在人工智能时代成为商业基石后,Nvidia将目光转向6G基础设施建设,宣布与全球领先电信运营商合作,在基于AI的开放、安全、可信平台上构建下一代无线网络。
该倡议在2026年世界移动通信大会上正式发布,代表了确保6G基础设施开放、智能、韧性强,加速创新并保障全球信任的共同承诺。Nvidia的首批合作伙伴包括博思艾伦、英国电信集团、思科、德国电信、爱立信、Mitre、诺基亚、OCUDU生态系统基金会、ODC、韩国SK电讯、软银和T-Mobile。
Nvidia在解释参与该项目的原因时表示,6G无线网络将超越传统连接功能,成为物理AI的基础架构,支持数十亿自主机器、车辆、传感器和机器人运行,这将显著提高对安全性和可信度的要求。
然而,传统无线架构并非为满足这些需求而设计,随着网络复杂性增加带来了挑战。为此,Nvidia表示正在联合行业力量,推进基于开放可信原则构建的AI原生软件定义无线平台。
Nvidia补充说,通过在无线接入网络、边缘和核心网络中嵌入AI,6G网络必须能够支持安全的集成感知和通信、智能决策,同时支持互操作性、供应链韧性和更快的创新速度。
这家科技巨头预测,6G将是AI原生和软件定义的,使无线网络能够以创新的速度发展。Nvidia是AI-RAN联盟的创始成员,该联盟目前拥有130多家参与公司,共同推动网络创新。
根据Nvidia的说法,基于AI-RAN架构构建的6G网络将通过软件持续演进,实现实时智能和快速发展。这种转型为多样化的生态系统参与者开启了大门,从全球运营商和技术提供商到初创企业、研究人员和开发者,都可以通过开放可编程平台做出贡献。
作为6G愿景的一部分,Nvidia正在参与全球公私倡议以推进6G创新,贡献开源软件、可访问平台以及联合研发。其参与的全球项目包括美国FutureG办公室领导的Ocudu倡议,与政府和行业合作伙伴合作,加速开放、软件定义和AI原生的6G架构发展。
在韩国,Nvidia正与行业联盟合作,帮助从零开始构建智能、安全、可编程的6G网络。同时在英国,Nvidia与科学、创新和技术部合作,推进应用研究、生态系统开发和可信AI原生网络设计。
Nvidia强调,这些合作代表了统一的承诺,得到了志同道合的政府、运营商和技术合作伙伴的支持,旨在为下一代无线技术塑造安全、智能和可信的全球连接。
Nvidia创始人兼首席执行官黄仁勋表示:"AI正在重新定义计算,推动人类历史上最大规模的基础设施建设,电信行业是下一个目标。Nvidia与全球行业领袖联盟合作,正在构建AI-RAN,将世界各地的电信网络转变为无处不在的AI基础设施。"
英国电信集团首席执行官Allison Kirkby补充道:"连接是经济增长的支柱,通过这次合作,我们正在为智能、可持续和安全的未来生态系统奠定基础。通过构建开放可信的AI原生平台,我们可以简化6G等未来技术,确保它们在今天5G网络优势基础上,仍能大规模释放强大的新能力。"
德国电信首席执行官Tim Hottges表示:"通过开放、智能和可信的6G基础设施,我们正在为物理AI时代奠定基础,为客户、行业和社会释放新价值。"
Q&A
Q1:Nvidia为什么要参与6G网络建设?
A:Nvidia认为6G无线网络将成为物理AI的基础架构,支持数十亿自主机器、车辆、传感器和机器人运行,而传统无线架构无法满足这些AI原生需求,因此需要构建基于AI的开放、安全、可信平台。
Q2:AI-RAN联盟是什么组织?
A:AI-RAN联盟是一个推动网络创新的行业组织,Nvidia是其创始成员,目前拥有130多家参与公司。该联盟致力于推进AI原生的无线接入网络技术发展。
Q3:6G网络与5G网络有什么区别?
A:6G网络将是AI原生和软件定义的,能够通过软件持续演进,实现实时智能和快速发展,同时支持安全的集成感知和通信、智能决策,在5G网络优势基础上大规模释放更强大的新能力。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。