--- id: "yLMjEpMio2w" title: "从 AI 基础设施到 6G 未来" channel: "NVIDIA" host: [] guests: ["Ronnie Vasishta"] date: "2026-11-03" updated: "2026-11-04" duration: "38:00" duration_seconds: 2280 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=yLMjEpMio2w" canonical: "https://pod-exp.pages.dev/yLMjEpMio2w/" transcript_jsonl: "https://pod-exp.pages.dev/yLMjEpMio2w/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["AI 基础设施","产业科技","机器人与物理 AI","AI 研究"] series: ["AI 基础设施","NVIDIA"] --- # 从 AI 基础设施到 6G 未来 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Ronnie Vasishta 将电信基础设施描述为 AI 时代的重要算力与连接底座：遍布各地的站点、电力、光纤和无线网络，可支撑集中或分布式 AI 工厂。报告随后展示 AI 与无线接入网共用软件栈的实际进展，包括 Deutsche Telekom 的分布式云和 AI-RAN 试点、边缘机器人、Orange 的实时应急翻译，以及 Elisa 在共享硬件上同时运行 AI 与 RAN。演讲还谈到软件定义无线网络的性能拐点、NVIDIA Aerial 系列硬件、AI-RAN 商用试验，以及 Sionna、Aerial 和 AI 电信工程师对 6G 研发的支持。最后介绍 Nemotron 在网络运营、现场安装检查和故障排查中的应用，并回顾 Nokia 与 NVIDIA 的 AI-RAN 合作及频谱效率目标。 ## [0:07] 电信基础设施在 AI 时代的作用 · YouTube **Ronnie Vasishta：** 今天的电信基础设施里，大约有 100 吉瓦的电力资源。Jensen 昨天提到过 10 万个站点：移动交换局、移动交换中心、网络接入点，以及遍布各处的电力资源，都能在智能时代派上用场。除此之外，连接能力也至关重要，无论是无线连接、光纤连接，还是背板互连。在分布式智能时代，这些连接能把各地的 AI 工厂联结起来。 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。 ## [4:10] AI 工厂与电信转型 · YouTube **Ronnie Vasishta：** 大型土地、电力和建筑空间资产越来越难找到，所以电信业现有的分布式资产，在我们思考算力布局时正成为关键因素。我前面提到，AI 和电信正在采用同一套 AI 技术栈。重要的是，整张基础设施网络都能运行相同的模型和软件，而不是只在定制芯片里嵌入一些 AI 功能。稍后我会展示，AI 应用与无线接入网络相结合，正在带来新的商业机会。 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。 ## [8:12] 运营效率 · YouTube **Ronnie Vasishta：** 以前谁会想到电信公司会做到这一点？但随着企业真正投入其中，我们也看到了运营效率的提升。接下来挑几个例子看看。先从…… ## [8:29] Deutsche Telekom 的分布式云与 AI-RAN 试点 · YouTube **Ronnie Vasishta：** 先来看 Deutsche Telekom，了解他们在无线接入网络转型和交付新应用方面做了哪些有意思的改变。我再强调一下前面提到的主题：AI 和 RAN 必须运行在同一套 AI 技术栈上。要让软件能够跑遍整个基础设施，而且始终是同一套软件，这一点至关重要。 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。 ## [9:43] Agile Robots 的边缘 AI 机器人 · YouTube **Ronnie Vasishta：** 接下来这个例子展示了 AI 与 RAN 如何运行在同一套基础设施上。Agile Robots 的机器人有两种运行方式。一台机器人的世界基础模型在云端训练，之后完全在机器人本体上运行；它通过摄像头感知环境，经过训练后就能采取行动。旁边另一台机器人连接到边缘端的 RTX PRO 6000，由这块设备运行世界基础模型。感知工作在边缘完成，而不是机器人本体上；它据此判断下一个任务，再通过连接把指令传给机器人。 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。 ## [11:29] Orange 与 Nemotron 的实时 AI 翻译试点 · YouTube **Ronnie Vasishta：** 接下来再看一个例子。感谢 Orange 的团队，他们展示了基于 Nemotron 的语音到语音应用试点：它运行在同一套 AI 技术栈和基础设施上，可以实时工作。你们将看到它用于紧急服务场景的实时翻译。 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。 **片段：** 感谢你提供的信息。你和孩子们现在都在屋里，也都安全吗？ **片段：** 好，消防员已经在赶来的路上了。 **Ronnie Vasishta：** 刚才看到的不只是实时翻译，也是一个对延迟很敏感、边缘计算能发挥作用的应用。这又是一个边缘计算的实际用例。Orange 正通过他们的 Live Intelligence 平台交付这项服务。 ## [13:46] 欧洲电信 AI 工厂与 AI 服务 · YouTube **Ronnie Vasishta：** 前面谈过 AI 工厂。在欧洲，值得关注的是许多电信运营商走过的这段路：他们最初部署 GPU 即服务，然后升级为模型即服务，再到推理即服务，最后在此基础上交付 AI 应用和服务。 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。 ## [15:06] AI-RAN：迈向软件定义的无线接入网 · YouTube **Ronnie Vasishta：** 回到我在演讲开头提到的事：这或许是无线通信几十年来最大的机遇。传统无线接入网依赖专有设备，设备里有定制芯片、与芯片绑定的软件，以及嵌入软件中的算法。这段发展历程很了不起，但软件定义无线接入网的能力出现后，局面开始改变。 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。 ## [17:25] NVIDIA Aerial RAN 计算机：MGX 系统与 DGX Spark · YouTube **Ronnie Vasishta：** 硬件路线图还会继续推进。今天我很高兴宣布两款产品——（把东西放进口袋）一款用于集中式 RAN 的 MGX 4U 系统，来自 Supermicro；另一款 MGX 2U 系统来自 Dell。这些系统是 Aerial RAN 计算机家族的新成员。这个产品系列正在推动无线接入网在全球部署。 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。 ## [20:58] Elisa 演示：在共享基础设施上同时运行 AI 与 RAN · YouTube **Ronnie Vasishta：** 感谢今天到场的 Elisa 团队，感谢你们为这些平台付出的努力。Elisa 已经能在网络中运行 AI-RAN，也能在同一套基础设施上运行 AI 应用：一套是在搭载 RTX PRO 4500 的 MGX 2U 短机箱上，另一套是在搭载 RTX PRO 6000 的 MGX 2U 上。 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。 ## [22:31] BT 计划开展 AI-RAN 试验，T-Mobile 已进行商用通话 · YouTube **Ronnie Vasishta：** BT 也开始转向这种新架构。到 2027 年，BT 将在英国伯明翰开展现场试验，在这些系统上运行 Nokia 软件。 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。 ## [25:27] 借助 NVIDIA Sionna 与 Aerial 开展开放式 6G 研究 · YouTube **Ronnie Vasishta：** 我想花点时间谈谈创新。我认为，无线通信领域有一项尚未充分释放的潜力，就是创新。无线通信一路经历了 2G、3G、4G、5G，而 6G 将诞生于 AI 时代。我们需要在创新中充分利用 AI 及其所能提供的一切。 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。 ## [29:28] AI 电信工程师智能体 · YouTube **Ronnie Vasishta：** 这就是 AI 电信工程师。它是一套由智能体驱动的工作流，能够借助智能体技术帮助你运行和开发新的无线算法。项目发布时，一位业内备受尊敬的教授称它“足以撼动行业”，确实如此。 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。 ## [30:40] 用 Nemotron 模型运营电信网络 · YouTube **Ronnie Vasishta：** 现在换个话题。昨天 Jensen 展示了一些很有意思的数据，也谈到了数据、模型、智能体运行框架和工具的重要性。如今，我们的一些合作伙伴已经把 NVIDIA 开源模型放进自己的框架，或放进我们提供的框架里，用他们的数据对模型进行后训练，并基于这些模型发布平台。这令人振奋，因为我们现在看到，经过后训练的模型效果已经超过闭源模型。这也是 Jensen 昨天提到的一点。 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。 ## [33:04] Cisco 与 Nokia：用 AI 智能体排查网络故障 · YouTube **Ronnie Vasishta：** 我们很高兴今天宣布，Cisco 正推出由 NVIDIA Nemotron 驱动的 Crosswork AI。Cisco 使用 Nemotron 3 展示了更强的深层网络故障排查能力，也能生成假设：先收集数据、评估关键绩效指标，再提出假设，并通过这个平台确定故障排查方案。 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。 ## [34:22] Nokia 与 NVIDIA 的 AI-RAN 合作 · YouTube **Ronnie Vasishta：** 接下来谈谈 Nokia。差不多一年前，Nokia 与 NVIDIA 开始合作，并在华盛顿特区的 GTC 上宣布。合作进展很快，今天大家已经看到了一些成果。Nokia 谈到频谱效率将提升：明年提高 50%，再下一年提高到 100%，也就是翻一倍。这大概是他们目前的预期目标，之后的工作还会继续。这项进展令人振奋。我想花点时间回顾一下这次合作及其成果，先给大家播放一段视频。 **片段：** 一切始于连接人与人的愿景。如今，Nokia 和 NVIDIA 正将这一愿景推向更远：从连接人，走向连接智能。 **片段：** Nokia 与 NVIDIA 正携手打造基于 AI-RAN 架构的新型无线网络。它由软件定义、可编程，并针对信号处理和 AI 推理进行了优化。为今天的 5G 而建，也为明天的 6G 做好准备。 **片段：** 一年之内，这个愿景已成为现实。Nokia 的 AI-RAN 软件运行在 NVIDIA 加速计算平台上，动态提升频谱效率，在边缘侧运行 AI 推理，并帮助电信运营商成为 AI 服务提供商。领先的运营商正与 Nokia、NVIDIA 合作，将 AI-RAN 带入如今的 5G 网络。 **片段：** 以工业级规模赋能物理 AI；让 AI 助手能够进行自然对话；借助视觉 AI 提升城市安全；让偏远地区更容易获得医疗服务；为紧急服务提供实时语音 AI。 **片段：** 好，消防员已经在路上了。 **片段：** 实时协调自主机器人。运营商还在用 AI 智能体改造网络运营，让网络保持可靠与安全。这只是开始。NVIDIA 和 Nokia 正在为 AI 原生网络打下基础：一个软件定义、可编程的平台，为 AI 和 6G 时代而建。 **Ronnie Vasishta：** 最后简单总结一下。感谢 Nokia，也感谢所有合作伙伴。没有你们，这场转型就不会发生。我们已经进入这个新阶段——这不是即将开启的新篇章，而是已经开启的篇章，而且我们已经开始收获成果。新的公司、新的部门、新的经验，以及新的收入来源都在出现。最后我想说，从事电信业，从来没有比现在更好的时候。谢谢大家。