NVIDIA 表示，其開源 5G 及 6G 工具下載量已突破 100 萬次，全球逾 8,000 間研究機構及院校正在使用。公司於 2026 年 11 月 6 日公佈有關數字，並介紹四個研究項目，說明這些軟件的實際用途。

一年前，NVIDIA 開放了 Aerial 無線軟件的源代碼，與 Sionna 及其他開源工具一起，支援 6G 開發。NVIDIA 指，過去一年開發者對 Aerial 及 Sionna 的採用量增長了 10 倍。

網絡能否令機械人反應更快？

在 King’s College London，研究人員把配備鏡頭的機械臂連接到運行 Sionna 的 NVIDIA Jetson AGX Orin，該平台同時處理軟件定義的 5G 網絡及邊緣運算。機械人不再傳送完整影像，而是傳送物件、位置及相互關係的精簡描述。

在刻意加入故障的裝箱水果及疊方塊測試中，據 NVIDIA 表示，這做法令任務完成時間最多縮短 52.6%，成功率亦高於定期傳送影像的方式。系統還能偵測掉落的物件、從失敗動作中恢復，並可配合數碼孿生，在執行前檢查動作是否會碰撞。

接收器能否更好地解碼微弱訊號？

SoftBank 把神經網絡接收器整合到 NVIDIA Aerial CUDA-Accelerated RAN（ACAR），並以市面上的 5G 手機測試。在有干擾的受控測試中，該接收器在全部 15 項測試設定下的上行吞吐量均高於傳統接收器，最大增幅約 60%。

ETH Zurich 研究人員利用 NVIDIA Aerial Testbed，以本地量測數據調校神經網絡接收器，區塊錯誤率比部分預訓練版本降低超過三分之一。

網絡能否在不斷線的情況下節能？

University of Leeds 團隊開發了一套系統，可預測未來 10 分鐘的網絡需求，並據此決定哪些基站可以休眠。關閉基站前，系統會確認鄰近運作中的基站仍能服務受影響的裝置，並監察是否有需要恢復容量的變化。

團隊使用由 NVIDIA DGX Spark 驅動的便攜式 5G「網絡箱」及數碼孿生，以真實無線設備驗證決策。研究人員報告，與全功率基線相比，RAN 耗電量減少 45.6%，同時保持裝置連線。

網絡模擬能否更快？

Centre Tecnològic de Telecomunicacions de Catalunya（CTTC）把運行於 ACAR 的 GPU 加速無線電信道模型，引入其開源 5G-LENA 網絡模擬器。在初步評估中，模擬時間由大約三小時縮短至 10 至 20 分鐘，視乎整合方式而定，同時保持預期的統計行為及網絡表現。

這些開源工具包含甚麼？

NVIDIA 較早前的公告指出，Aerial 包括 Aerial CUDA-Accelerated RAN、Aerial Omniverse Digital Twin 及全新的 Aerial Framework，在 GitHub 以 Apache 2.0 授權發佈。當時 Sionna 的下載量已超過 200,000 次。NVIDIA 表示 Aerial 及 Sionna 均可在 GitHub 取得。

價格

NVIDIA 在這篇文章中沒有列出價格。軟件被描述為開源並可在 GitHub 取得，較早前的 Aerial 公告提及 Apache 2.0 授權。實驗中使用的硬件，例如 Jetson AGX Orin 及 DGX Spark，兩份資料均沒有標示價格。

適合哪些人？

大學及實驗室研究人員可重用這些工具測試想法、比較結果，並在彼此成果上延伸，因為 Aerial 及 Sionna 把模擬與真實空中無線系統的實驗連接起來。

機械人及自動化團隊可參考 King’s College London 的研究，了解無線連接如何影響反應時間。

網絡營運商及設備製造商可把 SoftBank、Leeds 及 CTTC 的結果視為接收、耗電及設計測試方面的初步證據，不過全部均屬研究或受控測試。

無線工程的學生及愛好者可從開源代碼入手，但部分環節需要合適的硬件。

仍未清楚的事

文章報告的是研究成果及初步評估，並非商用部署。文章沒有說明這些技術何時會用於實際的 6G 網絡，數字亦來自各團隊在所述條件下的測試。

想了解代碼，可前往 GitHub 瀏覽 NVIDIA Aerial 及 Sionna 的代碼庫。NVIDIA 亦表示，GTC Washington, D.C. 將設有 6G 開發者環節，展示更多研究項目。