NVIDIA 表示，其开源 5G 及 6G 工具下载量已突破 100 万次，全球逾 8,000 间研究机构及院校正在使用。公司于 2026 年 11 月 6 日公布有关数字，并介绍四个研究项目，说明这些软件的实际用途。

一年前，NVIDIA 开放了 Aerial 无线软件的源代码，与 Sionna 及其他开源工具一起，支持 6G 开发。NVIDIA 指，过去一年开发者对 Aerial 及 Sionna 的采用量增长了 10 倍。

网络能否令机器人反应更快？

在 King’s College London，研究人员把配备镜头的机械臂连接到运行 Sionna 的 NVIDIA Jetson AGX Orin，该平台同时处理软件定义的 5G 网络及边缘运算。机器人不再传送完整影像，而是传送物件、位置及相互关系的精简描述。

在刻意加入故障的装箱水果及叠方块测试中，据 NVIDIA 表示，这做法令任务完成时间最多缩短 52.6%，成功率亦高于定期传送影像的方式。系统还能侦测掉落的物件、从失败动作中恢复，并可配合数码孪生，在执行前检查动作是否会碰撞。

接收器能否更好地解码微弱讯号？

SoftBank 把神经网络接收器整合到 NVIDIA Aerial CUDA-Accelerated RAN（ACAR），并以市面上的 5G 手机测试。在有干扰的受控测试中，该接收器在全部 15 项测试设置下的上行吞吐量均高于传统接收器，最大增幅约 60%。

ETH Zurich 研究人员利用 NVIDIA Aerial Testbed，以本地量测数据调校神经网络接收器，区块错误率比部分预训练版本降低超过三分之一。

网络能否在不断线的情况下节能？

University of Leeds 团队开发了一套系统，可预测未来 10 分钟的网络需求，并据此决定哪些基站可以休眠。关闭基站前，系统会确认邻近运作中的基站仍能服务受影响的装置，并监察是否有需要恢复容量的变化。

团队使用由 NVIDIA DGX Spark 驱动的便携式 5G“网络箱”及数码孪生，以真实无线设备验证决策。研究人员报告，与全功率基线相比，RAN 耗电量减少 45.6%，同时保持装置连线。

网络模拟能否更快？

Centre Tecnològic de Telecomunicacions de Catalunya（CTTC）把运行于 ACAR 的 GPU 加速无线电信道模型，引入其开源 5G-LENA 网络模拟器。在初步评估中，模拟时间由大约三小时缩短至 10 至 20 分钟，视乎整合方式而定，同时保持预期的统计行为及网络表现。

这些开源工具包含甚么？

NVIDIA 较早前的公告指出，Aerial 包括 Aerial CUDA-Accelerated RAN、Aerial Omniverse Digital Twin 及全新的 Aerial Framework，在 GitHub 以 Apache 2.0 授权发布。当时 Sionna 的下载量已超过 200,000 次。NVIDIA 表示 Aerial 及 Sionna 均可在 GitHub 取得。

价格

NVIDIA 在这篇文章中没有列出价格。软件被描述为开源并可在 GitHub 取得，较早前的 Aerial 公告提及 Apache 2.0 授权。实验中使用的硬件，例如 Jetson AGX Orin 及 DGX Spark，两份资料均没有标示价格。

适合哪些人？

大学及实验室研究人员可重用这些工具测试想法、比较结果，并在彼此成果上延伸，因为 Aerial 及 Sionna 把模拟与真实空中无线系统的实验连接起来。

机器人及自动化团队可参考 King’s College London 的研究，了解无线连接如何影响反应时间。

网络营运商及设备制造商可把 SoftBank、Leeds 及 CTTC 的结果视为接收、耗电及设计测试方面的初步证据，不过全部均属研究或受控测试。

无线工程的学生及爱好者可从开源代码入手，但部分环节需要合适的硬件。

仍未清楚的事

文章报告的是研究成果及初步评估，并非商用部署。文章没有说明这些技术何时会用于实际的 6G 网络，数字亦来自各团队在所述条件下的测试。

想了解代码，可前往 GitHub 浏览 NVIDIA Aerial 及 Sionna 的代码库。NVIDIA 亦表示，GTC Washington, D.C. 将设有 6G 开发者环节，展示更多研究项目。