CTTC基于这些工具的实验结果。
AI解读：英伟达博客文章称，Aerial无线软件开源一年后，其AI Aerial与Sionna软件全球开发者采用量增长10倍，开源5G/6G工具下载量超过100万次，8000多家研究和学术机构在使用。上述数字来自英伟达自身，文中未给出统计口径或第三方验证。
文章介绍了四类研究项目：伦敦国王学院用目标导向语义通信让机械臂只传输物体描述，在水果装箱和堆方块实验中任务完成时间最多减少52.6%；软银在干扰条件下测试神经接收器，15个测试设置的上行吞吐量均高于传统接收器，最大提升约60%；苏黎世联邦理工用本地测量调优神经接收器，误块率降低超过三分之一；利兹大学用10分钟需求预测指导基站休眠，报告RAN功耗较全功率基线下降45.6%。
这些结果均为各研究团队在特定实验设置下的报告，涉及实验室机械臂、受控干扰测试、选定预训练模型对比或便携式5G设备加数字孪生验证，不能直接外推到商用网络的大规模部署效果。
CTTC将GPU加速的无线信道模型接入开源5G-LENA仿真器，早期评估中仿真运行时间从约3小时降至10至20分钟，具体取决于集成方式，同时保持预期的统计行为和网络性能。
英伟达博客文章称，其Aerial无线软件开源一年后，AI Aerial与Sionna软件的全球开发者采用量增长了10倍，开源5G/6G工具累计下载超过100万次，全球8000多家研究和学术机构正在使用这些平台。文章由Soma Velayutham撰写，数字均为英伟达自述。
文章用五个研究团队的实验说明这些工具的用途：把仿真、AI训练与真实无线系统实验连接起来。各项目结果由相应研究团队报告，实验条件和适用范围各不相同。
机器人用语义通信缩短任务时间
伦敦国王学院的研究人员将带摄像头的机械臂连接到运行英伟达Sionna的Jetson AGX Orin，该配置同时支持软件定义5G网络和边缘AI处理。研究采用目标导向语义通信：机器人不发送完整图像，而是传输物体、位置及其关系的紧凑描述。
在故意引入故障的水果装箱和堆方块实验中，该方法使机器人任务完成时间最多减少52.6%，任务成功率也高于定期发送图像的方式。文章称系统还能检测掉落物体、从失败动作中恢复，并在使用数字孪生时于执行前检查计划动作是否可能碰撞。
神经接收器在干扰测试中的吞吐量表现
软银将神经接收器集成到英伟达Aerial CUDA加速RAN（ACAR）中，并用商用5G智能手机测试。在受控干扰测试中，神经接收器在全部15个测试设置下的上行吞吐量都高于传统接收器，最大增益约60%。
苏黎世联邦理工的研究人员使用Aerial测试平台，用本地测量数据调优神经接收器，与选定的预训练版本相比，误块率降低超过三分之一。文章将这类改进与消防员接收无人机实时画面、救援队搜索失踪人员等场景联系起来，但未提供这些场景的现场测试数据。
基站休眠预测与仿真提速
利兹大学团队开发了一套预测未来10分钟网络需求的系统，用预测结果指导基站休眠决策。系统在断电前检查邻近活跃基站能否继续服务受影响设备，并监测需要恢复容量的变化。团队使用便携式、由DGX Spark驱动的5G“网络一体机”和数字孪生，在真实无线设备上验证决策。研究人员报告，相对全功率基线，RAN功耗降低45.6%，同时保持设备连接。
CTTC将运行在ACAR上的GPU加速无线信道模型接入其开源5G-LENA网络仿真器。早期评估显示，仿真运行时间从约3小时缩短到10至20分钟，具体取决于集成方式，同时保持预期的统计行为和网络性能。文章称更快的仿真可让团队比较更多设计，但未给出由此产生的设计数量或部署时间变化数据。