凡森

原创 「AI-RAN」Aerial，使用ORAN C1模式，代码

【代码】「AI-RAN」Aerial，使用ORAN C1模式，代码。

原创 「AI-RAN」Aerial，使用ORAN C1模式

RU 的 PTP 配置本来就是 domain 24、G.8275.1、eth1、Ethernet forwardable，因此没有修改 RU 的 PTP 参数。这些是诊断辅助文件，不是 C1 授时必须加载的配置。、VLAN 2、workers_ul、pusch_aggr_per_ctx 和 E3/data_config 等改动，在此次启动前已经存在。同样保留了 domain 24、L2、E2E、G.8275.x 数据集比较、Sync/Announce 频率、PI 参数、egressLatency 等参数。

原创 迈向厘米级 6G 定位：从 NVIDIA Aerial SRS 信道估计到 UL-RTOA、GPU 加速 TDOA 解算与多 O-RU 联合校准

随着 NVIDIA Aerial、OpenAirInterface 和开源 GPU 信号处理工具的发展，研究人员已经有机会在真实的 5G 网络平台上获取 SRS 信号和信道测量数据。对于典型的 4 接收天线、273 PRB 配置，Aerial 的缓冲区最多为每个 SRS Slot 预留 6 个 SRS Symbol 的数据空间。在前面的研究中，我们已经介绍了 UL-TDOA 的基本原理：通过多个 TRP 测量同一 UE 发射的 SRS 信号，利用到达时间差估计终端的位置。

原创 从纳秒级同步到厘米级定位：基于 NVIDIA Aerial、SRS 与多 O-RU 的 5G/6G UL-TDOA 实现原理与工程实践

UL-TDOA 将传统无线通信中的上行参考信号转化为定位观测信息。它的价值不仅在于提供一种新的终端定位方法，还为 5G-Advanced、6G 和 AI-Native RAN 研究建立了新的实验能力。NVIDIA Aerial 能够提供 GPU 加速物理层处理以及部分 SRS 数据采集能力；OAI 则为研究人员探索 NRPPa、LMF 和定位控制流程提供开源基础。将两者结合，有机会构建从真实无线信号接收、信道测量、时间估计到多站定位求解的完整研究平台。

原创 从 5G 通信到厘米级感知：基于 NVIDIA Aerial、SRS 与 UL-TDOA 构建 6G 无线定位实验平台

从传统 5G 数据传输到高精度无线定位，是 5G-Advanced 和 6G 值得关注的研究方向。基于上行 SRS 的 UL-TDOA 技术，能够利用多个接收站的到达时间差，对 UE 位置进行估计。NVIDIA Aerial、OAI、O-RAN O-RU 和 GPU 计算平台，为研究人员探索真实无线数据采集、信道测量与定位算法提供了可组合的技术基础。不过，完整定位系统不仅需要获得 SRS 数据，还需要解决多 TRP 同步、到达时间估计、射频链路校准、NRPPa 协议及 LMF 集成等问题。

原创 从真实 5G 网络采集 AI 训练数据：基于 NVIDIA Aerial Data Lake 构建 AI-RAN 数据平台

NVIDIA Aerial CUDA-Accelerated RAN（ACAR）利用 NVIDIA GPU 加速无线接入网物理层处理。在此基础上，NVIDIA 提供了 Data Lake 数据采集能力，用于从 O-DU 内部获取无线通信运行数据。它并不是传统意义上只存储业务流量的数据库。Aerial Data Lake 的核心价值，在于能够获取无线物理层处理过程中的中间数据与测量结果。这些数据可用于故障调试、性能分析、离线算法研究，以及 AI/ML 模型训练。

原创 打造自己的 5G/6G 通信知识库：基于 NVIDIA DGX Spark、Nemotron 与 RAG 的本地 AI 技术助手

NVIDIA DGX Spark 与 Nemotron 等开放模型，为通信实验室构建本地 AI 技术平台提供了新的选择。但真正决定系统价值的，不仅是 GPU 性能或模型参数规模。更重要的是，能否将通信标准、设备文档、软件版本和实验经验组织成准确、可追溯、可持续更新的知识体系。通过 RAG 技术，通信行业大模型可以从单纯依靠训练知识回答问题，转变为结合具体文档和工程数据提供辅助分析。对于 5G/6G、O-RAN 和 AI-RAN 研究人员而言，这种技术路线尤其值得探索。

原创 通信专用大模型真的比通用 AI 更强吗？基于 NVIDIA DGX Spark 的 Nemotron 3 实测评估方案

通信行业专用大模型正在成为 AI-Native Network 研究中的一个新方向。AdaptKey-Nemotron-30b 通过通信领域数据微调，在其官方评测中展现出了网络日志分析、结构化配置生成和网络参数推理方面的提升。但对于真实的 5G/6G 网络系统，模型的实际价值不能仅通过标准知识问答或者综合 Benchmark 分数判断。更重要的是，它能否理解真实设备的运行日志，是否能够进行跨协议层故障分析，以及能否在缺少证据时提出合理的下一步排查建议。

原创 从 AI-RAN 到 AI Agent：基于 NVIDIA Nemotron 构建 5G/6G 智能网络故障诊断系统

AdaptKey-Nemotron-30b 的出现，说明开放基础模型正在朝更加专业化的通信行业方向发展。但对 5G/6G 开发者来说，真正值得关注的不仅是模型参数规模或者专业知识评测得分。更重要的是，如何将通信大模型与真实的无线网络系统结合。基于 NVIDIA DGX Spark、NVIDIA Aerial、OAI、O-RAN 和 RAG 技术，可以探索构建一套本地运行的通信网络智能诊断平台。这一平台可以从初期的协议问答、日志分析逐步发展到跨组件故障排查、网络状态关联分析及自动化诊断工作流。

原创 AdaptKey-Nemotron-30b 开源模型地址

随着 AI-Native Network 和 AI-RAN 技术的发展，人工智能正在从传统的无线信号处理、资源分配优化，逐渐扩展至网络配置、故障诊断、协议分析与智能运维等领域。NVIDIA 与 AdaptKey 合作推出的是一款面向电信行业进行专门微调的大语言模型，基于 NVIDIA Nemotron 3 Nano 30B-A3B 架构构建。3GPP 移动通信标准与协议O-RAN 网络架构及配置5G 网络切片与核心网IETF 网络协议及标准网络异常分析与故障诊断。

原创 NVIDIA 推出通信行业专用大模型 Nemotron 3 LTM：30B 参数，推动 AI 赋能电信网络运营

NVIDIA Nemotron 3 LTM 展示了开放基础模型在通信行业中的一种重要应用路径：通过领域数据微调，将通用大语言模型转化为更适合电信网络运营的专业 AI 模型。SoftBank 的大型电信模型实践进一步表明，通信企业正在尝试将自身积累的网络知识与开放模型相结合，构建能够持续演进的行业 AI 能力。随着 5G-Advanced、6G、O-RAN 和 AI-RAN 技术的发展，通信系统的智能化将不仅涉及无线信号处理和网络资源优化，也将逐步扩展到网络管理、配置分析、故障诊断及运营流程自动化。

原创 NI PXIe-8280 + NVIDIA GPUDirect RDMA 开发实战教程

适用方向：高速数据采集、GPU 实时信号处理、5G/6G 基带处理、SDR，以及 HIL 硬件在环测试。

原创 Supermicro 发布六款 NVIDIA ARC 服务器：从 1U 边缘基站到 4U 八卡 AI-RAN 平台，全面对比

Supermicro 推出的六款 NVIDIA ARC 服务器，展示了 AI-RAN 基础设施在硬件层面的三个发展方向。首先，AI-RAN 计算正在向网络边缘延伸。ARC-Compact 与 ARC-Pro 以紧凑机身为特点，让 GPU 加速能力能够部署到空间受到限制的基站现场。其次，CPU、GPU 与高速网络处理器的集成程度正在提高。Grace、Vera、Blackwell、ConnectX-8 和 BlueField-3 共同构成新的加速计算平台，面向通信与 AI 的融合工作负载。

原创 【AI-RAN】Aerial，dAPP，采集SRS

【代码】【AI-RAN】Aerial，dAPP，采集SRS。

原创 【AI-RAN】prb-power-python 1.1 代码修复

【代码】【AI-RAN】prb-power-python 1.1 代码修复。

原创 NVIDIA Sionna Research Kit v1.3.3 更新分析

v1.3.3 是一次以部署兼容性、Docker 环境和 OAI 集成为重点的维护版本，而非无线通信算法或 AI 接收机架构的大版本升级。

原创 NI Ettus USRP B310

B310 支持多设备同步，最多可实现 4 台设备在无需额外外部同步硬件的情况下协同运行，适合 MIMO、波束赋形以及可扩展 SDR 系统研究。设备提供 2 发 2 收通道，每通道最高支持 100 MHz 带宽，并配备 2 个本振，可在 400 MHz 至 7.2 GHz 频率范围内进行独立频率调谐。科研教学、无线通信算法验证、SDR 原型系统开发、MIMO 研究、波束赋形研究、GPU 协同处理、AI 无线通信研究以及实验室无线测试平台搭建。收发通道：2 发 2 收（2 TX / 2 RX）

原创 【Sionna】docker build ubuntu cuda

【代码】【Sionna】docker build ubuntu cuda。

原创 「AI-RAN」 英伟达 Sionna 1.3.2 离线部署

改变文件权限。

原创 GH200 新增 NVMe SSD 分区、格式化与挂载完整流程

如果以后在另一台相同环境的 GH200 上重新操作，可以参考下面流程。如果没有 Permission denied，则权限配置正常。会破坏目标磁盘上的现有数据，执行前必须确认设备名。新建的 ext4 文件系统根目录默认属于。如果没有任何报错，说明配置基本正确。没有输出，则说明是未初始化裸盘。只显示磁盘容量，没有。执行上述格式化操作。它们属于破坏性操作。

原创 Aerial CUDA-Accelerated RAN 26.1 和26.1.2 的差异

有，而且我重新核对后需要修正上一条信息：26.1.2，Tag 日期是，commit 为efe0d8c。26.1.0是 2026-04-13，26.1.1是 2026-05-27。26.1.2仍属于，NVIDIA 官方文档的 Release Version 仍写作26-1，但这次代码变化实际上相当大。

原创 Duranta——一个开放的、研究级的RAN+UE参考协议栈

Duranta 是一个开源的无线接入网 (RAN) 和用户设备 (UE) 参考协议栈，专为研究、测试和早期部署而设计。该项目基于 OpenAirInterface (OAI) 社区软件构建，并通过低频网络 (LF Networking) 增加了中立的治理机制、结构化的支持以及更广泛的协作平台。

原创 东南大学信息科学与工程学院AI-RAN算法开发与测试平台采购(SEU-ZB-260567)中标结果公告

供应商地址：山西省太原市小店区营盘街道南内环街98-2号（财富大厦）1幢3层商业3065-1号。一、项目编号：SEU-ZB-260567（招标文件编号：SEU-ZB-260567）二、项目名称：东南大学信息科学与工程学院AI-RAN算法开发与测试平台采购。供应商名称：太原市东枫电子科技有限公司。三、中标（成交）信息。

原创 当5G基站开始“看见”无人机：洛克希德·马丁联合 Verizon、NVIDIA 推出 NetSense 空域感知系统

这套方案的特别之处在于：它并不是重新部署一套传统雷达，而是尝试直接利用现有，让通信网络同时具备对低空无人机的探测、跟踪和预警能力。从技术路线来看，NetSense 是一个非常典型的商业化案例。

原创 WNC O-RU。室外版本

WNC R3210 是 Wistron NeWeb Corporation 面向户外 5G 网络推出的。产品采用 O-RAN 开放前传架构，可通过 Ethernet Fronthaul 与虚拟化 DU、GPU 加速 DU 以及开放式 RAN 基带平台连接，将数字基带数据转换为真实 5G NR 射频信号。WNC 官方公开资料显示，R3210 采用。

原创 WNC O-RU。室内版本

WNC R1220 是一款面向 5G NR 室内无线网络和 O-RAN 实验平台的。在 NVIDIA Aerial CUDA-Accelerated RAN 当前官方测试列表中，AI-RAN OTA 实验链路。

原创 【AI-RAN】硬件产品：WNC O-RU 室外版本

WNC R3210 是 Wistron NeWeb Corporation 面向户外 5G 网络推出的。产品采用 O-RAN 开放前传架构，可通过 Ethernet Fronthaul 与虚拟化 DU、GPU 加速 DU 以及开放式 RAN 基带平台连接，将数字基带数据转换为真实 5G NR 射频信号。WNC 官方公开资料显示，R3210 采用。

原创 【AI-RAN】硬件产品：WNC O-R 室内版本

WNC R1220 是一款面向 5G NR 室内无线网络和 O-RAN 实验平台的。在 NVIDIA Aerial CUDA-Accelerated RAN 当前官方测试列表中，AI-RAN OTA 实验链路。

原创 【AI-RAN】硬件产品：VIAVI QG2

VIAVI Qg 2 是一款紧凑型，面向 5G、Open RAN、C-RAN、Private 5G、Edge Computing 以及数据中心等需要高精度时间与频率同步的网络。Qg 2 支持，可为 O-DU、O-RU、GPU 基站、前传交换机等设备建立统一的时间基准。

原创 【AI-RAN】硬件产品：DELL 前传交换机

Dell PowerSwitch S5248F-ON 是一款紧凑型，提供大规模 25GbE 接入和高速 100/200GbE 上联能力。Dell 官方资料确认，S5248F-ON 为 1U 交换机，并提供 48 个 25GbE SFP28、4 个 100GbE QSFP28 和 2 个 200GbE QSFP-DD 接口。

原创 【AI-RAN】硬件产品：DGX Spark

NVIDIA DGX Spark 是面向 AI 开发者、科研人员、数据科学家及工程团队打造的桌面级 AI 超级计算平台。系统基于，将 Blackwell GPU、20 核 Arm CPU、高速统一内存与 NVIDIA AI 软件生态集成于紧凑型设备中，可在本地完成大语言模型推理、模型微调、Agent 开发、生成式 AI、机器人及边缘 AI 等工作负载。无需部署大型 GPU 服务器，即可在桌面获得完整的 NVIDIA Grace Blackwell AI 开发环境。

原创 AI-RAN 不是单一的软件或硬件产品，而是一套完整的端到端技术体系

Sionna 将发射机、信道、接收机和 AI 模型连接成可微分链路，使 Neural Receiver、AI Channel Estimation、Neural Demapper 等算法能够端到端训练。cuPHY、cuMAC 与 GPU 计算平台共同构成软件定义的实时 RAN，使 AI 推理与无线基带处理可以运行在同一计算架构中。GPU 不仅负责 AI 模型训练和推理，也开始承担 FFT、信道估计、MIMO 检测、LDPC 等实时物理层计算。GPU 处理的是数字 I/Q，而手机接收到的是无线电波。

原创 AI-RAN 正在把无线通信从“专用硬件系统”带入“GPU 原生计算时代”

从 Sionna 的无线算法仿真，到 Aerial 的实时 GPU RAN，再到 O-RAN 7.2x 前传、O-RU 与真实 5G 终端，AI 模型可以第一次真正进入无线网络的数据处理闭环。Sionna 负责仿真与训练，DGX Spark 提供 AI 算力，Aerial 承担实时 RAN 处理，O-RU 将数字基带信号转换为真实无线电波。当这四部分连接起来，AI 算法才能真正从仿真环境进入实时 5G 网络。

原创 图解 AI-RAN开发需要哪些软硬件：O-RU、DGX Spark、Sionna与Aerial

原创 图解 AI-RAN开发需要哪些软硬件：O-RU、DGX Spark、Sionna与Aerial

原创 AI-RAN开发需要哪些软硬件：O-RU、DGX Spark、Sionna与Aerial

如果只是学习 AI-RAN，并不需要一开始就购买完整 O-RAN 系统。第一阶段：Sionna学习无线 AI、Neural Receiver、信道建模和 Ray Tracing。↓第二阶段：DGX Spark + Sionna Research Kit开始运行实时 5G 系统，把 AI 算法接入真实协议栈。↓第三阶段：Aerial进一步研究 CUDA 加速 PHY、GPU-native RAN 和 O-RAN 7.2x。↓第四阶段：O-RU + PTP + Fronthaul Switch。

原创 OÜ 如何打出来

即带两个点的大写字母 U。里的第一个字符是大写英文字母。手机：长按键盘上的字母。Windows：按住。，在弹出的选项中选择。

原创 诺基亚 AI-RAN 的关键看点：dApp 或将成为下一代 RAN 创新的核心入口

诺基亚提出的频谱效率翻倍目标具有较强的市场吸引力，但这一目标仍受网络场景、站点负载、天线规模和算法成熟度等因素影响。相比单一性能指标，dApp及其背后的E3接口可能具有更长期的产业意义。dApp将AI应用从网络管理层进一步推进至基站实时处理层，使第三方开发者能够参与信道估计、波束控制、干扰管理、无线定位、频谱感知和通信感知一体化等核心功能。如果E3接口能够形成稳定标准，且设备商和运营商建立起可信的dApp认证与治理体系，基站软件架构可能由封闭、固定功能模式，逐步转向可扩展、可编程和应用驱动的平台模式。

原创 AI-RAN Aerial Testbed 解决方案

东北大学（Northeastern University）等科研机构已基于该平台开发了 OpenRAN Gym 工具箱，并集成了 O-RAN Software Community (OSC) 的 near real-time RIC 控制器，用于数据收集与 AI 实验。AI-RAN Aerial Testbed 是由 NVIDIA 推出的基于 O-RAN 架构 的商用级科研实验平台，旨在为开发者提供全栈可编程的无线网络环境，以验证和加速 AI 原生 5G/6G 技术的创新与部署。

原创 【AI-RAN】面向电信行业的 NVIDIA DGX BasePOD

为了持续提供高效、稳定的网络连接，电信运营商每年投入数十亿美元，用于建设和运营通信网络、推动技术创新、开发新产品与服务、升级基础设施以及提升运营效率。在这一过程中，人工智能已经成为电信企业投资规划中的关键组成部分。电信运营商日益认识到 AI 所具备的变革潜力，并希望借助 AI 重构成本体系，推出具有突破性的创新应用，从而推动业务模式发生重大变化。在 NVIDIA 近期针对 400 多名电信行业专业人士开展的一项调查中，65% 的受访者认同，人工智能对于其所在公司的成功至关重要。