NVIDIA libera código e acelera corrida global pelo 6G

Tecnologia

NVIDIA impulsiona o desenvolvimento do 6G com ferramentas open source que já acumulam mais de um milhão de downloads.

Leia também: Neolabs de IA captam US$ 3 bi e desafiam gigantes em 2026

A NVIDIA abriu o código de suas plataformas Aerial, Sionna e Aerial Omniverse Digital Twin para redes 5G e 6G e, em poucos meses, esses softwares ultrapassam 1 milhão de downloads e mais de 8 mil instituições acadêmicas e de pesquisa usando as ferramentas para desenhar a próxima geração de redes sem fio, com respostas mais rápidas para robôs, recepção de sinal mais robusta e gestão inteligente de energia.

NVIDIA open source 6G impulsiona redes nativas de IA

Ao liberar o Aerial e o Sionna em repositórios públicos, como o GitHub, a NVIDIA conectou num mesmo fluxo simulação, treinamento de modelos de inteligência artificial e experimentos em sistemas reais. O resultado é um salto de adoção: o uso de NVIDIA AI Aerial e Sionna cresceu dez vezes no último ano, consolidando as plataformas como base de pesquisa em 6G RAN e em arquiteturas de rede definidas por software.

Essas ferramentas permitem testar, em ambiente controlado, conceitos considerados centrais para o 6G: comunicações semânticas orientadas a objetivos, receptores neurais que aprendem a decodificar sinais em cenários extremos e gêmeos digitais capazes de prever demanda de tráfego e orientar o desligamento temporário de estações rádio-base para economizar energia.

Na prática, o pacote open source da NVIDIA 6G encurta o caminho entre o algoritmo criado no laboratório e o teste com rádios reais, o que tende a acelerar a padronização e pressionar fornecedores tradicionais de soluções proprietárias. Ao mesmo tempo, abre espaço para universidades e centros menores participarem da definição das futuras redes móveis.

Robôs mais rápidos com comunicações semânticas

No King’s College London, pesquisadores ligaram um braço robótico com câmera a um módulo NVIDIA Jetson AGX Orin executando o Sionna, que suporta redes 5G definidas por software e processamento de IA na borda. Em vez de enviar imagens completas, o robô transmite apenas descrições compactas de objetos, posições e relações — uma abordagem conhecida como comunicação semântica orientada a objetivos.

Nos testes de empacotamento de frutas e empilhamento de cubos, com falhas propositais no ambiente, essa estratégia encurtou drasticamente o tempo de operação. “O approach reduziu o tempo de conclusão da tarefa em até 52,6% e melhorou o sucesso das tarefas”, relataram os pesquisadores do King’s College London.

Além da velocidade, o sistema mostrou mais resiliência: conseguiu detectar objetos caídos, recuperar ações que deram errado e, com o apoio de gêmeos digitais, simular movimentos para evitar colisões antes da execução. Esse tipo de arquitetura é visto como chave para aplicações de robótica industrial, logística e serviços de emergência, que exigem respostas em frações de segundo.

Receptores neurais melhoram sinal em cenários críticos

Na ponta da infraestrutura de acesso, a SoftBank integrou um receptor neural ao NVIDIA Aerial CUDA-Accelerated RAN e o testou com um smartphone 5G comercial em condições controladas de interferência. A ideia é usar IA para aprender a recuperar dados de sinais degradados, indo além dos algoritmos clássicos de recepção.

O ganho foi expressivo. “O receptor neural entregou até 60% mais throughput de uplink em testes com interferência”, informou a equipe da SoftBank, que registrou vantagem em todos os 15 cenários avaliados em relação a um receptor convencional.

Outro avanço vem da ETH Zurich, que usou o Aerial Testbed para ajustar receptores neurais a partir de medições locais, em vez de depender apenas de modelos pré-treinados em laboratório. Segundo os pesquisadores, “ajustar receptores neurais com medições locais reduziu a taxa de erro de bloco em mais de um terço”, melhorando significativamente a confiabilidade da ligação em ambientes reais.

Esses experimentos apontam para um 6G em que a RAN deixa de ser apenas configurada e passa a ser treinada continuamente, adaptando a recepção de sinais às características específicas de cada bairro, prédio ou planta industrial.

Gestão de energia com gêmeos digitais e previsão de tráfego

Com a expansão de dispositivos conectados e aplicações de IA de alta demanda, o consumo de energia das redes móveis se torna um problema central para operadoras. Na Universidade de Leeds, pesquisadores usaram o ecossistema da NVIDIA para atacar exatamente esse ponto.

O grupo desenvolveu um sistema que prevê a demanda de rede com 10 minutos de antecedência e usa essas previsões para decidir que estações base podem ser colocadas em modo de sono temporário. Antes de desligar, o algoritmo verifica se as células vizinhas ativas conseguem atender os usuários afetados e monitora o cenário para reativar capacidade quando necessário.

Os testes foram feitos com um 5G “network-in-a-box” alimentado por um servidor NVIDIA DGX Spark, combinado a um gêmeo digital construído com o Aerial Omniverse Digital Twin para simular condições realistas de tráfego e rádio. Em um dos cenários, a abordagem proporcionou redução de 45,6% no consumo de energia da RAN em relação à operação em potência total, sem perda de conectividade para os dispositivos.

O modelo reforça a tese de que redes 6G precisarão ser, além de mais rápidas, significativamente mais eficientes, ajustando dinamicamente sua pegada energética à demanda real — algo que só se viabiliza com forte componente de IA e simulação avançada.

Entenda o contexto

A corrida pelo 6G vem sendo guiada por três eixos principais: maior capacidade de transmissão, tempos de resposta ultrabaixos para aplicações críticas e a integração de conectividade, computação e sensoriamento em uma única infraestrutura. A aposta da NVIDIA é que esses requisitos só serão atendidos com redes “nativas de IA”, em que o uso de algoritmos de aprendizado de máquina não é um adendo, mas parte do desenho básico do sistema.

Nesse cenário, ferramentas open source como NVIDIA Aerial, Sionna e Aerial Omniverse Digital Twin se tornam peças estratégicas. Elas permitem que universidades, operadores e fabricantes testem virtualmente milhares de variações de arquitetura, algoritmos de agendamento, esquemas de modulação e políticas de economia de energia, antes de investir em hardware ou realizar testes de campo caros.

Com mais de 1 milhão de downloads e adoção em mais de 8 mil instituições, esse ecossistema já se consolida como referência para experimentos em 5G avançado e 6G RAN. A expectativa de pesquisadores e da própria indústria é que, a partir dessas plataformas, surjam padrões técnicos e casos de uso que vão de robótica colaborativa e cidades inteligentes a serviços emergenciais com visão em tempo real e redes industriais com consumo energético otimizado.

Os próximos passos incluem ampliar o número de participantes, integrar novas funcionalidades às pilhas open source e levar os projetos atuais para ambientes de teste mais complexos, abrindo caminho para os primeiros pilotos comerciais de redes 6G baseadas em IA na próxima década.