概述：AI在通信行业的落地，喊得最响的是自动驾驶网络，赚得最实的却是另一件事——给基站省电。本文以GSMA 2026年2月发布的《Energy Implications of AI for Mobile Operators》报告为解读主轴，结合Vodafone英国与爱立信在伦敦的现网试验（射频单元功耗最高降33%）、爱立信在Telstra和马来西亚DNB的Automated Energy Saver商用部署，拆解AI节能的原理、现网数据与落地条件，回答一个问题：AI节能到底是PPT，还是真金白银。
干过无线运维的人都有体感：每年夏天最紧张的不是KPI，是电费。市电容量、空调制冷、变压器扩容，全是基站房里绕不开的活儿。但电费到底占运营商成本多大比重，很多人没有量化概念。
GSMA Intelligence在一份面向电信行业的可持续性报告中给出的测算是：能源成本已占电信运营商OPEX的20%到40%，而且随着5G规模铺开、单用户流量继续上涨，这个比例还会被进一步推高。这份报告后来被Supermicro等行业机构广泛引用，成了“电信业能源焦虑”的标准数据出处。
钱花在哪了？结构非常集中。NEC在技术期刊上引述2021年GSMA的一项调查称：无线接入网（RAN）占移动网络总能耗的70%以上。剩下的是核心网机房、传输、数据中心和营业网点。换句话说，省电这件事，八成功夫要花在基站上。
更麻烦的是5G带来的能耗结构变化。5G AAU（有源天线单元）把射频和中频全部塞进天线罩里，64T64R大规模天线的整站功耗普遍到了千瓦级，是4G RRU时代的数倍——这是行业共识，各厂家官方材料口径略有差异，但“5G单站功耗数倍于4G”没有争议。流量有潮汐，功耗却是全天候的：凌晨两三点话务跌到谷底，AAU照样满功率广播SSB、跑参考信号，电表照转。
这就是问题的经济学本质：运营商为峰值容量付费，却为24小时的全时段功耗买单。低谷时段的电能，绝大部分是浪费的。谁能把这段浪费抠出来，谁就能从电费单上撕下一大块。
在AI进来之前，RAN节能是一套“手动挡”体系，按关闭粒度从细到粗，大致分四层。理解这四层，才能理解AI到底改变了什么。
| 挡位 | 关断粒度 | 工作原理 | 典型效果 | 主要风险 |
|---|---|---|---|---|
| 符号关断 | 毫秒级 | 无数据调度的OFDM符号上关闭功放 | 节能幅度小但无感知，基本是标配 | 极小，业内普遍默认开启 |
| 通道静默 | 秒级 | 低负载时关闭部分收发通道（如64TRR降为32TRR） | 降低MIMO维度的功耗 | 覆盖收缩、边缘用户体验波动 |
| 载波关断 | 分钟级 | 话务低谷整体关闭5G或 secondary 载波，用户迁移至驻留层 | 节能明显 | 重定向/切换失败引发掉话、接入时延 |
| 深度休眠 | 小时级 | 整个射频单元进入超低功耗休眠态，仅保留唤醒通路 | 单元件节能幅度可达70%（低谷期） | 唤醒时延、漏呼风险、投诉敏感场景不敢用 |
手动挡的核心缺陷在最后一行：深度休眠省得最多，但最不敢用。传统做法是网优工程师按历史话务画一条时间曲线，配置“凌晨1点到5点允许休眠”这样的静态策略。问题是城市网络的话务模式复杂——酒吧街凌晨两点是高峰，火车站凌晨四点开始爬坡，节假日和平时完全两样。静态门限要么太保守（省不了几个钱），要么太激进（睡过头，用户打不出电话）。
这正是一个教科书级的AI问题：多维时序预测 + 约束条件下的决策优化。而且它有天然的“守门员”——KPI体系可以实时验证节能决策有没有伤到用户。
爱立信2023年初发表过一篇技术博客《AI-powered RAN: An energy efficiency breakthrough》，把自家的思路讲得比较透。其核心是一个基于机器学习的推荐引擎：持续采集每个小区的话务、干扰、用户分布数据，学习每个基站独有的“行为模式”，预测未来时段的可关断窗口，再由RAN侧的自动化功能执行关断。按爱立信自己的说法，这条路线可以帮助运营商每年降低最高12%的RAN能耗——注意这是厂商口径，且是“最高值”，实际效果取决于网络底子：静态节能做得越粗糙的网，AI的边际收益越大。
AI与静态门限的本质区别有三点：
整个闭环可以画成这样：
flowchart TB
A["性能与话务数据采集"] --> B["ML流量预测模型"]
B --> C{"节能决策引擎"}
C -->|预测到低谷窗口| D["下发关断指令"]
C -->|预测到话务高峰| E["保持满配运行"]
D --> F["符号关断 通道静默 载波关断 深度休眠"]
F --> G["KPI实时守门"]
G -->|指标劣化| H["自动唤醒回退"]
G -->|指标正常| I["节能效果计量"]
H --> B
I --> B
这个闭环的工程价值在于：它把网优工程师从“画门限、看告警、半夜回退”的循环里解放出来，人只负责定边界条件（哪些场景绝不许睡、KPI红线画在哪），机器在边界内自动寻优。
概念讲完，看真金白银。2025年3月，Vodafone英国与爱立信公布了在伦敦现网5G站点上的AI节能试验结果，telecoms.com、Mobile World Live、Mobile Europe多家行业媒体做了报道，数据相互印证：
要正确解读这组数字：33%是射频单元级、试验站点上的最高值，不等于全网电费降33%。全网节能幅度要打折——天馈里还有4G设备没动、核心网和机房空调不在试验范围、休眠窗口覆盖率取决于话务结构。但即便按三分之一的保守折扣外推，对一张电费占OPEX三成的网来说，这也是每年省出数亿美元量级的市场。Vodafone把它作为与爱立信长期合作中的标杆用例对外宣传，逻辑很直接：这不是减碳的形象工程，是真省钱的OPEX工程。
从试验走向商用的案例也已有公开记录。2025年6月，据行业媒体报道，爱立信的Automated Energy Saver方案拿了网络可持续发展奖项，获奖依据正是澳大利亚Telstra和马来西亚DNB的商用部署——该功能作为5G Advanced软件方案的一部分，运行在基带或RAN Compute平台上，以分布式自动化方式执行节能。DNB是马来西亚5G单一批发网络运营商，站点规模大、AAU功耗基数高，是这类软件节能方案最典型的受益者。
需要把一笔账分清楚，避免张冠李戴：Telstra在2024年8月还与爱立信完成了新一代RAN Compute平台的全球首发部署，官方口径是该平台在C-RAN集中化架构下较分布式部署最高降低60%能耗——这是硬件与架构层面的节能，靠新平台和集中化，跟AI软件节能是两条线。现实中两者是叠加关系：先换低功耗硬件压低基数，再让AI在运行时域里继续抠。GSMA Intelligence自2020年起运营的移动网络能效基准项目（2024年那期覆盖了73个国家的95家运营商）之所以能把能效做成可横向比较的指标，正是因为行业已经普遍把“硬件能效”和“运行节能”分开计量。
如果这篇文章只讲33%和70%，那就成了厂商新闻稿的搬运工。必须补上另一面：GSMA在2026年2月17日发布的报告《Energy Implications of AI for Mobile Operators》，把AI对运营商的能耗影响拆成了双向——
报告同时给出了一个容易被营销材料掩盖的判断（据GSMA在2026年7月相关报告发布中的表述）：AI今天对移动网络自身能耗的直接影响仍然有限。翻译成大白话：AI节能确实在省电，但省出来的量，目前还追不AI数据中心新增的耗电量。所谓“AI帮电信业实现净零”，现阶段更多是方向而非现状。
另一个值得玩味的数据来自GSMA Intelligence第七年度的网络技术高管调研：85%的运营商把“OPEX效率”列为在网络中部署AI的首要商业目标。注意，排在最前面的不是“创新业务”也不是“用户体验”，是省钱。这解释了为什么在自动驾驶网络的诸多用例里，节能反而是商用进度最快、ROI最难被质疑的一个——它的收益直接体现在电费单上，不需要任何迂回的货币化论证。
这组对比也回答了Round 2选题最常见的疑问“AI在通信业到底落地了没有”：在客服、网优这些领域还有争议，但在电费这件事上，Vodafone、Telstra、DNB的合同和电表已经投票了。
最后回到一线视角。AI节能方案不是买一个license就能开箱吃到33%的，结合现网经验，落地前有三件事必须备好：
第一，数据地基。 AI预测吃的是历史话务和KPI数据，数据粒度、完整性直接决定模型上限。常见坑：小区级话统按小时聚合（预测需要15分钟级甚至更细）、扩容割接后的历史数据没有标记（模型把旧话务模式套到新配置上）、节假日数据缺失。上AI节能之前先把数据质量盘一遍，比选哪家方案更重要。
第二，KPI红线与豁免清单。 节能策略必须有明确的“不许睡”清单：高铁沿线、医院周边、大型场馆、政企专线驻留小区、重大保障期间全网。这些场景宁可少省，不能赌模型的预测准确率。红线清单由人定，机器在红线内寻优——这是AI节能与“自动驾驶网络”里人的角色分工的典型样本。
第三，灰度与对账机制。 新节能策略先在话务结构简单的区域灰度，用“节能收益对账 + 劣化事件复盘”双周滚动评估。特别要建一个账：每度电省在哪、以什么KPI代价省的。没有这个账，方案上线三个月后，你说不清省的钱是真省了，还是话务自然下滑的巧合。
标准允许厂家在节能特性的具体实现上有多种做法，各厂商方案的开启条件、参数命名和默认行为以官方文档为准——但上面这三样准备工作，与选哪家方案无关，都得自己备好。
回看这一轮AI进电信网的热潮，叙事很多：自动驾驶网络、大模型网优、AI-RAN。但从已公开的商用证据看，跑得最快、账算得最清的，是把基站在话务低谷“哄睡”这件事。伦敦的试验给出了射频单元33%的降幅，Telstra和DNB把它变成了商用软件功能，GSMA的调研说85%的运营商部署AI的第一动机就是OPEX。
对运维工程师来说，这可能是AI时代最友好的切入点：不需要重写网络架构，不需要新牌照新频谱，用的还是现有的网管数据和KPI体系，只是在“什么时候让基站睡觉”这个老问题上，把拍脑袋换成了模型预测。省出来的每一度电都有电表作证——在一切都被质疑“AI能不能变现”的年头，这种朴素的确定性，比任何概念都珍贵。
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。