借助 NVIDIA 6G 開發者計劃加速無線通信的未來

6G 將首次實現電信網絡 AI 原生。為了開發 6G 技術，電信行業需要一種全新的研究方法。

隨著 6G 技術的出現，無線通信領域正處于重大變革的邊緣。6G 是即將推出的第六代無線網絡，有望提供超高性能的互連，即使在多樣化的移動性、超高密度和動態環境等嚴苛場景下也是如此。

6G 的主要驅動應用包括交付全球規模的生成式 AI 應用、智慧城市、智能工廠、無人駕駛飛行器、沉浸式通信服務和多維感知服務。

為了加速 6G 技術的發展，NVIDIA 推出了 NVIDIA 6G 開發者計劃。該計劃旨在普及對 AI/ML 工具、射頻模擬環境、加速計算基礎設施和全套軟件定義的端到端網絡功能的訪問。其目標是使 6G 無線研究人員能夠在新的水平上進行前沿研究，以便在 6G 的關鍵領域獲得早期的想法。

NVIDIA 6G 開發者計劃包括一個名為 NVIDIA Aerial Omniverse 數字孿生的系統級模擬平臺、一個完全軟件定義的無線接入網 (RAN) 平臺，以及一個與軟件定義的 RAN 平臺集成的 AI/ML 框架。

電信公司正致力于通過 6G 實現業務轉型

數十年來，全球電信行業一直采用收入固定的業務模式，同時增加了不斷升級其網絡所需的投資水平。如今，在技術創新、不斷變化的客戶偏好、監管壓力和競爭動態的推動下，該行業正在經歷快速轉型。

為消費者和企業提供語音、數據和視頻服務的網絡運營商在這種動態環境中面臨多項挑戰。其中一些挑戰包括：

• 傳統服務收入下降
• 增加用于網絡升級的資本支出
• 不斷變化的客戶期望和需求
• 監管不確定性和合規性成本

電信公司通過采用 AI 進行變革來應對這一現實。

這種向 AI 賦能電信的轉型始于以探索方式實現的 5G，但它將成為 6G 的主導主題。他們為 6G (尤其是 AN) 設想的服務和網絡架構將與每一層的 AI 原生智能截然不同。它將在云計算連續體上運行，可以運行 CU 和 DU 等網絡功能，以及生成式 AI 訓練和推理引擎等新的創收和節省成本功能。

有了這一策略，多年來對一次性定制硬件的固定投資將不再是電信運營商接受的現實。多租戶互聯計算基礎設施將運行生成式 AI 工作負載，而不是僅運行 RAN 工作負載作為成本中心的 RAN 硬件，從而節省成本并產生額外收入 (圖 2)。

借助 6G 用例釋放 AI 和生成式 AI 的強大功能

借助 6G，電信運營商計劃部署一套新的創收服務，不僅將無線電鏈路性能擴展到極限，而且還需要在所有地方使用 AI.表 1 列出了其中一些關鍵用例。

沉浸式擴展現實

擴展現實(XR) 是指結合物理和虛擬世界的一系列技術，例如增強現實、虛擬現實、混合現實和全息顯示。

XR 將提供沉浸式和交互式體驗，增強用戶的感知、認知和溝通。6G 將通過提供超高帶寬、超低延遲、超高可靠性和超寬覆蓋來實現 XR。

AI 和生成式 AI 對于 XR 至關重要，因為它能夠生成、處理和渲染逼真的動態內容，以及調整、個性化和優化用戶體驗。

觸覺互聯網

觸覺互聯網是指通過網絡傳輸觸覺和力反饋，從而實現對物體和環境的遠程物理交互和操作。

觸覺互聯網將支持遠程操作、遠程醫療、遠程教育、遠程呈現和觸覺娛樂等應用。6G 將通過提供超低延遲、超高可靠性、超高精度和超高安全性實現觸覺互聯網。

AI 對于觸覺互聯網至關重要，因為它能夠識別、預測和控制觸覺信號，以及協調、同步和優化網絡資源。

大規模智能物聯網

物聯網（物聯網）是指嵌入傳感器、制動器和連接的物理設備、車輛、建筑物和其他物體的網絡，使其能夠收集、交換數據并根據數據采取行動。

物聯網 (IoT) 將支持智慧城市、智慧家庭、智慧行業、智慧農業、智慧健康以及大規模和實時數字孿生等應用。6G 將通過提供大規模連接、大規模多樣性、大規模可擴展性和大規模智能來實現物聯網 (IoT)。

AI 對于 IoT over 6G 至關重要，因為它能夠分析、解釋和學習大量異構數據，包括傳感器數據 (例如來自激光雷達和雷達的激光點云)，以及物聯網系統的決策、自動化和自我組織。

高保真移動通信

高保真移動通信是指通過網絡傳輸高質量、高分辨率的音頻和視頻，從而在用戶之間實現豐富而自然的通信和協作。

高保真移動通信將支持電話會議、遠程辦公、遠程學習和社交網絡等應用。6G 將通過提供超高帶寬、超低延遲、超高可靠性和超高移動性實現高保真移動通信。

AI 和生成式 AI 對于高保真移動通信至關重要，因為它們能夠壓縮、增強和恢復音頻和視頻信號，以及適應、同步和優化網絡性能。

為何選擇 NVIDIA 6G 開發者計劃？

盡管 6G 技術具有革命性的潛力，但在研究和開發標準和技術以利用其功能和創建創新應用方面仍面臨重大挑戰。

6G 中的 RAN 將是 AI 原生的，其中許多新功能基于 AI/ML 算法。但是，以下因素阻礙了 6G 的開發和部署。

• AI/ML 中電信和 RAN 領域目前存在的知識差距
• 缺乏統一的 RF 和 AI/ML 平臺
• 在數據和知識共享領域，電信行業的傳統封閉生態系統

NVIDIA 6G 開發者計劃通過三個基于 Aerial 的平臺解決了這些差距：

• Aerial CUDA 加速 RAN
• NVIDIA Aerial Omniverse 數字孿生
• Sionna 神經無線電框架

Aerial CUDA 加速 RAN

NVIDIA Aerial CUDA Accelerated RAN 是一個用于構建商業級、軟件定義和云原生 6G 網絡的框架。它包含 GPU 加速的可互操作 PHY 和 MAC 層庫，可以輕松修改并使用 AI 組件無縫擴展。

Aerial RAN 是完全軟件定義和可編程的 RAN 軟件堆棧，它在通用計算上運行的軟件 (C++/CUDA) 中實現整個 RAN 協議層。與其他實現不同的是，其中部分代碼是在自定義硬件卡中實現的，這使研究人員難以使用 C++或 Python 對這些部分進行重新編程，而 Aerial RAN 軟件完全可使用 C++/CUDA 進行編程。

為了吸引數據科學家， NVIDIA 提供了對 RAN 堆棧中每個軟件處理塊的 Python API 訪問權限。這使得一批新的研究人員和數據科學家能夠研究 6G 研究課題，從而釋放出更高水平的創新潛力。

NVIDIA Aerial Omniverse 數字孿生

NVIDIA Aerial Omniverse 數字孿生是一個系統級模擬器，用于新一代無線系統的尖端 6G 研發，將光線追蹤通道應用到 NVIDIA Aerial RAN 的 PHY 和 MAC 層以及模擬 UE。

Aerial Omniverse 數字孿生是一個獨特的平臺，可在真實條件下對系統性能進行基準測試，并探索基于機器學習的無線通信算法。

Aerial Omniverse 數字孿生提供真實網絡的副本，其中包含逼真的 3D 地理數據，可用于創建具有適當材質屬性和準確物體幾何圖形的場景。這提供了使用確定性光線追蹤通道模型 (而非迄今為止電信領域使用的隨機通道模型) 模擬傳播模型的能力。

它還利用加速通用計算的強大功能，可以運行模擬軟件、實時渲染逼真場景，以及在同一云原生基礎設施上運行 AI/ML 訓練和推理算法。

Aerial Omniverse 數字孿生基于 NVIDIA Omniverse，適用于 UI、場景創建和實時逼真渲染功能。它具有

• 用于執行光線追蹤任務的內置電磁求解器 (EM 求解器)。
• 移動模型和天線陣列框架，可由無線網絡研究人員配置或自定義。
• 用于 RAN 仿真和 UE 仿真的 IRAN 組件，例如 PHY 和 MAC。

最重要的是，它提供了一個框架，用于收集 AI/ML 模型訓練的數據，以及在模擬設置的各個階段插入 AI/ML 模型。

Sionna 神經無線電框架

Sionna 神經無線電框架是一個 Python 編程框架，可用于 GPU 加速的物理層（PHY）、媒體接入控制層（MAC）和 CUDA 庫。它可以與大多數常見的機器學習庫以及 NVIDIA 的可微鏈路級模擬器 Sionna 進行交互。Sionna.

數據收集平臺支持在協議棧的任何位置提取訓練數據，并且能夠開發 AI/ML 模型并在快速開發和驗證周期內驗證這些模型。數據收集框架支持在行業標準 AI/ML 工作臺 (如 PyTorch 和 TensorFlow) 上訓練 AI/ML 模型。圖 5 展示了示例工作流程。

訪問 6G 開發者計劃

NVIDIA 6G 開發者計劃旨在彌合 6G 技術的前景與尖端 6G 應用的實際應用之間的差距，培養日益壯大的開發者社區，這些開發者可以率先為不同行業創建變革性解決方案。

注冊以訪問 NVIDIA 6G 開發者計劃，無線網絡研究人員可以使用該計劃提供的組件進行鏈路級或系統級研究。

這些組件是完全軟件定義的云就緒元素，可以在云中部署，而無需任何特殊的硬件設置。如果研究團隊想要執行硬件級別的測試和驗證，則可以在本地部署硬件設置。

總結

NVIDIA 6G 開發者計劃實現了 6G 研究的大眾化。這是一項激動人心的計劃，旨在加速 6G 技術及其應用的開發。通過為開發者和研究人員提供所需的工具、資源和支持， NVIDIA 正在幫助塑造無線通信的未來。

詳細了解 Aerial 并注冊 NVIDIA 6G 開發者計劃。

?