NVIDIA 在 2026 年 11 月 6 日表示，其開源 5G、6G 工具下載量已突破 100 萬；AI Aerial 與 Sionna 的全球開發者採用率在過去一年成長十倍，超過 8,000 所研究與學術機構正在使用相關平台。1 這些數字顯示研究社群對 NVIDIA 無線技術工具的興趣增加，但它們是公司公布的採用數據，不是獨立效能基準，也不能證明電信商規模的 6G 網路已準備好商用。

下載量與研究成果，代表什麼？

NVIDIA 的公告同時談到軟體採用情況，以及研究團隊運用工具進行的實驗。兩者需要分開看：下載量和機構使用情況能反映工具的觸及範圍，卻不能單憑這些數字判斷網路效能，更無法證明系統已適合正式營運。1

NVIDIA 表示，Aerial 無線軟體約在一年前開源。9 其 2025 年 10 月公告提到將開放 Aerial 軟體；Aerial CUDA-Accelerated RAN 專案則已在 GitHub 上以 Apache 2.0 授權提供。363538 這些資料支持大致的開放時程，但不足以證明公告中提到的每個元件都在同一時間、以相同條件全面開源。

開源工具能做什麼？哪些部分仍有限制？

Aerial CUDA-Accelerated RAN 包含多個針對 GPU 最佳化的無線處理函式庫，例如 cuPHY、cuMAC 和 pyAerial。NVIDIA 文件將 cuPHY 描述為 GPU 加速的 5G 實體層函式庫，cuMAC 則是加速的 MAC 排程器；簡單來說，這些工具涵蓋無線訊號處理與資源排程等工作。29 pyAerial 範例則包括 GPU 加速的 5G 訊號處理和機器學習實驗，也展示了模擬上行鏈路處理流程的做法。27

NVIDIA 將 Aerial 和 Sionna 定位為建置、訓練與模擬 AI 原生無線網路的工具。Sionna 提供 5G、6G 研究所需的無線電波傳播與網路模擬功能。31 不過，整套軟體的存取方式並不完全一致：NVIDIA 表示，包含 Omniverse Digital Twin 用戶端在內的 Aerial 軟體可在 GitHub 取得，但完整的 AODT 軟體則透過 NVIDIA 6G Developer Program 提供。31 因此，「開源」不應被理解為所有數位孿生元件都能不受條件限制地免費使用。

幾項研究展示，各自測試了什麼？

這些展示探討的研究問題並不相同，不能把結果視為同一項「6G 效能」指標。

• **倫敦國王學院的機器人通訊：**研究人員將配備攝影機的機械手臂連接至執行 Sionna 的 Jetson AGX Orin，傳送物件的語意描述，而非完整影像。NVIDIA 表示，在刻意加入故障的水果包裝與方塊堆疊測試中，任務完成時間最多縮短 52.6%。624 這是特定機器人任務的結果，不代表一般網路速度提升 52.6%。
• **SoftBank 的神經接收器測試：**NVIDIA 的研究資訊稱，在 15 種受干擾的測試情境中，神經接收器的上行吞吐量都高於傳統接收器，最高增幅約 60%。24 這是受控測試中的結果，不能直接推論到其他裝置、網路或實際環境。
• **加快網路模擬：**NVIDIA 研究彙整的摘要指出，GPU 加速通道模型將一次 5G-LENA 模擬從約 3 小時縮短至 10 至 20 分鐘。17 這是模擬執行時間的報告結果，不代表實際營運中的網路速度變快或耗電減少。

這些例子展示了工具如何支援機器人、無線接收與網路模擬研究。但現有資料沒有提供所有合作研究一致且完整的實驗細節，因此很難在相同條件下比較各項成果。

為什麼不能把這些數字當成 6G 就緒證明？

公告中的下載量、採用情況與效能成果，來自 NVIDIA 本身或轉述 NVIDIA 資訊的報導。13 應將它們視為公司公布的數字。研究展示可能具有參考價值，但不會因此自動成為獨立、標準化的效能基準。

要公平比較，還需要知道測試所用硬體與工作負載、比較基準、重複測試結果，以及是否有獨立團隊重現成果。機器人任務時間、接收器吞吐量、能源使用量和模擬執行時間測量的是不同結果，不能加總成一個總體的 6G 評分。

NVIDIA 的布局可能帶來什麼影響？

NVIDIA 的無線函式庫是為在 NVIDIA GPU 上執行 5G 基地台工作負載而設計。29 從策略角度看，若更多軟體開放給研究者使用，可能促使研究人員在這套 GPU 環境中累積程式碼與技術經驗。但研究領域使用增加，並不足以證明 NVIDIA 硬體將主導商用 6G，或取代既有設備商。

真正的考驗在於，使用這些工具建置的系統能否符合電信商對可靠性、互通性、資安、能源效率與大規模運作的要求。目前公布的採用數字和研究展示，還沒有回答這些問題。它們顯示 NVIDIA 的工具正被用於無線研究，卻不能證明商用 6G 部署已成定局，也無法保證特定廠商未來的市場地位。

NVIDIA 在 2026 年 11 月 6 日表示，其開源 5G、6G 工具下載量已突破 100 萬；AI Aerial 與 Sionna 的全球開發者採用率在過去一年成長十倍，超過 8,000 所研究與學術機構正在使用相關平台。1 這些數字顯示研究社群對 NVIDIA 無線技術工具的興趣增加，但它們是公司公布的採用數據，不是獨立效能基準，也不能證明電信商規模的 6G 網路已準備好商用。

下載量與研究成果，代表什麼？

NVIDIA 的公告同時談到軟體採用情況，以及研究團隊運用工具進行的實驗。兩者需要分開看：下載量和機構使用情況能反映工具的觸及範圍，卻不能單憑這些數字判斷網路效能，更無法證明系統已適合正式營運。1

NVIDIA 表示，Aerial 無線軟體約在一年前開源。9 其 2025 年 10 月公告提到將開放 Aerial 軟體；Aerial CUDA-Accelerated RAN 專案則已在 GitHub 上以 Apache 2.0 授權提供。363538 這些資料支持大致的開放時程，但不足以證明公告中提到的每個元件都在同一時間、以相同條件全面開源。

開源工具能做什麼？哪些部分仍有限制？

Aerial CUDA-Accelerated RAN 包含多個針對 GPU 最佳化的無線處理函式庫，例如 cuPHY、cuMAC 和 pyAerial。NVIDIA 文件將 cuPHY 描述為 GPU 加速的 5G 實體層函式庫，cuMAC 則是加速的 MAC 排程器；簡單來說，這些工具涵蓋無線訊號處理與資源排程等工作。29 pyAerial 範例則包括 GPU 加速的 5G 訊號處理和機器學習實驗，也展示了模擬上行鏈路處理流程的做法。27

NVIDIA 將 Aerial 和 Sionna 定位為建置、訓練與模擬 AI 原生無線網路的工具。Sionna 提供 5G、6G 研究所需的無線電波傳播與網路模擬功能。31 不過，整套軟體的存取方式並不完全一致：NVIDIA 表示，包含 Omniverse Digital Twin 用戶端在內的 Aerial 軟體可在 GitHub 取得，但完整的 AODT 軟體則透過 NVIDIA 6G Developer Program 提供。31 因此，「開源」不應被理解為所有數位孿生元件都能不受條件限制地免費使用。

幾項研究展示，各自測試了什麼？

這些展示探討的研究問題並不相同，不能把結果視為同一項「6G 效能」指標。

• **倫敦國王學院的機器人通訊：**研究人員將配備攝影機的機械手臂連接至執行 Sionna 的 Jetson AGX Orin，傳送物件的語意描述，而非完整影像。NVIDIA 表示，在刻意加入故障的水果包裝與方塊堆疊測試中，任務完成時間最多縮短 52.6%。624 這是特定機器人任務的結果，不代表一般網路速度提升 52.6%。
• **SoftBank 的神經接收器測試：**NVIDIA 的研究資訊稱，在 15 種受干擾的測試情境中，神經接收器的上行吞吐量都高於傳統接收器，最高增幅約 60%。24 這是受控測試中的結果，不能直接推論到其他裝置、網路或實際環境。
• **加快網路模擬：**NVIDIA 研究彙整的摘要指出，GPU 加速通道模型將一次 5G-LENA 模擬從約 3 小時縮短至 10 至 20 分鐘。17 這是模擬執行時間的報告結果，不代表實際營運中的網路速度變快或耗電減少。

這些例子展示了工具如何支援機器人、無線接收與網路模擬研究。但現有資料沒有提供所有合作研究一致且完整的實驗細節，因此很難在相同條件下比較各項成果。

為什麼不能把這些數字當成 6G 就緒證明？

公告中的下載量、採用情況與效能成果，來自 NVIDIA 本身或轉述 NVIDIA 資訊的報導。13 應將它們視為公司公布的數字。研究展示可能具有參考價值，但不會因此自動成為獨立、標準化的效能基準。

要公平比較，還需要知道測試所用硬體與工作負載、比較基準、重複測試結果，以及是否有獨立團隊重現成果。機器人任務時間、接收器吞吐量、能源使用量和模擬執行時間測量的是不同結果，不能加總成一個總體的 6G 評分。

NVIDIA 的布局可能帶來什麼影響？

NVIDIA 的無線函式庫是為在 NVIDIA GPU 上執行 5G 基地台工作負載而設計。29 從策略角度看，若更多軟體開放給研究者使用，可能促使研究人員在這套 GPU 環境中累積程式碼與技術經驗。但研究領域使用增加，並不足以證明 NVIDIA 硬體將主導商用 6G，或取代既有設備商。

真正的考驗在於，使用這些工具建置的系統能否符合電信商對可靠性、互通性、資安、能源效率與大規模運作的要求。目前公布的採用數字和研究展示，還沒有回答這些問題。它們顯示 NVIDIA 的工具正被用於無線研究，卻不能證明商用 6G 部署已成定局，也無法保證特定廠商未來的市場地位。