Un año después de abrir el código de Aerial, Nvidia dice que sus herramientas 5G y 6G han pasado el millón de descargas. La cifra importa menos que otra cosa: los laboratorios que las usan para probar ideas antes de comprar hardware.
NVIDIA AI Aerial y Sionna superan el millón de descargas
El blog de Nvidia es del 7 de noviembre y no anuncia un producto. Hace balance de un año: Aerial se abrió junto a Sionna y otras herramientas para desarrollo de 6G, y la compañía dice que la adopción creció diez veces en ese periodo.
Lo que Nvidia llama sus 6G tools son simuladores y librerías. No son una red.
Los números que da la compañía son tres, y el primero es el millón de descargas acumuladas. El segundo, más de 8.000 instituciones académicas y de investigación usando las plataformas.
Una descarga no es un usuario. Conviene no confundirlos. Un mismo grupo puede descargar el simulador veinte veces en un curso. Lo que sí dice el dato es dónde se prueba el software. Ahí está el interés.
King's College London: un brazo robot con NVIDIA Sionna
El primer caso es el más fácil de contar. Un equipo de King's College London conectó un brazo robot con cámara a un Jetson AGX Orin que ejecuta NVIDIA Sionna, una plataforma que sirve tanto para 5G definido por software como para procesamiento de IA en el borde.
La idea que probaron se llama comunicación semántica orientada a objetivos. En lugar de mandar fotos completas por la red, el sistema envía descripciones compactas del objeto.
En experimentos de empaquetado de fruta y de apilar cubos, con fallos introducidos a propósito, esa versión recortó hasta un 52,6% el tiempo de finalización de la tarea y mejoró el éxito frente a mandar imágenes periódicas. Además, una réplica digital comprobaba los movimientos previstos para detectar colisiones.
Es un resultado de laboratorio, con un montaje concreto. No es un benchmark de Nvidia.
Ahí está el límite.
SoftBank prueba un receptor neuronal dentro de NVIDIA AI Aerial
El segundo caso viene de un operador. SoftBank integró un receptor neuronal en NVIDIA Aerial CUDA-Accelerated RAN y lo probó con un móvil 5G comercial, no con una simulación.
El receptor neuronal superó al convencional en las 15 configuraciones probadas, con una ganancia máxima cercana al 60% en el enlace ascendente. Ese enlace es el que sufre cuando mucha gente sube vídeo a la vez desde el mismo barrio.
Aquí la palabra clave es "todas las configuraciones medidas". Quince ajustes no son todas las condiciones de una red real, pero sí son más de las que suele publicar un anuncio.
¿Cuántas de esas 15 aguantarían un partido en un estadio lleno?
ETH Zurich ajusta el receptor neuronal en el banco de pruebas de Aerial
El trabajo de ETH Zurich va en otra dirección: no mejorar el receptor, sino adaptarlo. Los investigadores usaron el banco de pruebas de NVIDIA Aerial y ajustaron los receptores neuronales con medidas locales.
El resultado fue una reducción de más de un tercio en la tasa de errores de bloque frente a versiones preentrenadas seleccionadas. En una red, un bloque con errores obliga a retransmitir, y retransmitir cuesta espectro y tiempo.
La implicación práctica es que un receptor entrenado en un sitio no rinde igual en otro. Ajustarlo con datos del propio emplazamiento recupera parte de esa diferencia.
La Universidad de Leeds y el open source RAN que duerme de noche
El cuarto caso es el que más se parece a una factura. El equipo de Leeds construyó un sistema que predice la demanda de red con diez minutos de antelación y usa esa previsión para decidir cuándo puede dormir una estación base.
Antes de apagar nada, comprueba que las estaciones vecinas activas pueden atender a los dispositivos afectados. Con una red 5G portátil impulsada por DGX Spark y una réplica digital, reportó un 45,6% menos de consumo en la RAN frente a una referencia a plena potencia, manteniendo la conectividad.
Ese matiz, mantener la conectividad, es la parte que suele faltar en los titulares de ahorro energético. Un operador que paga la electricidad de miles de emplazamientos en España mira esa cifra con la factura en la mano.
CTTC lleva los modelos de canal de NVIDIA Aerial a 5G-LENA
El último resultado no trata de antenas ni de robots. El CTTC llevó modelos de canal de radio acelerados por GPU, ejecutados sobre Aerial, a su simulador de código abierto 5G-LENA.
Una simulación temprana pasó de unas tres horas a entre diez y veinte minutos, según cómo se integrara. Para un doctorando que repite cien escenarios, ese cambio decide si la tesis avanza o se queda esperando.
AI-native 6G: qué es hoy y qué sigue siendo norma
Aquí toca frenar. No existe una red 6G comercial. Lo que describen estos trabajos son prototipos de investigación y simulaciones, no servicios.
AI-native 6G designa una idea de diseño: que la IA esté dentro de la red desde el principio, en el receptor, en la gestión del tráfico y en el consumo, en lugar de añadirse después. El 6G real sigue siendo un proceso de estandarización.
Nvidia, por su parte, promociona sesiones para desarrolladores de 6G en GTC Washington D.C., que es marketing de ecosistema y no evidencia técnica.
Por qué el open source RAN importa fuera de las telecos
Un desarrollador que nunca ha tocado una estación base puede pensar que esto no va con él. Y sin embargo el mecanismo es el mismo que usa cualquier equipo de IA: simular antes de gastar.
Un grupo de la UPC o de IMDEA Networks puede descargar hoy el mismo simulador que usó SoftBank para su receptor. Eso baja el coste de entrada a una idea, y explica por qué estas herramientas se cuelan en cursos y trabajos de fin de máster.
La pregunta que queda abierta es si el ecosistema aguanta cuando llegue la norma. Si el 3GPP fija interfaces que estos simuladores no cubren, el software tendrá que adaptarse como cualquier otro.
Mientras tanto, la forma de leer la noticia es sencilla. No es que Nvidia haya ganado el 6G. Es que se ha convertido en el sitio donde se prueba antes de que exista.
