从 AI 基础设施到 6G 未来

当然，AI 和智能化重塑的不只是电信业，许多行业也在经历变化。但我们常常忽略，其他行业的许多转型都离不开连接。智能连接已经成为这场产业 AI 革命的重要组成部分，因此电信业往往处在这场变革的中心。

我们也开始看清电信业转型的路径。最先发生、推进最快的，是 AI 基础设施建设，我会多讲一些。全球许多电信公司已经踏上这段 AI 之旅：有些已经深入转型，有些刚刚起步。我想说的是，先开始再说。不开头，就学不到东西。这不是一句空泛的口号，而是我们从那些已经行动起来的公司身上看到的真实经验。

昨天 Jensen 的主题演讲谈了不少 AI-RAN，今天我也会继续讲。这或许是电信网络面临的最大机遇之一。电信网络原本负责提供无线接入网络和连接服务，面向消费者、用户和企业。对全球电信运营商来说，另一项意义重大的转型，是把成本高昂的网络运营变成自主化、由智能体驱动的运营。这种转型正在发生，今天我会用合作伙伴的案例给大家看看。

还要记住我们这周反复听到的“五层蛋糕”。这三类转型都发生在同一个平台上。支撑这些转型的是同一套五层架构，它正在推动全球 AI 基础设施建设和 AI 革命。那么，这一切如何落到电信业？我们一步步来看。我们知道，能源供给取决于土地、电力和建筑空间的可用性，而这类资源正越来越难找。

AI 工厂既可以集中部署，也可以分布式部署。如今到处都在建设 AI 工厂。昨天的 DSX Pod 展示了这一趋势如何让更多模型普及：不仅是开源模型，还有用电信数据做后训练的开源模型，这对网络运营很关键。我会举些例子。今天展区和各场会议也能看到许多出色的 AI 应用，其中包括软件定义的 5G，以及未来的 6G。

从事电信业，从来没有比现在更好的时候。以前我这么说，电信行业的人都会笑；现在他们不笑了。我们看到新的公司成立、新的部门出现，员工的工作体验也在改变；大家有新的东西可以学，也在创造新的收入模式。不过别只听 NVIDIA 怎么说，来听听全球领先运营商的看法。先看北美：Verizon、T-Mobile、Bell、Charter，还有 TELUS。

北美的转型正在发生。TELUS 有句话我很喜欢：他们的第一座 AI 工厂供不应求，产能已经全部售罄。不到两年前他们刚开始这段旅程时，还不会这么说。亚洲也在出现相同情况：一些令人瞩目的建设项目正在推进，运营商开始谈此前从未见过的投资回报。需求非常旺盛，变现已经开始。

“采用 AI 现在是头等大事。”两三年前，你几乎不可能从电信运营商那里听到这样的说法。如今欧洲也出现相同趋势，稍后我还会介绍更多例子。T-Mobile 的 Tim 说，他们看到约 10 亿美元的新增收入。几年前，这样的事根本难以想象。

DT 宣布，他们正在扩建工业云，并将其发展为分布式云。这项工作此前已经与 NVIDIA 合作了一段时间。他们还与合作伙伴 Nokia 开展了 AI-RAN 试点；目前在实验室里，基于 Nokia 软件已经实现了 10% 到 15% 的上行性能提升。

你们看到这台机器人把风扇拿起来装进服务器机箱。连接分布式 AI 基础设施的机器人，动作更流畅，任务周期也短得多，速度更快。这就是边缘计算的力量。

人们常问，边缘计算为什么重要？边缘计算的潜力我们谈了很久，但 AI 时代带来了全新的应用可能。把这些应用和连接能力结合起来，就能由边缘侧提供服务。

这个试点使用 Nemotron 语音模型，支持全双工，还能识别语气和语义。我们来看一下。

过去两年里，这种发展已在欧洲各地展开，有的集中部署，有的采用分布式架构。今天我们还宣布，欧洲有九家电信运营商正在扩大现有建设，或刚刚开始这段旅程。他们正在打造新业务、新能力、新体验，并建立新的市场进入方式。这股浪潮正在席卷全球，欧洲也赶上了。

如今我们看到无线接入网正转向软件定义。我已经举过一些例子：在同一套基础设施上运行 AI 软件，可以释放新的机会。把它构建成软件定义、AI 原生的技术栈后，全面转向软件定义架构还会让技术栈的每一层都能创新。

为什么现在迎来了这个时刻？因为此前还没有跨过那个临界点：软件定义系统的每瓦性能还没有达到专有系统的水平。NVIDIA 一直在推进不同代际的硬件。Jensen 在主题演讲中说，我们已经走了八年：八年的探索、软件开发，以及对硬件能力需求的学习。CUDA 内核和各种优化，都是这段历程的一部分。它把我们带到了今天，也为下一步发展打下了基础。当然，我们不会停在这里。

如果把整个产品家族放在一起看，我们此前还发布过 Quanta 的 MGX 2U 短机箱，以及 DGX Spark。DGX Spark 是一台能力很强的设备，可以支持六个小区、100 MHz、4T4R。

有人会问，GPU 真能放在基站吗？基站有足够的电力支持 GPU 吗？在基站部署 GPU 成本会不会太高？看看这些产品，答案已经很明显了。采用集中式 RAN 后，就可以汇集、共享资源。这里不只是能运行 AI，也能运行无线接入网，还能处理连接到无线单元的前传业务。这个产品系列还会继续扩展，随着新一代产品推出，我们也会持续壮大硬件家族。

有一点非常重要：CUDA-X 向前、向后兼容。以往的软件能在这些设备上运行，新一代软件也能运行，而且随着新一代软件投入使用，性能还会继续提升。这意味着今后可以在这些硬件上交付过去还想象不到的新能力，也包括研究领域的新成果，无需更换硬件就能获得今天展示的这些能力。

同样重要的是，所有这些设备和大型 AI 工厂都能运行同一套软件。采用内置少量张量处理能力的专有芯片，做不到这一点。

接下来快速看一下 Elisa 用这些系统和自家软件实现的效果。你们看到的是 MGX 2U 短机箱搭配 RTX PRO 4500，在仅约 30% 的负载下，就能同时支持无线接入网和一个 AI 应用。太惊人了。这是一个视频转文本应用。

想想未来会怎样：这套系统可以放在基站上，同时承载这些应用和无线接入网。Elisa 做得非常出色。

昨天 Jensen 还带来一条令人振奋的消息：美国 T-Mobile 已经完成首次商用通话。这是全球大型运营商首次在我刚才介绍的系统上，通过无线接入网完成商用通话，使用的是搭载 Nokia 软件的 MGX 2U 短机箱。现在你们能看到这些系统有多灵活了。

我想大家现在可以和我一样认为，AI-RAN 已经跨过了鸿沟：它从早期采用者阶段进入了早期大众阶段。如果你还不确信，我再给几个数据。如今有 19 家领先电信运营商，还有 147 家 AI-RAN 联盟成员。2024 年我们与合作伙伴以及另外 10 家公司共同启动了 AI-RAN 联盟。各工作组的推进速度非常快。

现在，网络设备提供商以及 RAN 供应商都在把软件迁移到这些平台上。全球数百万开发者都在为这些平台开发软件和经 CUDA 加速的 AI 应用，网络设备商可以借助这庞大的开发者生态推动创新。这里展示的只是部分 OEM 合作伙伴，整个队伍还在壮大。

各国也希望在关键基础设施领域走在前面。NVIDIA 正与英国、日本、韩国以及美国紧密合作，推动下一代先进的无线基础设施，并让它实现软件定义。

NVIDIA 采取的做法是推进软件定义，同时让 6G 研究更加普及。我们开发了一个名为 Sionna 的工具库。Sionna 是可微分的链路层仿真器，我们还加入了光线追踪扩展，并将它开源到 GitHub，供所有人下载。

八年前我们也启动了 Aerial 软件项目。Aerial 是一套 5G 技术栈，可在 GPU 上加速物理层。我们同样把它开源了。到目前为止，软件的下载量已超过一百万次，大部分来自研究人员，包括企业研究机构、高校，以及初创企业和测试设备公司。

拥有完整的仿真环境、测试环境和空口实现环境，非常特别。我们与合作伙伴在最近一次巴塞罗那世界移动通信大会上展示了 50 个演示，它们运行在真实硬件上；不只是发表论文，而是真正进行空口硬件测试并展示成果。2024 年 3 月，我们还成立了 6G 开发者计划，如今已有 8,000 多名成员。无线研究社区从未拥有过这么好的工具。我们正与欧洲各地的大学和机构合作，这些工具也正在全球各先进无线研究实验室中普及。

有了这样一套完整技术栈和仿真环境，为什么不测试真正的空口能力？欢迎大家去展区看看 NVIDIA 6G 创新平台。在这个平台上，你可以通过智能体驱动的测试床，尝试开发新的无线算法；随后在数字孪生中仿真，再用 GPU 加速的 RAN 技术栈运行，最后借助商用无线电设备进行空口测试。这是一套完整的研究系统，全部运行在 DGX Spark 上：仿真环境、CUDA 加速的 RAN，以及连接到无线单元的空口链路。

这套系统建立在我们今年早些时候宣布的项目之上。

例如，我们已经看到，智能体实现的均衡器比传统方法实现的均衡器取得了更好的误块率，时延也改善了 3.6 倍。在同一环境中，我们还用 Sionna 在无导频的非神经网络接口方面取得了突破。全球各地都在开展很出色的研究，因为 AI 电信工程师的能力已经可以从 GitHub 下载。

Cisco 正把 Nemotron 用于网络故障排查，稍后我会多讲一些。合作伙伴也在用 Nemotron 的后训练数据优化网络。

TCS 正与英国 BT 合作开展一个很有意思的应用：他们拍摄站点安装现场的照片，用 Nemotron 对照片进行评估和后训练。这样一来，现场工程师无需把照片送回去，再等三个多星期的评估结果；他们可以在现场通过智能体立即查看安装是否正确，在离开站点前就确认结果。这以前从未实现过，正在改变全球运营商的工作效率。

随着这些能力逐步推出，NTT DATA 已经开发出网络预测性退化分析，用来预测故障可能发生的位置。他们也会把这款产品交付给全球各地的电信运营商客户。

我们也很高兴宣布，合作伙伴 Nokia 已经构建了一套智能体工作流，用于对 Nemotron 进行后训练，覆盖 RAN、传输网和云等多个领域。通过这套工作流，可以排查问题并进行根因分析，让决策更准确，速度也更快。