


全球“碳达峰、碳中和”已成主流趋势,为了助力全球运营商绿色网络“双碳”行动计划的达成,在华为首届无线媒体沙龙上,华为无线网络SRAN产品线总裁马洪波发表了“绿色5G,E2四化八大方向,共赢双碳未来”主题演讲,并发布《绿色5G白皮书》。该白皮书在业界首次发布了绿色5G网络的能效评估体系——E2(Energy Efficiency),同时也率先定义了绿色5G网络的技术趋势——四化八大方向。
华为马洪波发布《绿色5G白皮书》
E2,即能效评估体系。白皮书深化业界能效定义,首次将网络能效理念演进为可应用的能效评估体系。根据实际网络建设目标差异和场景化差异,将目前单一的流量能效拓展成为容量、覆盖、体验等多维因素能效评估体系,从而准确反映网络能效变化,牵引5G网络向绿色节能方向演进。
白皮书从“四化”——设备高集成化、站点极简化、网络智能化和全生命周期环保化四个方面阐述了绿色5G网络的关键特征,并首次给出了“四化”特征下的八大绿色5G网络技术方向。
方向#1:射频走向多天线,大幅提升设备比特能效和能量传输效率
射频向超大规模天线阵列演进,使能空间波束集中,提升能量传输效率;此外,射频有源部分采用多通道技术提升设备容量,进而大幅提升设备比特能效。华为测试结果表明,64T64R模块相对4T4R模块比特能效可提升20倍。
方向#2:设备走向超宽频,多频合一降能耗
通过高效超宽带功放及通道技术的使用,将多个单频设备融合成一个超宽频设备,进而大幅减少设备部署数量和成本、降低设备能耗。RRU从单频向三频演进可获得30%以上的节能收益。
方向#3:硬件休眠机制走向精细化,持续降低中低负载能耗
中低负载下,影响设备能耗主要因素为硬件关断深度和响应时间。可通过硬件模块化设计、精细休眠机制实现关断深度和响应时间的大幅优化;其中,关断深度将实现从30%到90%的提升,而响应时间将实现从分钟级到毫秒级的跨越。
方向#4:站点走向极简,去机房去空调
站点能耗主要来源于空调等外设设备;通过机房集中化、站点室外化部署,减少空调使用并补充以液冷等高效散热技术可大幅提升站点效率,实现站点能耗降低30%。
方向#5:整站走向联动,综合能源高效利用
业务与整站的供能-储能-用能等部件进行高效联动,用信息流驱动能量流,可以实现综合能源的高效利用,进而达成整站节能目标。将太阳能引入无线站点,并与业务联动最大化太阳能板发电效率,在高日照地区可以减少50%的市电消耗。
方向#6:网络走向智能,节能和网络性能双优
在保障用户体验的基础上,借助智能网络,根据业务的变化实时调整频谱、载波等网络资源的分配已成为业界的共识。华为本次发布PowerStar2.0解决方案将在关断资源类型、关断时长和运维效率上对节能方案进行全方位提升,多维协同实现节能和网络性能双优。
方向#7:业务承载走向高制式,充分发挥5G高能效优势
多地5G网络部署经验表明,5G新技术的持续引入正推动网络能效持续增长。引领业务向高制式承载,有助于充分利用5G高能效优势,降低网络能源消耗。
方向#8:全生命周期走向循环经济,减少自然资源依赖
遵循循环经济理念,华为将“大绿色”融入产品生命周期管理,进而减少对自然资源的依赖,实现全生命周期低碳。
最后,马洪波指出,“在5G网络迅速发展的当下,华为希冀5G加速行业转型,成为绿色社会的重要支撑;《绿色5G白皮书》提出的E2四化八大方向旨在全力牵引绿色网络演进,助力运营商双碳目标达成。华为将与运营商携手共建绿色5G网络,共赢双碳未来。”
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。