對規劃 6G 與 AI-RAN 研究的團隊而言，NVIDIA AI Aerial 所呈現的價值，在於把演算法訓練、系統模擬、即時 RAN 執行與 OTA 測試串接為較完整的研發路徑。2024 年 NVIDIA 6G 開發者日聚焦 AI 原生網路、GPU 加速運算、RAN 數位孿生及訓練與測試平台。這些內容描述的是研發方向與工具架構，並非特定專案的部署成效；實際可行性仍須依站點、頻譜、時延目標、硬體組態及軟體版本驗證。
AI 原生 6G 面對的問題
來源指出，生成式 AI 與各類 AI 應用增加了語音、視訊、資料及 AI 流量，而邊緣 AI 應用對成本、能源、時延、可靠性、安全性與資料主權的要求並不相同。傳統以單一用途為主的網路架構，因而需要評估如何同時承載 RAN 與 AI 工作負載。
AI-RAN 被描述為走向 AI 原生基礎設施的技術路徑。其中，AI-With-RAN 包含 AI-on-RAN 與 AI-and-RAN，著重在軟體定義、統一且加速的基礎設施上動態執行 AI 和 RAN 工作負載；AI-For-RAN 則將 RAN 專用 AI 演算法部署於同一基礎設施，以改善 RAN 的運作與效能。對電信研發團隊而言，這代表評估重點不只在無線演算法，也在資源隔離、工作負載排程與營運模型。
NVIDIA AI Aerial 的研發組成
來源將 NVIDIA AI Aerial 定位為實作 AI-RAN 的平台，對應 6G 研發中的三個階段：建立 AI 模型、以大規模模擬測試及改善網路行為，以及部署和營運即時網路。
| 組成 | 來源描述的用途 |
|---|---|
| NVIDIA Aerial AI 無線電框架 | 用於開發及訓練 6G 演算法，可搭配 NVIDIA DGX 等資料中心級計算平台。 |
| NVIDIA Aerial Omniverse Digital Twin (AODT) | 用於大規模城市模擬、6G 演算法模擬與微調，可部署於 NVIDIA OVX 系統。 |
| NVIDIA Aerial CUDA Accelerated RAN | 電信級、GPU 加速的軟體定義 vRAN，來源提及其部署於 Aerial RAN Computer-1 平台。 |
採購或架構評估時，應先釐清團隊需要的是離線訓練、系統級模擬、即時 RAN 測試，還是完整串接流程。平台名稱本身不代表所有功能都包含於單一 SKU、BOM 或環境中；實際軟硬體相容性、授權範圍與部署條件，應查核具日期的官方產品文件及完整組態。
GPU 加速 RAN 的評估重點
來源將 GPU 加速描述為適合 6G AI-RAN 的運算方向，原因包括平行處理多個資料流、處理波束成形等複雜演算法、支援低時延即時工作負載，以及承載 AI 與 RAN 的多用途能力。NVIDIA Aerial CUDA Accelerated RAN 包含 cuPHY、cuMAC 與 pyAerial 等軟體定義 RAN 函式庫，並可於多種 GPU 加速計算組態執行。
不過，GPU 架構是否符合目標網路，不能僅以理論吞吐量判斷。來源也提到低、中、高密度系統跨 CPU、GPU 與 NIC 子系統的擴展策略，包括降低資料搬移、同步與執行額外負擔，提高並行與非同步處理，以及使用資源分割、優先順序與 QoS 工具。評估應以目標小區密度、PRB 負載、波束成形需求、端到端時延和故障情境進行專案測試。
數位孿生與 OTA 測試如何銜接
AODT 在來源中被用於建立 RAN 數位孿生，結合 5G/6G RAN、使用者設備與射頻訊號等實體世界要素，以及電磁引擎、地理空間資料、天線資料、移動模型和通道模擬器等數位模型。此方法可支援系統效能基準測試，以及探索以機器學習為基礎的無線通訊演算法。
對研發流程而言，數位孿生可在實地測試之前建立可重複的場景，但它不應取代 OTA 驗證。來源提及 ARC-OTA 可提供真實測試與效能基準，並指出研究團隊使用它縮小模擬與實際 OTA 間的差距。建議先定義場景資料、通道假設與評估指標，再以 OTA 結果回校模型；站點特定的 RF 條件、設備行為與實際干擾仍需現場量測確認。
從研究工具到驗證計畫
- 界定研究問題，例如通道估計、波束成形、頻譜感知、MAC 加速或語意通訊。
- 以 NVIDIA Aerial AI 無線電框架及相關工具建立訓練與模擬流程；來源提及 pyAerial、Aerial Data Lake 與 NVIDIA Sionna。
- 建立包含地理、天線、通道與使用者移動假設的數位孿生場景，保留每次模型與資料版本。
- 針對 CPU、GPU、NIC 資源配置、資料搬移、同步機制及 QoS 分割進行系統級測試。
- 透過 OTA 測試比對模擬與實際結果，依量測結果調整模型與演算法。
常見問題
NVIDIA AI Aerial 是否等同於已完成商用的 6G 網路？
不是。來源將 NVIDIA AI Aerial 描述為支援 AI-RAN 與 6G 研究、模擬、整合及基準測試的一組平台與工具。是否可用於特定商用網路、支援哪些功能，以及相應的部署條件，需依具日期的官方文件、完整 BOM 與專案驗證確認。
數位孿生能否直接證明現場 RAN 效能？
不能直接證明。數位孿生可用於建模、模擬和效能基準測試，但結果取決於射頻、地理、天線、通道及使用者行為等輸入假設。應以實際 OTA 測試和目標站點量測結果驗證，尤其是低時延與高負載情境。
結論
2024 年 NVIDIA 6G 開發者日顯示，AI 原生 6G 研發可由 AI 演算法、GPU 加速 RAN、RAN 數位孿生與 OTA 測試組成閉環。對技術決策者而言，重點是將平台能力對照具體研究目標與現場約束，並以可追溯的模擬、系統測試及 OTA 結果驗證，而非將活動中的技術方向視為既定部署成果。
圍繞「NVIDIA AI Aerial：從 2024 年 6G 開發者日看 AI-RAN 研發路徑」繼續瞭解 NVIDIA 產品與網路方案。
WeChat
Profile