2024 年 NVIDIA 6G 開發者日讓 6G 研發社區成員共聚一堂 ，分享見解，並學習使用 NVIDIA 6G 研究工具的新方式。來自世界各地的 1,300 多名學術和行業研究人員參加了此次虛擬活動。會上，NVIDIA、ETH Zürich、Keysight、Northeastern University、Samsung、Softbank 和 University of Oulu 發表了演講。本文將探討本次活動的五個要點。
預計 6G 將駕 AI 浪潮，為消費者和企業釋放新的潛力，並改變電信基礎設施。這是 NVIDIA 高級副總裁 Ronnie Vasishta 發表的主題演講 的關鍵資訊。隨著生成式 AI 和 AI 應用的採用率迅速增長，AI 增強型端點正在進行交互並在移動中做出決策，從而在電信網路上產生大量語音、視訊、資料和 AI 流量。
AI 流量由邊緣的 AI 應用生成，需要不同級別的成本經濟性、能源經濟性、延遲、可靠性、安全性和資料主權，這為電信基礎設施帶來了新的機遇和挑戰。這需要設計和構建原生 AI 的底層基礎設施，利用原生 AI 功能並支援 AI 流量。
主題演講揭示了 AI-native 6G 基礎設施的戰略和技術驅動力。電信公司希望通過提高頻譜效率、吞吐量和容量，更大限度地提高基礎設施效率。同樣，電信公司尋求通過更好的貨幣化、引入新功能的靈活性以及對 RAN 流量增長和新服務的支援來更大限度地提高投資回報。
AI-RAN 通過 AI-With-RAN 和 AI-For-RAN 實施提供了實現 AI 原生基礎設施優勢的途徑 (圖 1)。AI-With-RAN 包含 AI-RAN 聯盟所說的 AI-on-RAN 和 AI-and-RAN。它使電信公司能夠從單一用途網路轉向多用途網路，這些網路可以在軟體定義、統一和加速的基礎設施上動態運行 AI 和 RAN 工作負載。
借助 AI-For-RAN，RAN 特定的 AI 算法部署在同一基礎架構上，以推動 RAN 的性能和改進。AI-RAN 將徹底改變電信行業，使電信公司能夠挖掘新的收入來源，並通過生成式 AI、機器人和自動化工具提供增強的體驗。
2. AI-RAN 為物理世界的三個計算機問題建模
AI-RAN 是構建 AI 原生 6G 的技術框架，也是一個很好的模型，可以說明 AI 是物理世界開發、仿真和部署解決方案不可或缺的一部分。這與經典的三個計算機問題一致：
使用海量資料創建 AI 模型
通過大規模模擬測試和改進網路行為，尤其是針對特定站點的資料
部署和運營實時網路
對於 6G，這意味著創建和開發適用於 6G 的 AI 模型；仿真、建模和改進 AI 原生 6G；以及部署和運行 AI 原生 6G。
在關於使用 NVIDIA AI Aerial 平台發明 6G 的會議上，NVIDIA AI Aerial 作為實施 AI-RAN 的平台，並包含解決三個計算機問題的三個組件：
用於開發和訓練 6G 算法的 NVIDIA Aerial AI 無線電框架 。這適用於 NVIDIA DGX 等資料中心級計算平台 。
NVIDIA Aerial Omniverse 數字孿生 (AODT) 具有準確的物理屬性和高保真度，適用於大規模城市仿真。它用於仿真和微調 6G 算法，並部署在 NVIDIA OVX 系統上 。
NVIDIA Aerial CUDA Accelerated RAN 是電信級 GPU 加速的軟體定義 vRAN ， 部署在 Aerial RAN Computer-1 平台上 。
NVIDIA AI Aerial 為算法開發、系統級集成和基準測試以及生產級集成和基準測試提供了一套工具。這些工具專為 5G 推出，涵蓋 5G 先進技術，引領 6G 發展。
3. 基於 GPU 的加速計算非常適合部署 6G
6G AI-RAN 將延續從 5G 到在 COTS 基礎設施上運行軟體定義的高性能 RAN 的趨勢。它還將完全採用 AI 原生，基於 O-RAN，具有硬體/軟體分解和多用途的性質，以支援 AI 和 RAN 工作負載。有了這些，我們越來越清楚，部署 6G AI-RAN 的計算機將需要新的方法來實現電信公司的新機遇並應對 vRAN 基帶挑戰。
在滿足這些行業需求的所有競爭解決方案中，GPU 加速成為部署 6G 的最佳計算機平台的主要原因有三個，這在關於低延遲 RAN 計算的 CUDA/GPU 系統的會議中有所解釋 。具體來說，GPU：
提供極高的吞吐量，以處理繁忙的交通。之所以能夠做到這一點，是因為得益於並行計算，GPU 擅長同時管理多個資料流、更好地利用多個物理資源塊 (PRBs) 並處理波束成形等任務的複雜算法。
高效運行低延遲的實時關鍵工作負載。GPU SIMT（單指令多線程）架構針對線性代數運算進行了優化。借助額外的 CUDA 功能，這使得軟體定義的數字信號處理計算機器能夠高效運行物理層工作負載。
憑借其成熟的 AI 工作負載適應性，非常適合用於 AI 和 RAN 的多用途平台。這使得 AI-RAN 在提供盈利性 AI-RAN 方面表現顯著，並提供了一個可持續提供 Gbps/瓦能效的平台。 有關 2024 年 11 月 Softbank 公告的更多詳細資訊，請參閱 AI-RAN Goes Live 和 Unlocks a New AI Opportunity for Telcos。
在 Aerial RAN Computer-1 上運行的 NVIDIA Aerial CUDA Accelerated RAN 為 6G AI-RAN 提供了基於 GPU 的高性能和可擴展解決方案。它包含一組經過優化的軟體定義 RAN 庫 (cuPHY、cuMAC、pyAerial)，可在多個 GPU 加速計算配置上運行。
圖 3 顯示了跨 CPU、GPU 和 NIC 子系統將此類系統從低密度擴展到中密度和高密度配置所需的不同策略。它重點介紹了以下策略：最大限度地減少資料移動、同步和執行開銷；最大限度地提高併發和異步；用於優化、流水線、優先級和 QoS 資源分區的工具。
4. 數字孿生將成為 6G AI-RAN 不可或缺的一部分
在 2024 年 NVIDIA GTC 大會上，NVIDIA 首席執行官 Jensen Huang 先生在主題演講中表示：「我們相信，所有製造業都將擁有數字孿生。」這在許多工業領域正日益成為現實。在電信領域，6G 將是率先作為數字孿生創建和模擬的蜂窩技術。這將在 6G RAN 產品的設計、部署和運營階段之間形成一個連續統一體。
關於 構建 RAN 數字孿生 的會議探討了如何使用 NVIDIA Aerial Omniverse Digital Twin (AODT) 構建 RAN 數字孿生，以及這如何為 6G 實現新的 AI 技術和算法 (圖 4)。AODT 是面向 5G/6G 的新一代系統級仿真平台。 它基於 NVIDIA Omniverse 平台的豐富內容，並從中受益。此外， 在 6G 開發者聚焦會議 1 中 ，Keysight 展示了他們如何將 AODT 用作其 RF Raytracing Digital Twin Solution 的一部分。
兩場會議都展示了如何結合物理世界 (包括 5G/6G RAN、用戶設備和射頻信號) 和數字孿生世界 (包括電磁引擎、用戶設備的移動模型、地理空間資料、天線資料和信道仿真器) 的各個方面來創建和模擬 RAN 數字孿生。如此一來，RAN 數字孿生便成為了一款工具，用於在真實環境中對系統性能進行基準測試，並探索基於機器學習的無線通信算法。
圖 4、通過 NVIDIA Aerial Omniverse 數字孿生創建場景
5. 該行業需要為 6G AI-RAN 提供 AI 訓練平台
隨著 AI 成為 6G 設計和開發不可或缺的一部分，該行業對訓練平台和測試平台的需求變得尤為重要。這樣的平台和測試平台提供了將 6G AI/ML 從仿真變為現實的機會。原生 AI 的持續研究領域包括波形學習、MAC 加速、站點特定優化、波束賦形、頻譜感知和語義通信。
面向 6G 的 AI 和無線電框架 會議探討了如何使用 AI 和無線電框架進行 6G 研發，以及 NVIDIA Aerial AI 無線電框架及其工具 pyAerial 、Aerial Data Lake 和 NVIDIA Sionna。
pyAerial 是一個物理層組件的 Python 庫，可作為工作流的一部分，將設計從模擬變為實時操作。它為物理層管道中的神經網路集成提供端到端驗證，並有助於彌合從 TensorFlow 和 PyTorch 中的訓練和模擬到實時操作在一個無線測試平台之間的差距。
Aerial Data Lake 是一個資料捕獲平台，支援從基於 Aerial CUDA 加速 RAN 的 vRAN 網路中捕獲 OTA 射頻 (RF) 資料。它由在基站分布式單元上運行的資料捕獲應用、應用收集的樣本資料庫以及用於訪問資料庫的 API 組成。
Sionna 是一個 GPU 加速的開源庫，用於鏈結級模擬。它支援複雜通信系統架構的快速原型設計，並為在 6G 信號處理中集成機器學習提供原生支援。
關於 設置 6G 研究測試平台 的會議探討了如何設置 6G 研究測試平台，以加速創新、推動標準化，並利用 NVIDIA Aerial RAN CoLab (ARC-OTA) 提供真實的測試和性能基準測試。
在 6G 開發者聚焦會議 1 和 6G 開發者聚焦會議 2 中，Softbank、Samsung、University of Oulu、Northeastern University (NEU) 和 ETH Zurich 展示了他們如何使用 NVIDIA AI 和 radio 框架以及 ARC-OTA 來加速其 6G 研究 (表 1)。最常見的情況是，這些研究小組介紹了他們如何使用 AI 來解決複雜且具有挑戰性的信道估計問題，以及他們如何使用 ARC-OTA 來縮小仿真與現實 OTA 之間的「現實差距」。
WeChat
Profile