# 天翼蓝能AI节能体自愈关断：一座城在打盹，一年省下8亿度电 ## 一、一个让运维人不敢信的数字：8亿度 2024年PT Expo（中国国际信息通信展）"信息通信业赋能碳达峰碳中和创新论坛"上，中国电信集团采购供应链管理中心副主任林玲抛出一组数据，让台下同行直呼"太香了"——**中国电信自研AI节能系统，年均节电8亿度，节省电费5.2亿元**。 8亿度是什么概念？相当于一座中型城市近百万户家庭一个多月的居民用电量，按当前电价折算就是5.2亿元真金白银。而支撑这个数字的，并不是某个新芯片、也不是把基站关掉，而是一套叫**"天翼蓝能"**的、能让几十万个基站"学会打盹"的AI节能系统。 更有意思的是，这套系统入选了国家发改委《绿色技术推广目录（2024年版）》，是**电信运营商唯一入选技术**。它的核心能力，不是简单地把设备"关掉"，而是构建了一个**自感知、自决策、自关断、自评估、自优化**的节能自愈闭环——基站每时每刻都在根据业务量"决定"自己该醒着还是该打盹，打完盹醒来还要复盘这次睡得好不好。 这篇文章就拆解这个自愈闭环：问题从哪来、AI怎么接、关断有多深、效果有多狠、跟浙江移动、重庆联通的同类方案差在哪。 ## 二、为什么5G基站是头"电老虎" 理解节能，先要理解浪费从哪来。 截至2025年4月，全国5G基站总数已突破**374万个**，占全球总量六成以上。5G基站的功耗相比4G大幅上升，原因有三： 第一，**带宽和通道数翻倍**。5G AAU（有源天线单元）普遍采用64通道甚至192通道的Massive MIMO，射频通道多、功放多，静态功耗水涨船高。 第二，**AAU是耗电主力**。一个5G基站的总功耗里，AAU通常占到七成以上，而AAU的功耗与业务负载并不成线性关系——**即使没人在打电话、刷视频，AAU的功放、收发链路依然在空转耗电**，这部分叫"基础功耗"。 第三，**业务量潮汐效应明显**。深夜到凌晨，很多小区（扇区）几乎没有流量，但基站仍以满功率待机。一个小区24小时里，可能有一半时间业务量低于5%。 这就形成了一个巨大的"剪刀差"：**设备以100%的姿态运行，但实际承载的业务可能只有个位数百分比**。传统的节能手段，恰恰没能很好地吃掉这块"剪刀差"。 ## 三、传统节能的死穴：人工"一刀切" 在AI节能全面推广之前，全网普遍使用的是软件层的传统节能技术。它的逻辑很朴素：**人工在设备上配置定时节能策略**，比如"每天凌晨1点到5点，执行符号关断"。 听起来没问题，但落地全是坑： - **一刀切**。不同基站的业务量千差万别——商圈基站深夜也有流量，居民区基站深夜流量极低，景区基站工作日和周末差异巨大。用同一套定时策略套所有基站，要么节能不彻底（不敢关太狠），要么误伤用户感知（关早了、关错了）。 - **只能选低风险浅度节能**。设备厂商提供的节能功能其实很丰富——符号关断、通道关断、载波关断、深度休眠，还有资源闭塞/调节等。但这些功能触发的条件复杂、风险等级不同，传统人工模式下，运维只敢选最低风险的**符号关断**这种"浅度节能"，真正能省大钱的**通道关断、深度休眠**几乎不敢用。 - **维护成本高、易出错**。几十万个小区，每个都要人工配策略，还要根据季节、节假日、突发大流量不断调整，工作量巨大且容易配错。 - **厂商壁垒**。多厂家设备节能功能不一、接口不一，跨厂家协同节能基本做不到。 一句话：**传统节能是人盯人、定时器、浅度节能，省的是小钱，吃不掉大剪刀差**。这正是AI要切入的地方。 ## 四、天翼蓝能方案：云边协同的AI节能自愈闭环 ### 4.1 平台架构：一个大脑 + 千万根神经 "天翼蓝能"由中国电信研究院AI研发中心主导研发，定位于**全网统一、云边协同、4G/5G融合**的基站智慧节能网络化平台，最大卖点是**跨厂家、跨网络**——能同时纳管华为、中兴、爱立信等多厂家设备，4G/5G一套平台搞定。 它的架构分三层： - **云侧（集中决策大脑）**：依托中国电信"东数西算"战略，把基站AI节能所需的海量数据采集至**内蒙、贵州算力集群**集中处理，依托企业级大数据湖，做跨域多源数据融合，训练AI模型、生成节能策略。 - **边侧（就近实时执行）**：在省/本地网边缘部署节能控制能力，实时感知业务负载，毫秒级到秒级下发关断/唤醒指令，保证决策的实时性和网络感知。 - **设备侧（执行体）**：覆盖符号/通道/载波关断、深度休眠、资源闭塞/调节等全量节能功能集，是真正"动手关开关"的地方。 这套"云训练—边决策—设备执行"的三段式架构，正是它能做到**全网几十万小区精细化、个性化节能**的基础。 ### 4.2 自愈闭环：节能策略的自评估与自优化 天翼蓝能最关键的设计，是它不是一个"开环"的关断工具，而是一个**闭环自愈系统**。其工作流可以拆成六步： ```mermaid flowchart TD A["实时感知
业务负载/环境"] --> B["AI预测
未来流量趋势"] B --> C["智能决策
选关断级别与时长"] C --> D["自动执行
符号/通道/载波关断·深度休眠"] D --> E["感知守护
业务来了秒级唤醒"] E --> F["效果自评估
节电量/感知影响回灌"] F --> B style A fill:#e1f5e1,stroke:#2e7d32 style D fill:#fff3e0,stroke:#ef6c00 style F fill:#e3f2fd,stroke:#1565c0 ``` 这个闭环里有三个"自"值得单独说： **自决策**：AI不再用定时器，而是基于历史业务曲线、节假日、天气、突发事件，预测每个小区未来一段时间的流量，再决定该用什么级别的关断、关多久。流量极低的小区敢上"深度休眠"，流量波动大的小区只上"符号关断"，千人千面。 **自执行 + 感知守护**：关断不是一关了之。系统持续监测，一旦预测到业务量回升或实际流量涌入，立即秒级唤醒，**保证用户拨打电话、刷视频的感知不被影响**。这是节能敢往深里走的前提——没有感知守护，谁都不敢让基站深度休眠。 **自评估 + 自优化**：这是最像"自愈"的一环。每一次节能动作结束后，系统会基于历史节能实施结果反馈，做**节能效果自评估**——这次关断省了多少电？有没有影响KPI？哪些时段可以再激进一点、哪些小区该保守一点？这些反馈回灌给AI模型，策略不断自我迭代、自我修正。也就是说，**系统越跑越聪明，节能策略越用越精准**。 ### 4.3 从浅度到深度：节能功能的"能级阶梯" 天翼蓝能真正拉开与传统方案差距的，是把过去不敢用的深度节能，在AI守护下安全地用起来了。节能功能本身有一个从浅到深的"能级阶梯"，节能率越高、唤醒越慢、风险越大： | 节能级别 | 触发条件 | 节能幅度 | 唤醒时延 | 风险等级 | |---------|---------|---------|---------|---------| | 符号关断 | 业务量低于门限，按子帧符号关 | 低（5%-15%） | 极快（μs级） | 低 | | 通道关断 | 业务量较低，关闭部分射频通道 | 中（15%-30%） | 快（ms级） | 中 | | 载波关断 | 多载波小区，关闭空闲载波 | 中高（20%-40%） | 较快（s级） | 中 | | 深度休眠 | 长时间近乎零流量，AAU/BBU深度关断 | 高（40%-60%+） | 较慢（s~10s级） | 高 | | AAU自动启停 | 小区完全空闲，整模块下电 | 极高 | 慢（需预热） | 高（需可靠性保障） | 传统人工模式下，运维基本只敢停在第1级。天翼蓝能靠AI预测+感知守护，**让第3、4级甚至第5级的深度节能成为日常**——这才是8亿度电的主要来源。 ## 五、效果数据：把数字摆上桌 中国电信公开的数据和时间线如下： | 时间节点 | 部署进展 | 效果指标 | |---------|---------|---------| | 2021年4月 | 自动化节能小区数首破50万大关（累计55万） | 累计节能超2000万度 | | 2024年 | 全网规模化部署（基站+IT云主机+AB类机房） | **年均节电8亿度、省电费5.2亿元** | | 2024年 | 入选《绿色技术推广目录》 | 电信运营商唯一入选技术 | 8亿度这个数字之所以可信，是因为它不是只算无线基站。林玲的表述里，AI节能系统**广泛部署在基站、IT云主机、AB类机房**三类场景： - **基站**：符号/通道/载波关断、深度休眠，吃掉无线侧剪刀差； - **IT云主机/数据中心**：实时监控设备运行和环境信息，对局部空闲设备智能关断/启动，并对机房和数据中心**制冷系统风速频率进行智能化调节**（即数据中心"精打细算"，拉低PUE）； - **AB类机房**：汇聚/接入机房的智能空调、动环系统按需调节。 三块加总，才撑起8亿度的盘子。这里要特别点出：**机房/数据中心的制冷智能调节，是被很多无线人忽视的节能富矿**——一个机房的空调哪怕降频10%，长期下来都是真金白银，而AI恰恰擅长这种"温度-负载-制冷"的联动优化。 ## 六、对比分析：传统方案 vs 天翼蓝能，以及三家运营商的节能打法 ### 6.1 传统人工节能 vs 天翼蓝能AI节能 | 维度 | 传统人工节能 | 天翼蓝能AI节能 | |------|------------|--------------| | 策略生成 | 人工配置定时器，一刀切 | AI基于流量预测，千人千面 | | 节能深度 | 以符号关断等浅度节能为主 | 符号→通道→载波→深度休眠，按需深挖 | | 厂家协同 | 各厂家独立，难跨厂家 | 跨厂家、跨网络统一纳管 | | 感知保障 | 依赖人工经验，易误伤 | AI感知守护，业务来秒级唤醒 | | 策略进化 | 静态，需人工反复调整 | 闭环自评估、自优化，越跑越准 | | 运维成本 | 高，几十万小区人工维护 | 低，集中式自动运营 | ### 6.2 三家运营商AI节能方案横向对比 AI基站节能几乎是运营商的"标配战场"，但打法各有侧重： | 维度 | 中国电信"天翼蓝能" | 浙江移动"能源智慧大脑" | 重庆联通（+中兴）AAU自启停 | |------|------------------|---------------------|--------------------------| | 主打亮点 | 云边协同全网平台，东数西算集中算力 | 基站"智能午休"+光伏储能微电网 | AAU自动启停，突破100W下电瓶颈 | | 节能路径 | 符号/通道/载波/休眠全功能集 | 无线设备节能+智慧空调+光伏绿电 | AAU整模块智能下电 | | 代表数据 | 年省8亿度电/5.2亿元 | 1600余站点光伏，年节电逾千万度 | 节能效率大幅提升，省去智能空开 | | 硬件投入 | 重算力（贵州/内蒙集群） | 重新能源（光伏+储能） | 重启停技术，工程投入低 | | 特色延伸 | 数据中心制冷AI降PUE | 乌岩岭"零碳基站"（光伏+MIMO电源+储能） | 获IAQ国际质量促可持续发展奖 | 可以看到三家思路很清晰：**电信重"算力+全网闭环"、移动重"绿电+储能"、联通重"极致启停技术"**。它们并不互斥，而是从不同角度压缩同一块剪刀差。 ## 七、补充案例：浙江移动的"智能午休"与重庆联通的"AAU自启停" ### 7.1 浙江移动：让基站学会"午休"，让数据中心学会"精打细算" 浙江移动的打法更"绿"。依托**"能源智慧大脑"**，它实现基站能耗精准管控，让5G基站学会"智能午休"——业务低谷时按需休眠，业务回升时唤醒。同时数据中心学会"精打细算"，通过智慧空调管控、制冷系统智能化调节，把PUE往下压。 它还有一条很出圈的新能源路线：自2021年起扩大零碳、低碳基站建设，**累计完成1600余个自建站点光伏系统建设，累计装机容量约8.2兆峰瓦，全年节电1千余万度**。最典型的是温州泰顺乌岩岭自然保护区的"零碳基站"——面对1.9万公顷的广袤山林，采用"光伏+MIMO电源+储能"微电网系统，24块光伏板与智能储能设备协同，**在无日光照条件下也能保障基站设备运行**。这种"AI节能+绿电"的组合，是偏远、市电难达站点降碳的范本。 ### 7.2 重庆联通 + 中兴通讯：把AAU"硬关断"的活干软 重庆联通和中兴通讯联合团队的看点，是啃下了一个最硬的骨头：**AAU深度关断时的"基础功耗"**。 传统节能方法下，即使做了不少关断，设备仍存在**高于100W的功耗瓶颈**——也就是说，AAU"关了也没真关干净"，还在吃电。要彻底解决，行业原来有一种叫"智能空开"的方案，靠物理断电，但带来两个问题：**可靠性隐患**（新增故障点）和**高昂成本**（每个站点加装硬件）。 中兴的破法是**基于AI智能化的AAU自动启停节能技术**：通过实时监测网络负载，动态调整AAU设备启停，**在软件层面实现从微调到深度节能的多级策略自动执行**，无需加装智能空开。结果：突破100W功耗瓶颈、消除可靠性隐患、省掉硬件投入，节能效率大幅提升。这套技术后来还斩获了**国际质量科学院（IAQ）"质量促可持续发展奖"，中兴成为该年度全球首家、中国首个获此殊荣的通信企业**。它与中国联通AI节能平台深度融合，已在重庆网络中规模化部署。 ## 八、挑战与边界：自愈关断不是万能的 把AI节能捧上天之前，也要看清它的边界和风险，这才是工程师视角： **第一，感知红线是底线。** 节能省电再香，一旦影响用户感知（接通率、掉话、速率、切换失败），就是事故。AI预测再准，也有突发大流量、应急通信、重大保障的时刻。所以所有AI节能系统都设了**保障白名单**——重要区域、重要时段、重要用户，AI不能动。这恰恰也说明：节能覆盖率永远到不了100%，"8亿度"是和"零感知影响"之间的最优解，不是理论极限。 **第二，深度关断对硬件可靠性是考验。** 频繁的深度休眠、AAU自启停，对功放、电源、温控循环是一种应力。业界对"深度关断会不会加速器件老化、缩短基站寿命"一直有讨论。中兴拿IAQ质量奖，本质上也是在用"质量驱动"证明其启停技术的可靠性——节能不能以牺牲设备寿命为代价。 **第三，预测模型会漂移。** 流量模式随城市变化、随新业务（如AI应用爆发）变化。去年训练的模型，今年可能不准。所以自评估、自优化的闭环必须常开，模型要持续重训，否则"自愈"会变成"自残"——基于过期预测做出错误关断。 **第四，跨厂家协同仍是难点。** 虽然天翼蓝能号称跨厂家，但多厂家设备的节能功能粒度、接口标准不一，深度功能（尤其是深度休眠、自启停）的开放程度参差，需要厂商配合。这也是为什么中兴的启停技术最先在联通落地、华为的MetaAAU/iSDU走自己的路——**节能的深水区，依然是厂商绑定的**。 ## 九、结论：自愈的尽头，是让网络学会"自己打盹" 回到最初的问题：8亿度电是怎么省出来的？ 答案不是某一项黑科技，而是一套**让网络学会自己打盹、自己醒来、自己复盘**的AI节能自愈闭环。它把传统人盯人、定时器、浅度节能的旧模式，升级成"云训练—边决策—设备执行—自评估—自优化"的新范式，把过去不敢用的通道关断、深度休眠、AAU自启停在感知守护下变成日常，吃掉了业务潮汐之间那块巨大的能耗剪刀差。 对中国电信，它意味着每年5.2亿元的真金白银和国家绿色目录的唯一入场券；对浙江移动，是"智能午休"+光伏储能的零碳探索；对重庆联通+中兴，是把100W功耗瓶颈干碎、拿到国际质量奖的硬实力。三家路径不同，殊途同归。 更重要的是，这预示了AIOps的一个深层方向：**自愈不只是故障来了再修，而是网络在日常运行中持续地、自主地优化自己的状态**——能耗、容量、覆盖、感知，都是一个可以自感知、自决策、自闭环的对象。当基站连"什么时候该打盹"都能自己决定并自我改进，自智网络（Autonomous Networks）的L4/L5，离落地又近了一步。 下一个战场，或许是把这种"打盹经济学"从基站扩展到整个算力网络——让8亿度，变成几十亿度。 ## 参考来源 1. [中国电信自研AI节能系统：年均可节电8亿度，节约电费5.2亿元（腾讯新闻，2024-10-16）](https://news.qq.com/rain/a/20241016A04R7S00) — 林玲在PT Expo 2024碳达峰碳中和创新论坛披露的核心数据 2. [中国电信：基于AI和大数据的基站智慧节能（国务院国资委）](http://www.sasac.gov.cn/n4470048/n26915116/n28283133/n28283153/n28283173/c28315908/content.html) — 天翼蓝能云边协同架构、AI策略自评估自优化闭环、东数西算集中算力 3. [中国电信研究院自研智慧节能技术入选国家绿色技术推广目录（通信世界网）](https://www.cww.net.cn/article?id=596429) — 入选《绿色技术推广目录（2024年版）》，电信运营商唯一入选 4. [5G基站"智能午休"，浙江移动低碳科技打造"绿色流量"（央广网，2025-06-27）](https://zj.cnr.cn/cjgc/20250627/t20250627_527232281.shtml) — 浙江移动能源智慧大脑、光伏储能、零碳基站数据 5. [重庆联通携手中兴通讯开启AI智能"零碳"基站节能新格局（工信部重庆管局，2024-06-20）](https://cqca.miit.gov.cn/xwdt/xydt/art/2024/art_c4c9fcaff5084980a464fb4dade9e71e.html) — AAU自动启停突破100W功耗瓶颈、规模化部署 6. [中兴通讯5G智能启停技术荣膺国际质量促可持续发展奖（知乎）](https://zhuanlan.zhihu.com/p/1985378231411557683) — 中兴获IAQ质量促可持续发展奖，全球首家中国首个通信企业 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。