NVIDIA libera Aerial como código abierto para redes 6G nativas en IA

NVIDIA anunció la apertura de su software Aerial como código abierto, junto con los kits Sionna Research y Aerial Testbed en la plataforma DGX Spark. La iniciativa busca facilitar la creación de redes 5G y 6G nativas en IA, eliminando las restricciones del software propietario y fomentando la colaboración científica.

Aerial: Un nuevo estándar abierto para telecomunicaciones presentado por NVIDIA

Aerial es el conjunto de software abierto que permite construir, simular y ejecutar redes móviles AI-nativas (5G y 6G) sobre GPU.

Dentro de Aerial hay tres componentes técnicos principale llamados stack Aerial, que estarán disponibles desde diciembre de 2025:

• Aerial CUDA-Accelerated RAN: ejecuta la red de acceso radio (RAN) sobre GPU, acelerando el procesamiento mediante CUDA.
• Aerial Omniverse Digital Twin (AODT): gemelo digital de red inalámbrica, permite simular y probar redes 5G/6G antes de desplegarlas físicamente.
• Aerial Framework: entorno de desarrollo con canalizaciones modificables, APIs seguras y soporte para dApps que pueden alterar el comportamiento del RAN en tiempo real.

Con estas herramientas, los desarrolladores podrán convertir código Python en CUDA, aplicar modelos neuronales para la estimación de canales y modificar módulos del RAN en tiempo real.

Desde la AI-RAN Alliance, su presidente Alex Jinsung Choi explicó que la apertura de Aerial facilita el desarrollo modular y la experimentación directa, al eliminar las limitaciones de los sistemas cerrados tradicionales. También destacó su valor como entorno flexible para validar algoritmos de IA aplicados a telecomunicaciones.

“Con el software Aerial de código abierto y DGX Spark, los desarrolladores pueden crear sistemas inalámbricos modulares definidos por software y experimentar libremente, desde laboratorios hasta entornos reales. Es un habilitador clave para innovaciones que aumentan la eficiencia espectral, mejoran el rendimiento de red y potencian nuevas aplicaciones de IA, a un ritmo nunca antes visto”.

Alex Jinsung Choi, presidente AI-RAN Alliance

Abrir Aerial equivale a permitir que cualquier investigador trabaje en un taller común donde puede modificar, probar y observar los efectos de su diseño sin barreras de acceso. La experimentación ocurre en tiempo real, con ciclos de validación mucho más breves que los de los entornos convencionales.

NVIDIA Sionna Kit de investigación

Es un kit de investigación y prototipado rápido, diseñado para probar algoritmos de inteligencia artificial y aprendizaje automático aplicados a redes inalámbricas.

• Permite construir un laboratorio 6G en una sola caja, con todos los componentes básicos (usuario, antena, radio y núcleo).
• Es compatible con DGX Spark y Jetson AGX Orin, y permite levantar una red 5G funcional en cuestión de horas.
• Está orientado al entrenamiento y validación de modelos de IA sobre el aire (over-the-air).

NVIDIA Aerial Testbed

NVIDIA Aerial Testbed es una plataforma de prueba física complementaria al software Aerial.

• Permite realizar ensayos over-the-air con redes 5G y 6G completas, utilizando hardware real.
• Soporta DGX Spark y GH200 Grace Hopper Superchips.
• Integra los resultados del Aerial Omniverse Digital Twin con las pruebas físicas, facilitando la transición de la simulación al entorno real.

DGX Spark: supercomputación portátil para investigación

El DGX Spark es un supercomputador compacto capaz de ejecutar Aerial o Sionna con alta eficiencia energética. Permite crear redes completas, entrenar modelos y validar algoritmos con datos reales, sirviendo como laboratorio portátil de telecomunicaciones.

El Sionna Research Kit, compatible con Jetson AGX Orin, ofrece un entorno de pruebas 6G integral, mientras que el Aerial Testbed posibilita ensayos inalámbricos completos con soporte para GH200 Grace Hopper Superchips, integrando simulación digital y pruebas sobre el aire.

¿Cómo se relacionan todos estos anuncios?

La siguiente tabla muestra cómo se relacionan Aerial, Sionna Research Kit y Aerial Testbed: