# AI节能实战：基站省电账本——从杭州移动到沃达丰乌克兰，无线AI节能到底省了多少电 ## 概述 5G基站是运营商账本上增长最快的一笔电费：一台64T64R的AAU典型功耗在1000瓦以上，一座5G宏站的耗电约是4G站点的三倍。与此同时，网络话务存在天然的潮汐低谷——深夜的小区往往只承载白天峰值流量的一成左右，设备却在满配空转。本文回答一个工程问题：AI节能到底是怎么把这部分电省下来的？文章以华为PowerStar 2.0/iPowerStar方案为主线，拆解符号关断、通道关断、载波关断、深度休眠四级手段的颗粒度与风险，复盘杭州移动、四川移动的GSMA案例库记录，以及2025年5月沃达丰乌克兰的商用部署，并给出收益核算、KPI守护与工程落地的真实边界。 ## 目录 - 电费：运营商账本里最沉默的大头 - 基站的“四级开关”：节能手段的颗粒度 - 规则脚本的天花板：为什么节能必须交给AI - 实战成绩单：从杭州到基辅的案例 - AI节能闭环是怎么转起来的 - 账要怎么算：收益、坑与工程边界 - 结语：省下的每一度电都是净利润 ## 电费：运营商账本里最沉默的大头 在无线专业干了十几年的工程师都有一体感：以前谈网络成本，大家聊的是设备折旧、铁塔租金、传输租赁；这几年开会，电费被单独拎出来做专项汇报了。原因不复杂——5G把单站功耗抬了一个量级。一台64通道Massive MIMO AAU的典型功耗在1000瓦以上，加上BBU、空调、传输和整流损耗，一座3频5G宏站的年电费轻松达到数万元量级。对拥有两百万以上5G基站的运营商（中国移动2024年底披露的5G基站已超过230万个）来说，电费是数百亿元人民币级别的年支出，且随流量增长逐年爬坡。 爱立信在2023年的《Breaking the Energy Curve》博客和后续研究里给出的模型结论是：无线接入网（RAN）占移动网络能耗的约七成，是节能的主战场（来源：ericsson.com/en/blog/2023/8/breaking-the-energy-curve）。2026年6月，爱立信技术评述（Ericsson Technology Review）又发布了《Breaking the energy curve in RAN: four strategic imperatives》，把话挑明了：能效正在成为2030年前网络演进的决定性约束——据其流量预测，移动流量到2030年将增长约3.5倍，如果传输每比特的能耗降不下来，网络扩容就会变成电费的无底洞。 这里有一个常被外行误读的点：5G每比特能效比4G高得多（同流量下更省电），但**总功耗**反而上升了——因为容量翻倍的速度远快于能效提升的速度。这就是爱立信所说的“能耗曲线”：流量涨，能耗跟着线性涨。所谓"breaking the curve"，就是在流量增长的同时把总能耗曲线压平甚至压降。压平这条曲线的手段分三层：换更高效的硬件（新平台AAU功放效率提升）、精准建网（用最少的站覆盖最多的话务）、以及本文的主角——软件节能与AI运维。 而AI节能之所以在这两年集中落地，恰恰是因为前两层是“一次性”的，第三层是“持续性”的：硬件和站址定了之后，每天每个小时还能再抠出多少电，取决于网络的运行方式。这部分过去靠人写脚本，现在靠AI。 ## 基站的“四级开关”：节能手段的颗粒度 要理解AI节能，先要理解基站有哪些“可关的东西”。无线节能不是简单的“关机”，而是一套颗粒度从毫秒到整夜的分级动作。行业公开材料中常见的四级口径如下（具体数值与实现方式以各厂家官方文档为准，标准允许多种实现）： | 节能手段 | 作用对象 | 典型动作 | 节电空间（公开口径） | 响应/唤醒时延 | 主要风险 | |---------|---------|---------|---------------------|--------------|---------| | 符号关断 | 时隙内的OFDM符号 | 无数据调度的符号上关闭功放输出 | 约5%–15% | 毫秒级，用户几乎无感 | 低，需处理参考信号位置 | | 通道关断 | AAU射频通道 | 夜间从64T64R降维到32T/16T运行 | 约10%–25% | 秒级 | 中，影响覆盖与MIMO增益 | | 载波关断 | 辅助载波/异系统小区 | 关闭叠加层载波，保留覆盖锚点 | 约15%–30% | 秒到分钟级 | 中高，需保证重选重定向成功 | | 深度休眠 | 整台AAU | 夜间整设备下电，仅保留唤醒能力 | 40%以上 | 分钟级 | 高，突发话务恢复慢 | 这套分级的关键不在“能不能关”，而在“什么时候关、关了怎么救”。符号关断是设备级自动行为，几乎不需要人操心；真正的难题在后三级——通道关断降了覆盖，邻区话务涌过来会不会拥塞？载波关断后用户重选到锚点小区，接入成功率掉不掉？深度休眠的AAU遇到凌晨的突发事件（急救、灾害、大型散场），唤醒要不要几分钟？ 过去这些问题的答案是把门限调得非常保守：凌晨1点才关、凌晨5点就开、覆盖电平门限留足余量。结果是“关是关上了，但省得很少”。用爱立信报告里的说法，节能软件的激活率一直是行业痛点——功能买了、参数加了，实际省出来的电远低于实验室宣称值。 还有一个容易被忽略的工程细节：关断动作本身不是免费的。通道降维和载波关断涉及用户迁移（重定向、切换），这个过程会短暂推高信令负荷并带来掉话风险窗口；深度休眠唤醒时，AAU要重新做小区建立和波束校准。所以每一次“关”和“开”都是一次小型风险事件——关断次数越多、越碎，风险窗口越多。这就是为什么节能策略需要“少而准”，而不是“多而猛”。这个“准”字，正是AI的入口。 ## 规则脚本的天花板：为什么节能必须交给AI GSMA在案例库里收录四川移动与华为合作的iPowerStar节能项目时，开篇就点破了行业困境：站点能耗随话务量波动，而传统的节能措施是静态的，无法适应这种波动（来源：GSMA Foundry案例"Intelligent Energy-Saving with iPowerStar @Sichuan"）。这句话值得展开讲讲，因为它描述的是每一个无线优化工程师都亲手撞过的墙。 墙有三堵。 **第一堵：场景差异太大。** 写字楼小区的话务谷底在深夜，住宅小区在上午，景区和场馆跟着节假日和演出日程走，火车站全天没有真正的低谷。一套全网统一的“凌晨0点关断”策略，等于对一半以上的小区用错了药。人工分场景配置？一个地市几万个小区，靠人一行行看是不可能的。 **第二堵：参数组合爆炸。** 节能不是单一开关，而是“是否关断+关断级别+门限+迟滞+免打扰时段+唤醒条件”的多维组合，再叠加4G/5G两三张网的协同关系（5G关断前要确认4G锚点能接得住话务）。这个组合空间是天文数字，靠专家经验写规则只能覆盖主干场景，长尾小区永远在“一刀切”的误差里。 **第三堵：风险不可预演。** 规则脚本最大的问题是它只能在真实网络上试错。改一轮参数、观察一周KPI、再回滚——这个循环太慢，而且试错成本直接打在用户体验上。于是大多数网络选择“宁可不错、不能出错”，节能深度始终上不去。 AI要解的正是这三堵墙：用话务预测替代固定时段（每小区单独学习自己的潮汐曲线，把“凌晨0点”变成“这个小区自己的谷底时刻”）；用策略搜索替代人工组合（在约束条件下自动匹配关断级别与门限）；用数字孪生预演替代真实网络试错——这正是杭州移动案例的核心。 ## 实战成绩单：从杭州到基辅的案例 以下几个案例均来自官方或权威行业组织的公开记录，这也是我认为AI节能值得单独写一篇的原因：它不是概念，是有账本的。 **案例一：杭州移动 + 华为，RAN数字孪生节能（GSMA案例库收录）。** GSMA Foundry在AI用例库中记录了这组合作：杭州移动基于华为的RAN数字孪生节能方案实现无线网络的自动化智能节能，运营商可以自定义“节能意图”——包括适用的场景、KPI目标（比如接入成功率、掉话率的允许波动范围）和节能目标（来源：gsma.com/get-involved/gsma-foundry/gsma_resources/huawei-ipowerstar/）。工程上看这个案例最关键的不是“省了多少”，而是“意图化”这三个字：运维人员不再配置几千个参数，而是声明两条底线——体验不许劣化到哪里、电要省到什么程度——剩下的组合搜索和验证交给系统在数字孪生环境里完成。先把策略放到仿真的“镜像网络”里跑一遍，KPI达标才推到真实网络，这就把上一节说的“试错成本打在用户身上”变成了“试错成本打在仿真环境里”。 **案例二：四川移动，从静态到自适应。** 同在GSMA案例库的四川项目记录了典型的演进路径：先把静态节能措施（固定时段符号关断、载波关断）铺开，再针对“静态措施无法适应话务波动”的缺口引入AI动态决策。这类项目的真实收益结构通常是：静态措施打底拿到“低垂的果实”，AI在长尾小区和时间窗上再挖一层——恰恰是那部分难啃的增量，验证了AI相对规则脚本的边际价值。 **案例三：沃达丰乌克兰，AI节能的海外商用样本。** 2025年5月，沃达丰乌克兰宣布与华为合作在现网部署PowerStar 2.0平台，是乌克兰首家（来源：Telecompaper报道；Interfax-Ukraine亦独立报道并援引了运营商声明）。其官方描述很直白：这是一个智能AI平台，分析网络负载并自动关闭基站上的闲置设备，且不损失通信质量。把“自动关闭闲置设备”翻译成无线工程语言，就是本文第二节那套分级关断——由AI根据负载预测决定何时、对哪一级下手。 **方案宣称值怎么读：** 华为在2021年10月全球移动宽带论坛（MBBF2021）发布GreenSite与PowerStar 2.0时的官方口径是：在典型配置下，通过多维协同，方案可将能耗降低超过25%（来源：华为官方新闻稿，Inside Towers等行业媒体转述一致）。第二年MBBF2022上，华为进一步提出"3+1"绿目标网络框架——绿色设备、绿色站点、绿色网络三个领域，外加一套能效指标体系。读这类数字要带着口径意识：25%+指的是协同动作全开、典型场景下的节能深度，不是全网全年摊薄值——这一点下一节细算。 | 案例 | 主体 | 方案 | 关键做法 | 效果口径 | 来源 | |------|------|------|---------|---------|------| | 杭州移动 | 中国移动杭州分公司 | 华为iPowerStar | RAN数字孪生+意图驱动节能 | 意图自定义（场景/KPI/节能目标） | GSMA Foundry | | 四川移动 | 中国移动四川公司 | 华为iPowerStar | 静态节能升级为AI自适应 | 解决静态措施不适配话务波动 | GSMA Foundry | | 沃达丰乌克兰 | Vodafone Ukraine | 华为PowerStar 2.0 | AI分析负载、自动关闭闲置设备 | 不损失通信质量前提下节能（2025年5月商用） | Telecompaper/Interfax | | 方案宣称 | 华为 | PowerStar 2.0 | 多维协同节能 | 典型配置下降耗超25% | MBBF2021新闻稿 | 爱立信路线的思路略有不同但殊途同归：其"Breaking the Energy Curve"框架的第三步就是“激活节能软件+智能化运维站点基础设施”，并在报告中强调这些能力已在现网客户中运行。换句话说，节能的AI化不是某一家厂商的营销概念，而是头部设备商共同押注的方向——分歧只在路径，不在方向。 ## AI节能闭环是怎么转起来的 把上面的案例抽象掉厂商名字，一个能上生产的无线AI节能系统，闭环长这样： ```mermaid flowchart TD A["网管采集：小区话务、KPI、能耗"] --> B["AI话务预测与场景识别"] B --> C{"预测话务低于阈值？"} C -->|否| A C -->|是| D["生成节能策略：符号与通道与载波分级"] D --> E["数字孪生环境预演"] E --> F{"预演KPI达标？"} F -->|否| D F -->|是| G["执行关断动作"] G --> H["实时监测用户体验"] H -->|劣化| I["秒级唤醒回滚"] H -->|正常| J["统计节电收益并沉淀策略"] I --> A ``` 这个闭环里有四个工程要点，决定了系统是“能演示”还是“能上生产”： **预测要按小区学，不要按全网算。** 每个小区的话务潮汐是独特的，预测模型的价值在于把全网统一的“夜 misconceptions 时段”细化成每小区自己的“可信关断窗口”。杭州案例里“自定义场景”的意图化设计，本质就是把场景识别的粒度做进策略层。 **预演是数字孪生最值钱的应用。** 节能动作对KPI的影响，大部分可以用话务迁移模型在仿真里推演出来。先在孪生环境筛掉九成会出问题的策略，真实网络上只剩一成需要实测验证——这是把“改参数怕出事”这个二十年老问题，变成了一个可以自动化的问题。 **守护回路必须独立于决策回路。** 执行关断期间，KPI监测是实时跑的：接入成功率、掉话率、用户面时延任一越限，立即唤醒回滚，这个动作不能等下一轮AI决策周期。生产系统的铁律是：AI负责“决定关”，但“救回来”的路径永远常备。 **收益统计要可归因。** 节能效果最容易注水的地方就是统计口径：天气变凉空调省的电、话务自然下滑省的电，都会被记到AI头上。严谨的做法是设对照小区组（同场景、不开AI节能），按差值归因——GSMA案例库把“节能目标”做成可声明的意图之一，就是在倒逼口径的严谨性。 ## 账要怎么算：收益、坑与工程边界 最后把账算清楚。这一节是写给要向领导汇报“AI节能值不值得上”的读者。 **第一笔：时段收益不等于全年收益。** “节能25%"这类数字，指的是关断动作生效时段的节能深度。深夜谷底时段占全天电费的三到四成，其中能安全关断的小区和时长又有折扣。按经验折算，全网全年口径的节电率往往是个位数百分比——但这依然是一笔大钱：对一个年电费数百亿元的运营商，全网省5%就是十几亿元级别的年化收益，而且几乎全额落入利润表。这笔账要让财务视角的人算，别让汇报停留在“实验室深度25%”上。 **第二笔：KPI风险要用免打扰机制兜底。** 生产系统的标配是免打扰白名单：重大保障期间（节假日、大型活动、高考考点周边）、投诉高发小区、特殊签约客户区域，一律不参与深度关断。AI预测再准，也要给“不可预测”留出退路——凌晨的突发急救调度、灾害应急通信，都不该被一纸节能策略挡住唤醒路。 **第三笔：AI自身有能耗和成本。** 训练和推理平台的电耗、数字孪生的算力投入，是这笔账的支出项。不过量级上完全不成比例：节能省的是以兆瓦时计的站点电费，AI平台耗的是数据中心里的千瓦时，投入产出比通常在一个数量级以上。真正需要评估的成本是工程人力：数据接入、孪生建模、策略验证的冷启动投入不低，这也是它更适合在网管平台化部署、全网摊薄成本的原因。 **第四笔：验收要防“节能注水”。** 行业里见过不少“省电率”漂亮但经不起推敲的项目：统计周期挑话务淡季、对照组不设、把硬件换代的效果记到软件头上。采购和验收时建议锁定三条：对照小区差值法归因；分时段分场景披露口径；KPI劣化指标与节电率捆绑承诺——只承诺省电不承诺体验的方案，不是完整的方案。 至于“AI会不会把运维人员优化掉”，从这几年的落地形态看，答案恰恰相反：意图化节能把工程师从“配几千个参数、看几百张报表”里解放出来，转去定义场景、校准底线、处理AI拿不准的长尾。决策可以自动化，责任和判断仍然是人的。 ## 结语：省下的每一度电都是净利润 回看这条时间线，AI节能是少数几个“从发布会到现网账本”闭环得非常完整的AI应用： ```mermaid timeline title 无线AI节能落地里程碑 2021年10月 : MBBF2021华为发布GreenSite与PowerStar 2.0 2022年10月 : MBBF2022华为提出「3+1」绿目标网络 2023年8月 : 爱立信发布网络能耗模型与节能框架 2025年3月 : GSMA案例库收录杭州与四川iPowerStar项目 2025年5月 : 沃达丰乌克兰商用PowerStar 2.0 2026年6月 : 爱立信发布RAN节能四大战略要务报告 ``` 它值得被单独审视的理由有三条：一是**可验证**——电表上的数字不会说谎，收益能被财务口径审计，这让它区别于大多数“AI赋能”叙事；二是**可复制**——杭州、四川、基辅用的是同一套方法论（预测+分级关断+孪生预演+KPI守护），换一张网照样成立；三是**它是自智网络最踏实的入口**——相比故障自愈、意图驱动这些大目标，节能的风险可控、收益可算、闭环清晰，是运营商训练AI运维体系最好的一块“练手田”。 在流量增长3.5倍的十年里，网络能耗曲线能不能被压平，很大程度上不取决于再发明什么硬件，而取决于每天深夜那几个小时里，几十万台AAU有没有被恰到好处地“关灯”。这是AI在通信网络里赚到第一桶金的地方——也大概率是它建立起信任、进而接管更多运维决策的起点。 ## 参考来源 1. [Huawei Launches GreenSite and PowerStar2.0 to Help Build Green, Low-Carbon 5G Networks](https://www.huawei.com/en/news/2021/10/mbbf2021-huawei-jiang-xudong-greensite-powerstar) — 华为MBBF2021官方新闻稿，PowerStar 2.0"典型配置下节能超25%"宣称值的原始出处 2. [Huawei: iPowerStar — GSMA Foundry AI Use Case Library](https://www.gsma.com/get-involved/gsma-foundry/gsma_resources/huawei-ipowerstar/) — 杭州移动基于RAN数字孪生的意图化节能案例，GSMA官方收录 3. [Huawei: Intelligent Energy-Saving with iPowerStar @Sichuan — GSMA Foundry](https://www.gsma.com/get-involved/gsma-foundry/gsma_resources/huawei-intelligent-energy-saving-with-ipowerstar-sichuan/) — 四川移动案例，“静态节能措施无法适应话务波动”的行业困境描述 4. [Vodafone Ukraine implements Huawei's PowerStar 2.0 to save energy — Telecompaper](https://www.telecompaper.com/news/vodafone-ukraine-implements-huawei-s-powerstar-2-0-to-save-energy--1537869) — 2025年5月商用部署报道，Interfax-Ukraine（en.interfax.com.ua/news/general/1075530.html）有独立报道可交叉印证 5. [Breaking the energy curve in RAN: four strategic imperatives — Ericsson Technology Review](https://www.ericsson.com/en/reports-and-papers/ericsson-technology-review/articles/breaking-the-energy-curve-in-ran) — 爱立信2026年6月技术评述，能效作为2030网络演进约束的框架性论述；其2023年能耗模型博客见 ericsson.com/en/blog/2023/8/breaking-the-energy-curve --- > 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。