NVIDIA Aerial และ Sionna เครื่องมือ 6G โอเพนซอร์ส ผลงานวิจัยล่าสุด

NVIDIA เผยเครื่องมือ 6G โอเพนซอร์สยอดดาวน์โหลดทะลุ 1 ล้าน งานวิจัยลดไฟสถานีฐานได้ 45.6% และเพิ่มอัปลิงก์ 60%

NVIDIA เผยเครื่องมือ 5G/6G โอเพนซอร์ส Aerial และ Sionna ยอดดาวน์โหลดเกิน 1 ล้าน ใช้ในสถาบันกว่า 8,000 แห่ง ผลวิจัยลดไฟสถานีฐาน 45.6% และเพิ่มความเร็วอัปลิงก์ราว 60%

เขียนโดยKOMCHAD 8 พ.ย. 2569 · 10:00 น.อ่าน 5 นาที

NVIDIA เผยแพร่บทความเมื่อ 6 พฤศจิกายน 2569 สรุปว่าเครื่องมือพัฒนาเครือข่าย 5G และ 6G แบบโอเพนซอร์สของบริษัท ได้แก่ NVIDIA Aerial และ NVIDIA Sionna มียอดดาวน์โหลดรวมเกิน 1 ล้านครั้ง นักพัฒนาทั่วโลกใช้งานเพิ่มขึ้น 10 เท่าในปีที่ผ่านมา และมีสถาบันวิจัยและการศึกษาใช้แล้วกว่า 8,000 แห่ง บทความยังยกตัวอย่างงานวิจัยจากมหาวิทยาลัยและผู้ให้บริการโทรคมนาคม เช่น การลดการใช้ไฟของสถานีฐานได้ 45.6% และการเพิ่มความเร็วอัปลิงก์ได้ราว 60% บนสมาร์ตโฟน 5G จริง

สารบัญ

NVIDIA Aerial และ Sionna คืออะไร
ผลงานวิจัยที่ NVIDIA ยกตัวอย่าง
neural receiver คืออะไร ทำไมสำคัญกับ 6G
ก้าวต่อไปของ NVIDIA ในวงการโทรคมนาคม
คำถามที่พบบ่อยเกี่ยวกับ เครื่องมือ 6G ของ NVIDIA

⚡ สรุปข่าวใน 30 วินาที

เครื่องมือ 5G/6G โอเพนซอร์สของ NVIDIA ดาวน์โหลดเกิน 1 ล้านครั้ง
นักพัฒนาใช้ AI Aerial และ Sionna เพิ่มขึ้น 10 เท่าใน 1 ปี
สถาบันวิจัยและการศึกษากว่า 8,000 แห่งใช้งาน
SoftBank ทดสอบ neural receiver เพิ่มอัปลิงก์ได้สูงสุดราว 60%
University of Leeds คาดการณ์ทราฟฟิกล่วงหน้า ลดไฟ RAN ได้ 45.6%

1 ล้าน+ยอดดาวน์โหลด

10 เท่าการใช้งานที่เพิ่มขึ้นใน 1 ปี

8,000+สถาบันที่ใช้งาน

45.6%ไฟ RAN ที่ลดได้ (Leeds)

NVIDIA Aerial และ Sionna คืออะไร

NVIDIA Aerial คือชุดเครื่องมือสำหรับสร้างเครือข่ายวิทยุที่ประมวลผลด้วย GPU ประกอบด้วย Aerial CUDA-Accelerated RAN (ACAR) และ Aerial Testbed สำหรับทดลองระบบจริง NVIDIA เปิดเป็นโอเพนซอร์สมาตั้งแต่ปีก่อน ส่วน NVIDIA Sionna ใช้จำลองช่องสัญญาณไร้สายและฝึกโมเดล AI สำหรับระบบสื่อสาร

นักวิจัยใช้เครื่องมือเหล่านี้ร่วมกับฮาร์ดแวร์อย่าง Jetson AGX Orin และ DGX Spark รวมถึงดิจิทัลทวินเพื่อทดสอบการตัดสินใจของเครือข่ายก่อนติดตั้งจริง ทั้งหมดดาวน์โหลดได้จาก GitHub

เครื่องมือ	ใช้ทำอะไร
Aerial CUDA-Accelerated RAN (ACAR)	ประมวลผลสัญญาณวิทยุของสถานีฐานบน GPU
Aerial Testbed	ทดสอบระบบเครือข่ายกับอุปกรณ์จริง
Sionna	จำลองช่องสัญญาณและฝึก AI สำหรับระบบสื่อสาร
Jetson AGX Orin / DGX Spark	ฮาร์ดแวร์สำหรับทดลองและพัฒนา
ดิจิทัลทวิน	จำลองเครือข่ายเพื่อยืนยันการตัดสินใจก่อนใช้งานจริง

ผลงานวิจัยที่ NVIDIA ยกตัวอย่าง

บทความรวบรวมงานวิจัยจากหลายประเทศที่ใช้เครื่องมือเหล่านี้ ทุกงานเน้นใช้ AI ทำให้เครือข่ายฉลาดขึ้น ประหยัดพลังงานขึ้น หรือส่งข้อมูลได้มากขึ้น

หน่วยงาน	งานวิจัย	ผลลัพธ์
King’s College London	สื่อสารแบบเน้นเป้าหมายสำหรับแขนกล	เวลาทำงานสำเร็จลดลงสูงสุด 52.6%
SoftBank	neural receiver ใน ACAR ทดสอบกับมือถือ 5G จริง	อัปลิงก์เพิ่มสูงสุดราว 60%
ETH Zurich	ปรับ neural receiver ด้วยข้อมูลวัดในพื้นที่	อัตราผิดพลาดของบล็อกข้อมูลลดลงกว่าหนึ่งในสาม
University of Leeds	คาดการณ์ความต้องการล่วงหน้า 10 นาทีเพื่อให้สถานีฐานพักเครื่อง	การใช้ไฟ RAN ลดลง 45.6%
CTTC (สเปน)	เร่งโมเดลช่องสัญญาณใน 5G-LENA ด้วย GPU	เวลาจำลองลดจากราว 3 ชั่วโมงเหลือ 10–20 นาที

งานของ University of Leeds น่าสนใจสำหรับผู้ให้บริการมือถือ เพราะค่าไฟของสถานีฐานเป็นต้นทุนก้อนใหญ่ การให้ AI คาดการณ์ปริมาณผู้ใช้ล่วงหน้าแล้วปิดบางส่วนของสถานีในช่วงที่คนใช้น้อย ช่วยลดไฟได้เกือบครึ่งเมื่อเทียบกับการเปิดเต็มกำลังตลอดเวลา

neural receiver คืออะไร ทำไมสำคัญกับ 6G

neural receiver คือการใช้โมเดล AI แทนบางขั้นตอนในการถอดรหัสสัญญาณวิทยุ ซึ่งเดิมใช้อัลกอริทึมที่ออกแบบด้วยมือ AI สามารถเรียนรู้สภาพสัญญาณจริงในแต่ละพื้นที่ จึงรับมือกับสัญญาณรบกวนและการสะท้อนได้ดีกว่า

ผลจาก SoftBank ที่ทดสอบกับสมาร์ตโฟน 5G เชิงพาณิชย์ และผลจาก ETH Zurich ที่ปรับโมเดลด้วยข้อมูลจริงในพื้นที่ แสดงว่าแนวคิดนี้เริ่มใช้ได้นอกห้องแล็บ วงการคาดว่า AI จะเป็นส่วนหลักของมาตรฐาน 6G ตั้งแต่ต้น ไม่ใช่แค่ส่วนเสริมแบบใน 5G

💡

6G ยังอยู่ระหว่างวิจัยและกำหนดมาตรฐาน ผลทดสอบเหล่านี้เป็นงานวิจัย ยังไม่ใช่บริการที่ผู้ใช้มือถือทั่วไปได้รับทันที

ก้าวต่อไปของ NVIDIA ในวงการโทรคมนาคม

NVIDIA ประกาศจัดเซสชันสำหรับนักพัฒนา 6G ในงาน NVIDIA GTC Washington, D.C. เพื่อขยายฐานนักวิจัย การเปิดเครื่องมือเป็นโอเพนซอร์สช่วยให้มหาวิทยาลัยและสตาร์ตอัปทดลองได้โดยไม่ต้องซื้ออุปกรณ์เครือข่ายราคาแพง และทำให้ NVIDIA มีบทบาทในการวางรากฐานเทคโนโลยี 6G