全球“碳達峰、碳中和”已成主流趨勢,為了助力全球運營商綠色網絡“雙碳”行動計劃的達成,在華為首屆無線媒體沙龍上,華為無線網絡SRAN產品線總裁馬洪波發(fā)表了“綠色5G,E2四化八大方向,共贏雙碳未來”主題演講,并發(fā)布《綠色5G白皮書》。該白皮書在業(yè)界首次發(fā)布了綠色5G網絡的能效評估體系——E2(Energy Efficiency),同時也率先定義了綠色5G網絡的技術趨勢——四化八大方向。
華為馬洪波發(fā)布《綠色5G白皮書》
E2,即能效評估體系。白皮書深化業(yè)界能效定義,首次將網絡能效理念演進為可應用的能效評估體系。根據實際網絡建設目標差異和場景化差異,將目前單一的流量能效拓展成為容量、覆蓋、體驗等多維因素能效評估體系,從而準確反映網絡能效變化,牽引5G網絡向綠色節(jié)能方向演進。
白皮書從“四化”——設備高集成化、站點極簡化、網絡智能化和全生命周期環(huán)保化四個方面闡述了綠色5G網絡的關鍵特征,并首次給出了“四化”特征下的八大綠色5G網絡技術方向。
方向#1:射頻走向多天線,大幅提升設備比特能效和能量傳輸效率
射頻向超大規(guī)模天線陣列演進,使能空間波束集中,提升能量傳輸效率;此外,射頻有源部分采用多通道技術提升設備容量,進而大幅提升設備比特能效。華為測試結果表明,64T64R模塊相對4T4R模塊比特能效可提升20倍。
方向#2:設備走向超寬頻,多頻合一降能耗
通過高效超寬帶功放及通道技術的使用,將多個單頻設備融合成一個超寬頻設備,進而大幅減少設備部署數量和成本、降低設備能耗。RRU從單頻向三頻演進可獲得30%以上的節(jié)能收益。
方向#3:硬件休眠機制走向精細化,持續(xù)降低中低負載能耗
中低負載下,影響設備能耗主要因素為硬件關斷深度和響應時間??赏ㄟ^硬件模塊化設計、精細休眠機制實現(xiàn)關斷深度和響應時間的大幅優(yōu)化;其中,關斷深度將實現(xiàn)從30%到90%的提升,而響應時間將實現(xiàn)從分鐘級到毫秒級的跨越。
方向#4:站點走向極簡,去機房去空調
站點能耗主要來源于空調等外設設備;通過機房集中化、站點室外化部署,減少空調使用并補充以液冷等高效散熱技術可大幅提升站點效率,實現(xiàn)站點能耗降低30%。
方向#5:整站走向聯(lián)動,綜合能源高效利用
業(yè)務與整站的供能-儲能-用能等部件進行高效聯(lián)動,用信息流驅動能量流,可以實現(xiàn)綜合能源的高效利用,進而達成整站節(jié)能目標。將太陽能引入無線站點,并與業(yè)務聯(lián)動最大化太陽能板發(fā)電效率,在高日照地區(qū)可以減少50%的市電消耗。
方向#6:網絡走向智能,節(jié)能和網絡性能雙優(yōu)
在保障用戶體驗的基礎上,借助智能網絡,根據業(yè)務的變化實時調整頻譜、載波等網絡資源的分配已成為業(yè)界的共識。華為本次發(fā)布PowerStar2.0解決方案將在關斷資源類型、關斷時長和運維效率上對節(jié)能方案進行全方位提升,多維協(xié)同實現(xiàn)節(jié)能和網絡性能雙優(yōu)。
方向#7:業(yè)務承載走向高制式,充分發(fā)揮5G高能效優(yōu)勢
多地5G網絡部署經驗表明,5G新技術的持續(xù)引入正推動網絡能效持續(xù)增長。引領業(yè)務向高制式承載,有助于充分利用5G高能效優(yōu)勢,降低網絡能源消耗。
方向#8:全生命周期走向循環(huán)經濟,減少自然資源依賴
遵循循環(huán)經濟理念,華為將“大綠色”融入產品生命周期管理,進而減少對自然資源的依賴,實現(xiàn)全生命周期低碳。
最后,馬洪波指出,“在5G網絡迅速發(fā)展的當下,華為希冀5G加速行業(yè)轉型,成為綠色社會的重要支撐;《綠色5G白皮書》提出的E2四化八大方向旨在全力牽引綠色網絡演進,助力運營商雙碳目標達成。華為將與運營商攜手共建綠色5G網絡,共贏雙碳未來。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。