AI-RAN不是一块AI板卡而是一套可以逐步搭建的研发环境软件负责建模与RAN实现GPU提供CUDA算力SDR把算法接入真实无线环境FPGA加速卡在需要时承接高速、确定性处理。一、AI-RAN开发平台并没有唯一固定配置不同课题需要的资源并不相同。研究信道、链路和端到端学习时可以先从Sionna与GPU节点起步研究GPU加速RAN、PHY/MAC或空口业务时可使用Aerial并接入YunSDR当多通道宽带IQ带来持续吞吐、低时延预处理或规则矩阵计算压力时再引入FX900。因此应先回答三个问题要运行什么软件、是否需要真实无线收发、数据流中是否存在必须由FPGA实时承担的处理。二、Sionna与Aerial项目Sionna从传播环境到链路与系统仿真Sionna是NVIDIA开源、GPU加速的通信研究库覆盖射线追踪、信道建模、链路级和系统级仿真并支持可微编程。它适合生成训练数据、比较算法、研究端到端通信系统也可以把YunSDR记录的真实IQ或测量参数重新送入研究流程用于验证仿真假设与现场数据之间的差异。Aerial面向CUDA加速的5G/6G RAN开发Aerial CUDA-Accelerated RAN是一套在NVIDIA加速计算平台上构建5G/6G gNB的软件开发环境覆盖GPU加速PHY、MAC及相关数据路径。它不是通用仿真工具而更接近可执行的RAN软件。若要把Aerial接入真实空口还要同时处理NIC、PTP同步、低时延内核、驱动版本与射频前端接口。三、YunSDR与FX900分别补上“真实空口”和“实时加速”YunSDR让软件面对真实无线环境单独运行Sionna或Aerial只能说明软件能够执行。AI-RAN研究若要进一步观察射频非理想、传播变化、时钟偏差、空口吞吐和协议行为还需要SDR收发链路。YunSDR可以承担多通道IQ采集、信号发射、时间戳与触发、记录回放以及空口业务验证使GPU侧的软件结果能够与真实测量互相校验。YunSDR与Sionna的组合更偏向“仿真—实测”闭环用Sionna建立场景和算法再用记录IQ或OTA数据检验模型。YunSDR与Aerial的组合更偏向“协议—空口”闭环把GPU RAN的数据路径接到SDR并验证基站、终端或测试信号能否真正经过无线空口传输。FX900需要高速确定性处理时再引入的FPGA加速卡FX900是FPGA加速卡核心采用AMD Versal AI Core VC1902。器件内部包含可编程逻辑、片上NoC和400个AMD AI Engine。可编程逻辑适合高速接口、分帧、流控、时间戳、FFT和通道化等确定性处理AIE阵列适合规则向量、矩阵和流式计算。板卡还提供4×100G QSFP28、PCIe Gen4 x8x8与16GB LPDDR4为高带宽数据通路预留了工程接口。FX900不运行CUDA也不是Sionna或Aerial的宿主。它是否需要加入平台取决于数据流如果YunSDR的数据规模和实时性在GPU主机内可以直接处理则无需为了“异构”而增加板卡如果持续IQ吞吐、固定时限预处理或矩阵核成为瓶颈FX900才有明确价值。四、从仿真到空口可按三个阶段逐步搭建一套可持续演进的平台通常不需要在第一天就配置全部硬件。更稳妥的方法是围绕研究目标逐级增加资源并在每一级保存输入数据、软件版本、时序条件和输出指标。阶段ASionna NVIDIA GPU先完成信道、链路、系统级仿真与算法基线。此时可以使用RTX PRO 6000工作站也可以使用DGX Spark。若已有YunSDR还可以加入记录IQ作为真实数据集但不要求形成实时空口链路。阶段BAerial GPU节点 YunSDR当研究进入GPU RAN、PHY/MAC或端到端业务演示时再把YunSDR接入数据路径。此阶段的关键不是简单连通而是统一采样格式、帧边界、时间戳、时钟、吞吐和控制接口。Aerial实时环境还要满足相应版本对NIC、PTP和低时延系统的要求。阶段C按实时负载增加FX900若多通道IQ在进入GPU前需要持续预处理或系统包含规则矩阵、FFT、通道化与固定时限任务可把FX900加入高速数据路径。GPU继续运行NVIDIA软件和并行工作负载FX900处理适合FPGA/PL与AIE的数据流。该阶段是可选扩展不是所有AI-RAN课题的前置条件。
