微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 华为丁耘:共建绿色5G网络,迈向低碳未来

华为丁耘:共建绿色5G网络,迈向低碳未来

2021-10-14 22:10
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-10-14 22:10 科技行者

10月14日,在2021全球移动宽带论坛(Global MBB Forum)期间,华为常务董事、运营商BG总裁丁耘发表了题为《共建绿色5G网络,迈向低碳未来》的主题演讲。丁耘指出,5G已成为无线产业增长的新引擎。为了满足数据流量快速增长的需求,我们需要通过在“供电、配电、用电、比特管瓦特”等四个方面的持续创新,打造性能节能双优的绿色5G网络。

华为丁耘:共建绿色5G网络,迈向低碳未来

华为常务董事、运营商BG总裁丁耘发表主题演讲

丁耘指出,在5G发展较快的国家和地区,大力投资5G的运营商已经取得了瞩目的商业回报。我们发现,只要5G用户渗透率足够高,一定会在商业回报上有所体现。而一旦超过20%的临界点,5G将进入快速增长阶段。在中国、韩国、科威特等国家,运营商通过快速完成全国连续覆盖,提供一致性用户体验,加上灵活的套餐设计,为自身和消费者带来双赢,最后以千兆跨代体验为基准,加速用户迁移,推动网络持续演进。目前,这些国家的5G用户渗透率已跨越20%的临界点,运营商已经进入用户增长、商业回报、网络建设的螺旋式发展新格局。

高质量的5G网络将促进无线数据流量的快速增长。预计到2030年,DoU将会达到600GB。如果无线网络的能效不变,整体网络的能耗将增长数十倍。为了达成2030年ICT行业温室气体排放量减少45%的目标,丁耘建议运营商在5G网络的建设过程中,通过在“供电、配电、用电、比特管瓦特”四个方面的持续创新,打造性能节能双优的绿色5G网络。

在供电方面,可以通过“杆-柜-站-房”的全场景叠光解决方案,减少电网电力、油机化石燃料的消耗,优化基站电力供给结构。在配电方面,通过业界领先的高密度电源解决方案,做到一站一柜、一站一刀,支撑无线网络的长期演进。在用电方面,通过站点形态的重构,华为提供全场景高集成度的极简站点解决方案,最大化通信设备能耗占比,把每一度电用在刀刃上。最后,通过无线业务与“供-配-用”的联动,用信息流驱动能量流,实现能源的高效利用,进而达成整网节能的目标。

在发言的最后,丁耘指出,华为已经在100多个国家部署了低碳站点解决方案,包括沙特、希腊、巴基斯坦、瑞士等,累计帮助运营商减少了4000万吨二氧化碳排放。作为通信行业的参与者,华为将一直秉持绿色理念,通过解决方案的持续创新,与全球运营商一起建设绿色5G网络。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-