# 闲时熄波：AI替基站省电费
## 概述
凌晨两点，城市空载，你的5G基站还在满功耗待命——这是全球运营商每年数百亿度电的浪费来源。本文回答一个问题：AI节能为什么能在众多电信AI应用中率先规模落地，它到底省在哪里、怎么省、代价是什么。本文以爱立信白皮书《Breaking the Energy Curve》提出的问题框架为锚，结合3GPP R18/R19网络节能标准化进展，以及中国移动、华为PowerStar、沃达丰与爱立信等公开报道的商用案例，拆解AI节能的技术分层、决策闭环与工程陷阱。
## 目录
- 电费，压在OPEX上的第二块石头
- 空口功耗的秘密：忙时闲时一个样
- 四级关断：节能手段的物理分层
- 为什么人肉规则玩不转了
- AI的干法：预测、决策、护栏
- 实战盘点：谁在规模化用
- 效果与代价：KPI不会说谎
- 工程师视角的四条教训
- 结语
## 电费，压在OPEX上的第二块石头
干过省公司网络线的人都知道一个数字的分量：电费。在多数市场，电力支出占移动网络运营成本的两到四成，具体比例随电价波动，但方向从来不变——它是仅次于（有时甚至超过）铁塔租金的第二大OPEX项。GSMA多年的气候行动报告反复强调，移动行业要在2050年前实现净零，网络侧能耗是绕不过去的主体。
国内的情况更有压迫感。5G规模建网以来，单站功耗比4G显著抬升是行业共识，一个64T64R的AAU拉高了整个站点的功耗水位。运营商财报电话会上，“5G耗电”是分析师必问的话题。各省公司在电费指标上被压得很实，节能不再是环保姿态，而是KPI。
于是行业里出现了一个非常有意思的现象：在电信AI的众多候选场景里——大模型客服、智能网优、故障自愈——真正先做到全网规模落地、账算得清清楚楚的，居然是“关电源”这件事。省不省、省多少，电表不会说谎。这也是为什么我把AI节能当作电信AI实战系列里最硬的一个样本：它的效果可测、代价可算、失败可见，比任何PPT都诚实。
## 空口功耗的秘密：忙时闲时一个样
要理解AI节能为什么可行，先要看懂一个反直觉的事实，这也是爱立信2020年白皮书《Breaking the Energy Curve》的核心论点：**无线接入网的功耗与业务流量的相关性，远比想象中弱**。
按爱立信白皮书给出的能耗结构：无线侧占移动网络能耗的大头，普遍引用的口径在七成左右；而无线站点内部，射频单元（RRU/AAU）又是大头。问题恰恰出在射频单元——它的功耗构成里，很大一部分是基础功耗：功放偏置、收发通道、数字基带、电源转换，这些只要设备开机就在消耗，跟你有没有用户在传数据关系不大。
白皮书里有一组很有画面感的表述：网络在一天中的大部分时间是按业务配置“全副武装”的，但真实流量呈现明显的潮汐效应——早高峰、午间、晚高峰，加上凌晨的深谷。凌晨谷段的流量可能只有峰值的几个百分点，但功耗几乎不掉。爱立信把这种“能耗曲线与流量曲线的脱节”称为需要被“打破”的能量曲线，并提出解决路径：让空口功耗跟着流量走，甚至部分跟着信道质量走。
这不是概念。白皮书同时盘点了当时已经商用的硬件级节能技术，比如在语音静默期、无数据传输的符号上让功放进入微休眠（micro-sleep）——技术原理是TDMA式的空口里本来就有大量空闲符号，符号间隙的休眠时间是毫秒级甚至更细的颗粒，用户完全无感。这类技术爱立信在4G时代就已经搭载在部分射频产品上，5G mMIMO设备把休眠深度做得更激进。
所以逻辑链条很清楚：**硬件提供了“能关”的能力，但“什么时候关、关多深、关了怎么开回来”，需要一个聪明的调度者**。这个调度者的位置，就是AI。
## 四级关断：节能手段的物理分层
行业内把无线节能手段按关断颗粒度分成层级，从细到粗大致是四级。理解这个分层非常重要，因为AI的价值密度和风险等级，在这四级上完全不同。
| 关断层级 | 颗粒度 | 典型时延 | 节电潜力 | 主要风险 | 调度方式 |
|---------|--------|---------|---------|---------|---------|
| 符号/信道关断 | 符号级（亚毫秒） | 用户无感 | 低-中 | 基本无感 | 设备自动，无需AI |
| 通道静默 | 通道级（秒级） | 毫秒-秒 | 中 | 覆盖轻微收缩 | 规则+AI辅助 |
| 载波关断 | 载波级（分钟级） | 秒-分钟 | 中-高 | 切换/重选失败 | 规则为主，AI预测激活时机 |
| 小区休眠 | 小区级（小时级） | 分钟 | 高 | 覆盖空洞、掉话 | AI为主战场 |
前三级的工程含义：
**符号关断**是“白捡的”节能。PDCCH、PDSCH这些信道本来就有大量空闲符号，设备厂商在芯片里实现了自动检测与休眠，基本不需要运营商操心。这也是为什么同一款设备在不同网络里，默认节电率就有差异——芯片级休眠的深度是厂家实现决定的。标准允许多种实现，具体行为以各厂家官方文档为准。
**通道静默**针对mMIMO。64通道的AAU，深夜用户少、上行参考信号弱时，可以把部分收发通道关掉，只保留基础覆盖。这一层开始有参数耦合：关多少通道、按什么条件判断“用户少了”，直接影响边缘覆盖。
**载波关断**开始变得敏感。多层网场景下（比如2.6G+4.9G双层、或4G/5G共站），深夜把容量层载波整个关掉，用户重选驻留到覆盖层。关断时机的选择直接影响用户感知——关早了，晚归的用户掉线；开晚了，早高峰的第一个尖峰接不住。
**小区休眠**是最激进的一层：整个小区熄火，靠邻区兜底覆盖。节电效果最猛，风险也最大——室分和宏站的深度休眠如果决策失误，就是一个投诉工单批次。这一层，纯规则已经玩不转了，也正是AI的主战场。
## 为什么人肉规则玩不转了
早期的节能实现非常朴素：网管上配一条策略，“凌晨0点到5点，执行载波关断”。这是时间触发的静态规则，几乎每个运营商都用过。
用久了就会发现三个致命伤：
**第一，城市不睡觉。** 静态规则的隐含假设是“凌晨没有流量”，这个假设在县城成立，在广州珠江新城不成立。外卖骑手、代驾司机、值夜班的运维（包括我们自己）都是凌晨用户。静态时段关断在这些区域，等于拿覆盖换电费。
**第二，参数组合爆炸。** 上面那张表里的四级手段是可以叠加的：符号+通道+载波+小区，再乘上关断门限、回退门限、生效时段、生效小区名单——一个城市几万个小区，每个小区的流量形态、周边组网、室分结构都不一样。人工不可能为每个小区定制策略，只能全网一刀切，一刀切的代价就是“为了不出事，只敢用最保守的策略”，节电率锁死在地板上。
**第三，反馈回路太长。** 传统网优里，一个策略改下去，要看它有没有引发KPI劣化，得等话统、投诉、路测数据回流，时间以天计。等发现凌晨某片区域切换失败率抬升时，用户已经骂过一轮了。反馈慢意味着不敢试错，不敢试错意味着策略永远保守。
这三条，恰好是机器学习擅长的典型问题：模式多到人看不过来、决策需要因小区而异、反馈需要自动化闭环。所以AI节能不是锦上添花，是被问题结构选中的。
## AI的干法：预测、决策、护栏
把各家商用方案（华为PowerStar、爱立信AI节能、中兴及各家运营商自研平台）公开材料里的共性抽出来，AI节能系统基本是同一个骨架，分成四步闭环：
```mermaid
flowchart TD
A["采集多域数据
话统/告警/工参"] --> B["流量预测模型
逐小区15分钟粒度"]
B --> C["策略生成
分级关断方案"]
C --> D{"KPI护栏校验
数字孪生推演"}
D -->|通过| E["下发执行
错峰执行防冲击"]
D -->|不通过| C
E --> F["实时监测
切换/掉话/接通"]
F -->|KPI劣化| G["秒级回退
自动恢复"]
F -->|正常| B
G --> B
```
四个环节，每个都有工程细节值得说：
**流量预测**。主流做法是用历史话统（小时级甚至15分钟级颗粒）训练时序预测模型，输出每个小区未来时段的流量曲线。这里的关键不是模型多花哨，而是特征的取舍：工作日/周末、节假日、周边大型活动、天气，都会让预测跑偏。行业里的经验是，预测精度到了“能区分这个小区今晚十一点后是否安全关断”的程度就够用，不必追求逐分钟精确——节能场景要的是置信区间，不是点估计。
**策略生成**。有了预测，下一步是决定“关到哪一级”。常见做法是把四级关断手段排成由保守到激进的阶梯，按预测流量逐级解锁：流量降到阈值A开通道静默，降到阈值B关容量载波，预测持续深谷才允许小区休眠。一些方案引入强化学习，让系统在历史数据上学习不同策略组合的长期收益；更多商用部署用的是“预测+规则引擎”的混合模式——模型管预测，策略边界仍由网优专家定死。这其实是务实的：**AI负责看清，人负责底线**。
**KPI护栏**。这是商用方案和实验室Demo的分水岭。每个关断策略下发前，都要过一遍护栏校验：这个小区关断后，邻区能否兜住它的用户？切换带会不会被切断？有没有重要客户专网、高铁专线覆盖在这些小区上？头部方案的做法是把网内历史KPI数据喂给数字孪生环境做推演，或者至少做灰度执行——先在一个片区试点，观察24小时无劣化再扩大。
**自动回退**。执行期的实时监测必须做到分钟级：接通率、切换成功率、掉线率任一指标越限，立即自动回退关断状态，而不是等工单。回退速度直接决定了运营方敢把策略激进度调到多高——回退越快，越敢省。
一个常被忽视的细节是**执行节奏**。几万个小区不能同一秒全关，那样基站群的上话冲击会让核心网信令面抖动。商用平台都做了错峰调度，关断动作在时间轴上摊开。这是典型的一线踩坑经验，PPT上不会有，割接方案里有。
## 实战盘点：谁在规模化用
这个方向不是概念验证阶段了，几条公开可查的主线：
**中国移动+华为：PowerStar路线。** 据华为与运营商公开披露的材料，PowerStar是面向无线网的AI节能解决方案，核心思路就是上文那个四步闭环——AI逐小区生成节能策略、分层关断、KPI护栏、自动回退。据C114等行业媒体报道，该方案在中国移动多个省份规模部署，公开口径的无线网节电率普遍报在两位数百分比的水平（具体数字随网络负载、策略激进度和统计口径差异很大，此处不给精确值）。值得注意的一个公开表述是：节能收益的大头不来自某个炫技模型，而来自“敢用”——因为有了护栏和回退，省公司才敢把此前锁死在保守档的策略放开。
**沃达丰+爱立信：AI节能商用化。** 据两家公司公开新闻稿，沃达丰在欧洲网络中采用了爱立信的AI节能能力，利用机器学习按流量预测动态调整射频资源。爱立信方面的产品逻辑承接《Breaking the Energy Curve》的框架：硬件级微休眠打底，AI调度把休眠时间窗最大化。土耳其Turkcell等运营商也公开过与设备商合作的AI节能成果，方向类似。
**3GPP标准化：从R18研究到R19重点。** 网络节能在3GPP R18作为研究项目（NEST，Network Energy Savings）启动，研究AI/ML与网络节能的结合；到R19转为工作项并成为重点方向之一，涵盖空口侧的节能参考信号、节能辅助信息、以及跨层协调等课题。这条标准化主线传递的信号很明确：节能从“厂家私有功能”走向“标准能力”，未来不同网络、不同厂家设备之间可以有统一的节能协调语言。具体技术方案以3GPP正式规范为准，此处只描述方向。
**运营商自研的另一条线。** 国内三大运营商的省级公司都建有自己的能耗管理平台，路径是“总部平台+省公司运营”，把话统、电表数据、关断策略统一管理。这条线和设备商方案并存，实际网络里常见的是混合形态：设备级休眠能力用厂家的，跨厂家的小区级协同用运营商自己的平台。
把这几条线放在一起看，能得出一个行业判断：AI节能是电信AI领域少数完成“模型→产品→规模部署→进入标准”完整闭环的场景。它的示范意义大于节电本身——它证明了电信网络里的AI可以不靠人海和PPT活下去。
## 效果与代价：KPI不会说谎
聊聊工程上最关心的账。
**收益端**要分清楚三个口径：设备级休眠（符号/通道）是“买设备送的”，升级软件就能有，但天花板低；策略级节能（载波/小区）才是节电主力，也是AI发挥价值的地方；跨站协同（多小区联合决策）是理论上限，工程上还在成熟中。公开报道的规模部署节电率普遍落在无线网总功耗的百分之几到百分之十几区间——听起来不震撼，但乘上全国几百万基站的电费基数，绝对值是以年计的亿元级。
**成本端**容易被低估的有三块：
1. **KPI对冲成本。** 节能策略越激进，切换失败、掉线、时延劣化的概率越高。运营方的实际操作是给每个节能策略配“KPI预算”，超支就回退。这笔账本质是拿用户体验换电费，换多少要靠护栏机制管住。
2. **运维复杂度成本。** 节能平台引入了新的参数域、新的告警类型、新的故障模式。“这个小区为什么没按计划休眠”会成为网优日常分析的新课题——AI节能本身也需要被运维，这个反直觉的事实，用过的人都有体会。
3. **设备寿命争议。** 关断-唤醒的频繁切换对射频器件寿命有没有影响，是运维和设备商之间长期存在的讨论点。主流设备商的产品设计已考虑休眠循环，但深度休眠的启停频次控制仍应纳入策略设计考量，避免为了省电加速硬件老化。此类影响属厂家实现范畴，具体以官方文档和质保条款为准。
把收益和成本放在一起，才能理解为什么落地效果分化很大：同样的算法，有的省用出了漂亮数字，有的省用成了告警制造机。差异不在模型，在运营。
## 工程师视角的四条教训
第一，**节能效果的天花板不在算法，在策略的胆量**。而胆量来自护栏和回退机制的可靠性。想提节电率，先把回退速度做快、灰度机制做实，这比换一个更炫的预测模型有效得多。
第二，**预测精度够用就行，别过度工程**。节能场景对预测的要求是“分对档位”而不是“算准数值”。见过团队在预测模型上卷到小数点后，而实际瓶颈在工参数据质量——小区方位角、室分台账这些基础数据错了，再好的模型也在给错误的世界做优化。
第三，**凌晨的流量形态是城市治理的镜子**。做策略前先拉一年的小时级话统，看看你的网络里哪些小区是真的“睡城”，哪些是夜经济区。用节假日特征、周边POI去聚类分层，不同类的小区用不同激进度档位。这一步是纯网优基本功，但它决定了AI策略的初始分布。
第四，**把电表数据接进来**。很多平台只有话统没有电表数据，省没省、省多少只能靠估算模型反推。分路电表计量数据接入平台，让每一条节能策略的电费收益可核销——这是让财务和审计相信这套系统的唯一办法，也是这套系统能持续拿到资源投入的根基。
## 结语
AI节能的走红，不是因为技术多性感——它没有大模型客服的话术 clever，没有数字孪生的酷炫。它走红是因为把三个条件凑齐了：效果电表可验、风险护栏可控、失败回退可保。这三件事恰恰是电信级AI应用最稀缺的品质。
对运营商来说，它还提供了一个管理样本：网络里引入AI，正确的姿势不是“用AI替换人”，而是“用AI把人不敢拍板的激进度变得可以拍板”。凌晨两点城市入眠，几万个基站按各自预测的流量曲线次第熄波，天亮前又次第醒来——这个画面背后，是一整套预测、护栏与回退的工程体系在托底。
省下的是电费，练出来的是电信AI落地的方法论。后者更值钱。
## 参考来源
1. [Ericsson White Paper: Breaking the energy curve](https://www.ericsson.com/en/reports-and-papers/white-papers/breaking-the-energy-curve) — 爱立信官方白皮书，本文能耗结构与“能耗-流量脱节”论述的主锚点
2. [3GPP Release 19](https://www.3gpp.org/specifications-technologies/releases/release-19) — 3GPP官网R19概述，网络节能（Network Energy Savings）为R19重点方向之一
3. [ETSI](https://www.etsi.org/) — ETSI发布的RAN能耗测量与能效评估标准族（如ES 203 136系列），为节能效果的计量口径提供依据
4. [C114通信网](https://www.c114.com.cn/) — 华为PowerStar及运营商AI节能部署的中文行业报道来源，具体节电数据以各家公开披露为准
---
> 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。
