网络节能技术白皮书

1.前言

面向6G网络节能，本白皮书阐述其背景意义和面临的严峻挑战，简要介

绍能耗性能指标和3GPP国际组织关于网络节能课题的标准进展，从网络架构、

空口节能技术、新技术融合以及其他技术等层面，重点探讨网络节能关键技术

方案。最后，总结白皮书主要内容及相关结论，并展望其未来发展趋势。

2.背景意义

随着全球经济和科技的飞速发展，能源问题日益突出。自2000年以来全

球碳排放增速明显提升，随着空气中二氧化碳浓度的剧增，全球升温迅速，而

气候变暖带来的风暴、热浪等极端天气将严重危害人类的生命财产安全。

在我国，双碳目标被纳入“十四五”规划建议，二氧化碳排放力争在2030

年前达到峰值，努力争取2060年前实现碳中和。双碳目标是全球应对气候变

化的重要责任，也是行业和企业可持续发展的重要基石。就电信行业能耗情况

来看，其碳排放是以电力购入的间接排放为主。在电信行业的能耗构成中，基

站、通信机房和数据中心的能耗为主要占比，其节能最为关键。5G基站满载

功耗约4G的3-4倍，尤其随着5G网络的正式商用，能耗增幅显著提高。

面向6G提出的6大典型场景和15个能力指标[1]，从智能、感知、泛在等

多维度，对速率、容量、时延、定位、用户体验等提出更高要求，驱动6G向

更高频点、更大带宽、更多算力演进，从而给6G网络能耗带来严峻挑战。

一、更高频点：6G毫米波基站的覆盖半径仅为5G3.5GHz基站的30%，

同时毫米波基站功放效率约为7-15%，具体数值取决于工艺，例如硅锗SiGe

工艺为7%+，而氮化镓GaN工艺为15%+，仅为传统5G基站功放效率的1/7-1/3。

因此，需要更高的能耗以支持6G毫米波基站功放正常工作。

二、更大带宽：大带宽、多天线是造成5G单站功耗增加的主要因素，5G

单站功耗是4G的3-4倍。另外，按照带宽代际增长规律，预计6G带宽可达

500MHz-1GHz。如果单位带宽发射功率保持不变，可推算6G基站发射功率将

是5G的5倍以上，单站整体功耗将是5G的4倍以上。

三、更多算力：智慧内生是6G重要特征，常用AI（ArtificialIntelligence，

人工智能）模型的复杂度从十几兆到上百G个模型参数。以ChatGPT为例，

包含1750亿个模型参数，其模型训练使用了1万个V100GPU，据环球零碳

研究中心粗略合算，电力消耗超168万度，按日访问100万用户测算，运行每

天耗电约1.2万度。

2/21

6G新技术的创新发展，应以绿色节能为基本原则，提升系统能量效率，

实施绿色生态运营模式。并将6G技术赋能千行百业，助力各行各业深入实践

数字化转型，践行绿色发展战略，共同谱写人类命运共同体新篇章。

3.性能指标

能量效率是用于评估网络能耗的重要性能指标，从定义的角度出发，找到

网络节能的有效手段。

关于能量效率的定义，学术研究中将其定义为单位能耗下所能传输的数据

量，单位为比特/焦耳（bit/J）。若想提升能量效率，可以从传输的数据量和

能耗两个角度出发，一方面，有效提升传输速率，另一方面，减少传输单位数

据量所消耗的能量。

此外，ITU定义的传统5G网络能量效率，指的是与所提供的业务量相关

的最小化无线接入网（RAN）能量消耗的空口技术能力[2]，包括两个方面：1）

网络侧，指的是无线接入网在单位能耗下用户传输或接收的信息比特数；2）

终端侧，指的是通信模块的单位能耗，单位均为比特/焦耳[3]。因此，要想提

升网络能量效率，可以从网络和终端两个角度出发，双管齐下，以达到网络节

能的目的。

考虑6G应用场景的多样化，以及对空口传输性能的不同需求，可以将网

络能量效率定义为该场景下性能指标与功耗的比值，从而更加全面客观的反映

该场景的实际性能需求和能耗占比。

具体来说，对于高速率场景，可以将能量效率定义为单位能耗下提供的数

据速率，单位是比特/秒/焦耳（bps/J）；对于低时延场景，可以将其定义为单

位能耗下提供的传输时延，单位是秒/焦耳（s/J）；对于广覆盖场景，可以将

其定义为单位能耗下提供的覆盖距离，单位是米/焦耳（m/J）。类似地，对于

6G融合场景，可以由单一维度扩展到更多维度，将能量效率与6G场景的性

能指标相对应，从而更加全面地评估单位功耗可提供的空口性能指标，以满足

6G多样化的业务场景需求。

4.标准进展

国际移动通信标准组织3GPP在Release18阶段开展了网络节能技术的讨

论，包括StudyItem（SI）和WorkItem（WI）两部分工作内容。

3/21

（1）SI阶段

在2021年12月举行的RAN#94e会议中，正式确定了网络节能课题的研

究内容，主要包括以下三个方面的工作。

建立基站能耗仿真模型，用于网络节能方案的性能评估；

建立网络节能的评估方法与KPI；

研究并识别gNB和UE侧的节能技术。

历时近一年的SI，重点讨论了网络节能的仿真模型，评估方法以及在时域、

频域、空域、功率域、UE辅助信息等方面的网络节能技术，并提供仿真结果，

相关研究内容形成报告TR38.864[4]。

（2）WI阶段

根据SI阶段的研究进展，WI阶段的标准化工作围绕部分节能增益较高的

技术展开。在2022年12月份举办的RAN#98会议中，确定了网络节能课题

的工作内容如下：

基于CSI增强的空域与功率域网络节能技术；

小区非连续发送/接收（CellDTX/DRX）技术；

inter-bandCA场景下的SSB-lessSCell技术（仅限FR1和co-located

小区）；

Rel-18网络节能小区内防止传统UE驻留的方案；

inter-node波束激活及其有限区域内限制寻呼增强技术；

小区切换流程增强技术。

此外，仍有很多在SI阶段研究的网络节能技术未能标准化，为了进一步

节省网络能耗并为6G打下基础，3GPPRelease19将进一步开展网络节能课题

的标准化工作。

5.网络节能关键技术

5.1网络架构层面

5.1.1空天地一体网络架构

未来网络将实现万物智联，网络覆盖目标将由地面覆盖扩展到太空、空中、

陆地、海洋等更多自然空间，实现全域的“泛在连接”。随着各行各业数字化

4/21

进程的加速，全域数字化基础设施将迅速扩张，数字经济发展与能耗、碳排放

增长之间的矛盾将日益突显，绿色节能将成为未来6G网络架构的内生需求。

为了实现万物智联、绿色低碳的发展目标，6G网络架构将发生颠覆式重构，

无线网将打破传统的有边界的、烟囱式的架构，支持融合泛在、绿色节能的新

型空天地一体网络架构。

空天地一体网络架构将通过卫星网络、空基网络、低空及地面网络三层组

网，形成以地面网络为基础、以非地面网络为拓展的立体全域覆盖网络。地面

网络与非地面网络互联互通、深度融合，采用统一的协议栈，支持海量用户无

感知、极简的泛在接入。地面与非地面网络层可采用超蜂窝、无蜂窝等符合绿

色通信发展趋势的新型组网方式。超蜂窝架构下，基站控制面与用户面解耦，

控制基站与业务基站可以独立按需部署。前者提供用户接入以及控制信号的传

递，可采用大区覆盖模式；后者为用户提供高速数据传输，可按需灵活部署。

同一个控制基站覆盖范围内可以部署多个业务基站，且业务基站可根据业务负

荷变化动态休眠。该架构下，网络覆盖可跟随业务需求动态调整，在不影响覆

盖性能的前提下通过控制业务基站适时进入休眠状态，实现更为灵活的休眠，

提升网络节能效果。无蜂窝架构以用户为中心，部署多个分布式接入点以及一

个与所有接入点相连接的中央处理单元，通过中央处理单元的集中信号处理，

广泛分布的接入点可以实现高水平的协作，形成一个“超级基站”覆盖整个区

域。每个用户接入一组特定的接入点，可以利用空间宏分集和低路径损耗提升

网络的频谱效率和能量效率。当区域内用户较少时，可以关断部分接入点，进

一步节省系统能耗[5][6]。

5.1.2新型分布式无线网络架构

为更好地支持自动驾驶、智能制造、远程医疗等垂直行业，对低时延和高

可靠提出更高要求，尤其面向未来6G网络泛在连接，传统的集中式智能网络

架构已无法满足。因此，业界提出了一系列新型分布式无线网络架构，通过引

入分布式智能计算框架，以充分利用用户终端和节点所持有的多维数据以及计

算资源。然而，新型分布式无线网络架构面临分布式节点规模的不断扩大、海

量的高维模型参数传输和超级算力等诸多挑战，使得6G网络能耗成为其规模

部署和广泛应用的主要瓶颈之一。因此，采用分布式分层智能无线网络架构设

计，有效降低6G分布式无线网络能耗[7]。

考虑无线接入网侧的多层网络拓扑，可以在宏/微基站、CU/DU、云端/边

缘端等不同层面部署智能功能组件，开展无线分布式学习。自下而上具体地可

5/21

分为，用户设备的终端智能层、部署在DU上的第一智能层、部署在CU上的

第二智能层、部署在边缘节点上的第三智能层以及部署在云端的第四智能层，

如下图所示。不同的智能层针对不同目标产生不同的功能配置，由此可构建面

向6G网络的分布式分层智能无线网络架构。网络可以灵活快速地编排和使用

智能功能组件，部署多层级数据分析网元，在网络各层级均可组成分布式协同

管控系统，实现水平层面上各个无线节点之间的分布式智能交互与协同[8]。

图16G网络智能功能组件垂直分层部署示意图

在新型分布式无线网络架构中，联邦学习（FederatedLearning，FL）作为

最有望成为6G基础架构的一种分布式智能计算框架，能够在保护用户数据隐

私的前提下，进行更广泛的机器学习，预期将在6G智能服务和应用中发挥重

要作用。通过联邦学习和多层网络拓扑的有机结合，可进行多层次联邦聚合。

如下图所示，基于宏基站-微基站-设备的三层网络，在垂直方向上构成联邦学

习分布式分层智能无线网络架构，联邦聚合可拆分为位于微基站的低层次联邦

聚合和位于宏基站的高层次联邦聚合，从而实现较低的通信成本和更广泛的数

据共享。

6/21

图26G网络多层次FL节点部署示意图

具体地，在边缘网络，早期模型聚合具有较低的通信成本，且能有效缓解

由于局部数据的随机性而导致模型更新的不确定性。而后期模型聚合，通过更

高层次的联邦学习服务器进行模型聚合和更新，可实现更多、更广泛的数据共

享，且加速全局聚合的收敛性。因此，可以根据网络对学习性能、时延、容量、

能耗等指标的实际需求，灵活调整和优化联邦聚合在不同网络层次的部署位置，

实现FL动态分层。

为了更好地实现网络节能，可考虑减少高通信成本的高层次全局聚合的通

信频次，通过降低通信开销来降低总能耗。相比于传统FL方案，在相同学习

精度的前提下，引入多层次联邦聚合的分布式分层智能无线网络架构能够有效

降低网络能耗。

5.1.3无线智能云网络

IMT-2030Framework[9]强调了环境适应性和网络、终端节能减排的重要性。

其中，网络能效是目前最为关注的量化指标，通常被定义为bit/Joule。

2010年前后，国内等主要运营商分享了对移动网络能耗的观察。观察发现，

一半的能源消耗在空调和其他设施上，并进一步提出集中RAN设备以降低能

耗，被称为Cloud-RAN（C-RAN）。集中点可以在无线电或基带处理上，如

下图所示。

7/21

图3Cloud-RAN示意图

根据分析[10][11]，C-RAN是一个生态友好的基础设施。首先，通过C-RAN

架构的集中处理，基站站点数量可以成倍减少，空调等现场支持设备的耗电量

可大幅降低。其次，由于协作无线电技术可以减少RRH之间的干扰并允许更

高的RRH密度，因此可以缩短RRH到UE的距离，部署具有较低发射功率的

较小小区，同时不影响网络覆盖质量。用于信号传输的能量将会减少，这对于

减少RAN中的功耗和延长UE电池待机时间特别有帮助。最后，由于BBU池

是大量虚拟BS之间的共享资源，这意味着可以实现更高的资源利用率和更低

的功耗。当虚拟基站在夜间空闲且不需要大部分处理能力时，可以有选择地关

闭或进入较低功耗状态，而不会影响7x24服务承诺。

O-RAN继承了C-RAN的优点，定义了O-CU/O-DU/O-RU的开放接口，为

分析不同网络实体的功耗提供了足够的灵活性。报告[12]指出，对于大多数移

动网络来说，超过80%的能源消耗在无线接入网络中，其余的则消耗在核心

网、支持系统和相关的云基础设施中。预估RAN侧使用的80%能耗中，大

约80%为无线电供电，剩余20%用于分布式单元(DU)。通过采用MicroSleep

Tx、多频段无线电器件设计和集成等新技术，可以大大节省无线电能耗。同

时，云化DU基于高性能通用处理器架构，优化了能耗，对软件开发生态系统

有良好的兼容性。为了充分发挥潜力，SMO/RIC软件经过精心设计，rAPP可

满足自动化非实时网络管理的需求，降低运营成本、提高网络性能并降低能耗。

3GPP在Release18和Release19阶段开展网络节能技术的讨论和标准化工

作，详见前文第4章节。3GPP指出了优化RAN能耗的潜在方向，O-RAN

架构通过分离网络实体和可编程rAPP，提供了最大的灵活性。O-RAN架构与

新的节能特性的结合，有望在6G时代带来光明的前景。

5.2空口节能技术

5.2.1空域节能技术

NR基站中AAU功耗占比约80%，是网络能耗最主要组成部分。空域节能

8/21

技术在系统性能损失可以容忍的基础上，可以通过对网络空域元素进行自适应

以显著降低网络能耗。根据不同的颗粒度，空域元素可以包括天线阵元、TXRU、

天线端口、天线面板、TRP等。相比半静态空域元素自适应技术，动态空域

元素自适应方案，可提供更加精细的自适应颗粒度，更好的匹配业务负载与实

际的传输环境，为UE提供更好的服务，从而更好的实现网络/基站能耗降低。

5G现网中，大规模MIMO由于其支持空域复用或多径分集的优点，被广

泛使用。而在大规模MIMO带来高容量的同时，其大量的TXRU及相关的硬

件处理单元（包括功率放大器）也会带来基站功耗的增加。一个有效的网络节

能解决方案是根据流量负载或服务的UE数量调整基站的TXRU开关，如下图

所示，在小区内用户数变少时，可以适当的关闭一部分基站的TXRU，使得其

能够在不损失容量的基础上减少基站功耗。传统的空域关断无法很好地支持动

态快速关断，例如：获得省电增益的时候有明显的容量损失，或者受限于速度

无法全天候使用。这是由于静态关断的切换时间太长，导致基站的天线状态无

法根据信道状态进行快速的调整，即天线状态与信道状态不匹配，从而导致较

大的性能损失。

图4TXRU自适应动态关断

根据动态负荷水平、不同TXRU关断的多组CSI，首先将整个时间分解为

诸多毫秒级的短调度窗，先进的动态关断采用基于能效原则的动态调度器（受

限容量损失前提条件下获得尽可能大的基站节能增益），在每个短调度窗上模

拟遍历所有关断方式（包括不关断），从而快速选择最优的关断方式。对于动

态关断技术方案，节能状态下硬件响应时间是影响网络指标和用户体验的关键

因素，硬件响应时间需要实现从分钟级到毫秒级的跨越，使得从仅闲时节能扩

展到全时节能。另外，CSI报告的高层配置参数数量是有限的，过多的配置用

于自适应通道关断的CSI报告会影响其他用途的CSI报告配置。因此，对于

TXRU动态关断方案中的一个重要研究方向就是CSI报告的增强，即在一个

CSI报告中上报多组CSI以及CSI开销的降低方案。

通道关断技术不仅仅可以降低功放功耗，还可以降低射频通道的静态功耗，

基于通道关断的空域节能技术，在保证服务连续性上具有明显的优势，而且应

用场景并不限于基站业务轻负载场景，被视为主流的空域节能方案。

9/21

大规模分布式天线支持多TRP操作，类似于多个天线面板都可以视为空域

AAU的一部分，所以multi-TRP半静态/动态自适应调整属于传输天线自适应

调整的特例。实际传输中往往存在UE和某一个TRP存在更好的传输链路，

例如物理距离更近，这时候多个TRP都为UE传输并不总是必须的，动态关

断某些TRP可以显著降低网络能耗，特别将来传输系统为支持短距离传输会

部署分布式大规模MIMO阵列，会支持更多的TRP传输，支持multi-TRP动

态ON/OFF能更好的平衡UE性能与网络能耗的矛盾。

5.2.2时域节能技术

在中、低系统负载场景下，通过动态智能小区关闭、DTX/DRX

（DiscontinuousTransmission/DiscontinuousReception）智能协调、自适应降低

广播信号发送时间等方法，让网络有更多的时间处于微睡眠/轻睡眠/深睡眠状

态，有效降低信号传输在时域上占比，从而在对UE性能影响有限的前提下大

幅降低网络功耗。

当系统低负载时，基站不连续发送/接收（CellDTX/DRX）或基站短时间

关断，如时隙、符号或子帧级关断等，使得在DTX/DRX-OFF或关断期间，

基站可以进入睡眠状态。通过增加基站睡眠时间，减少基站连续开启或频繁唤

醒，从而降低基站能耗。

公共信号或者信道，比如SSB、SIB1、寻呼、随机接入信道等，自适应调

整，包括公共信号/信道传输图样自适应调整、公共信号/信道传输周期自适应

调整、公共信号/信道时域资源位置自适应调整等，让基站减少alwayson的周

期性发送或接收，使基站可以进入到睡眠状态，从而降低基站能耗。

支持SSB/SIB-less技术，即UE基于intra-band/inter-band中其他小区上传

输的SSB/SIB1来执行同步和获取系统消息，通过不发送本载波上SSB/SIB1

来降低网络设备功耗。进一步支持网络设备按需（on-demand）发送SSB/SIB1，

减少非必要时SSB/SIB1等信号的发送，从而获得网络节能增益。

实现小区动态按需关闭，即小区按需关闭全部或大部分元器件，仅保留收

/发部分参考信号，或唤醒信号，或发现信号，最大程度上节省能耗。当小区

的覆盖范围内有用户需要提供服务时，可以通过小区协同或终端发送唤醒信号

激活关闭小区，或由UE触发公共信号的发送，进一步兼顾网络节能增益与终

端业务传输性能。

基站DTX/DRX机制中，在周期性进行DTX/DRX-ON、DTX/DRX-OFF的

10/21

基础上，利用AI可以预测系统的负载情况或者开启/关闭基站DTX/DRX的时

机等，使能基站DTX/DRX智能化，通过动态的基站DTX/DRX机制进一步降

低基站能耗。针对公共信号或者信道，利用AI预测小区中终端的接入情况和

业务到达情况等，基站智能化调整公共信号或者信道的发送，通过自适应公共

信号或者信道机制进一步降低基站能耗。针对小区关闭，兼顾网络节能增益与

终端业务传输性能的关键点在于小区开启/关闭的时机，利用AI可以预测系统

的负载情况或者小区开启/关闭的时机等，使得小区可以准确的自主实现开启/

关闭，进一步降低基站能耗。

5.2.3频域节能技术

频域节能技术可以大致分为两类，一类是针对单载波的情况，可以通过灵

活的带宽调节实现网络节能；另一类是针对多载波的情况，可以通过多载波间

协调，以减少部分公共信号传输，从而降低网络能耗[2]。

对于单载波情况，6G超大规模天线可能工作在更高的频段，适用更大的

带宽，必然带来更高的网络能耗。在实际网络中，为用户分配的工作带宽（BWP，

BandwidthPart）往往高于用户实际所需的带宽。通过对BWP的高效调整，例

如可以通过为用户同时分配多个备选BWP资源，再根据实际业务需要选择合

适的BWP，从而有效降低网络能耗。

对于多载波情况，多载波之间的协调对于网络节能有重要作用。在5G网

络，多载波情况已经成为网络部署的典型案例，可有效提升整体的网络容量。

在6G时代，频谱资源有限，载波间和载波内的频率聚合将更加普遍。以载波

间聚合为例，可以通过引入参考载波的概念实现多载波协调。基站在参考载波

上，传递用户用于随机接入的公共信号以及目标载波的相关信息，用户只需检

测参考载波上的数据，即可实现灵活的工作载波随机接入过程。由此，多个用

户可共用同一个参考载波，各自的工作载波上无需再发送用于随机接入的公共

信号，从而实现网络节能。

5.2.4功率域节能技术

对于高负载网络，往往没有空闲资源可用于关断，降低网络能耗往往需要

采取降低发射功率的方式，可通过动态功率谱密度（powerspectraldensity，

PSD）调整实现。根据部分外场测试结果，在满载的情况下，发射功率减半，

可降低20%左右的网络能耗，同时对小区吞吐量影响较小。基于现有协议和

11/21

设备实现，调整天线发射功率往往需要重新配置网络参数，操作不便。因此，

可优化天线设计架构和相关功率调整机制，以便网络能够快速地进行功率调整，

从而达到节能的目的。

此外，功率域节能技术包括功放PA性能优化以及硬件实现，详情参见5.2.5

空口新硬件章节。

5.2.5空口新硬件

采用超高集成度的6G芯片

在未来基站系统的基带芯片方面，6G基站系统需要实现1Tbs这样的高数

据速率的接收译码处理，相对5G有十倍到百倍的增加，这意味着我们需要执

行超高速的基带处理。在这些过程中，信道编码对基带芯片性能的要求最高,

主要决定了基站芯片的功耗、最大吞吐量、复杂度和成本。因此，我们可能需

要完全重新设计信道编码算法和标准，以提高效率或并行处理的可能性。6G

基站系统要实时处理达到Tbps的峰值吞吐量，对芯片性能要求更加苛刻，6G

基站都会考虑采用专用集成电路芯片，用以降低功耗并提升运算效率。幸运地，

芯片的制程得到了持续演进，集成度得到不断的提升，制程节点越小意味着晶

体管越小、速度越快、能耗表现越好，超高集成度芯片技术预期可以得到大规

模商用，例如基带芯片的制程可以达到2纳米。

图5某主流晶圆厂的制程节点技术线路图

通过超高集成度的基带及数字中频芯片，配合使用超高集成度的模拟射频

前端芯片，不断优化电路设计和相关算法，可以全面降低6G基站的整机功耗，

无论在空载还是满载均可以达到能耗最优。

采用高能效的6G功放

射频信号只有经过功率放大器（PA）放大获得足够的射频功率并发送出去。

有统计指出约一半以上的基站的功耗来自PA。由于PA的功耗效率和线性度

是相互矛盾的，为了兼顾两者，业界采用了数字预纠偏算法(DPD)，在PA输

12/21

入侧进行与PA响应相反的数字域非线性滤波。

在6G基站系统的DPD芯片方面，持续优化算法，需要设计适合亚太赫兹、

太赫兹超高频和GHz超大带宽的新算法。由于6G支持的频段非常丰富，还

需要研究多频段的DPD算法。6G通信系统将使用非常高的载波频率，因此波

束成形用于规避高衰减和路径损耗，基于相控阵波束成形发射器通常应用多个

PA单个数字流，但是带来了DPD的新问题，因为多个并行PA必须使用单个

DPD芯片进行线性化。总之，数字中频芯片的下一代DPD算法的将会直接影

响6G基站的功耗效率。

在功放的新架构方面，随着带宽的明显增加，Doherty架构会受宽带特性

影响，性能逐渐下降，不过其架构简单，成本低。Outphasing架构和LMBA

架构具备更好的宽带特性，但这两个架构需要两个射频通道，架构复杂，成本

高。同时LMBA会引入电桥插损，因此也没有绝对的优势。因此，随着带宽

的增加，基站功放架构将从单一的Doherty架构逐渐演变到多架构并存，根据

场景进行功放架构选择。

在功放的新材料方面，对于100GHz以下的大带宽，氮化镓(GaN)在功率

和效率方面具有明显优势，以此为基础的功放管得到广泛应用。100GHz以上

大带宽对6G很有吸引力，但带来了许多重大器件挑战，特别是功放PA和低

噪放LNA。锗化硅（SiGe）将作为100-300GHz的亚太赫兹范围技术发挥重

要作用，对于一些需要高发射功率的应用，如果能够以经济可行的方式完成，

则可以考虑在前端使用上述新型化合物半导体材料。在300GHz和1THz频谱

之间，新型化合物半导体材料磷化铟（InP）等具有高速率的显著优势，可以

用于功率放大器。由于锗化硅和磷化铟相对氮化镓具有更低的功放效率，所以

需要设计低PAPR的新波形或者采用一些降低PAPR的技术，无论采用低阶调

制还是采用高阶调制都需要确保低PAPR，减少功放的功率回退，提高功放效

率，弥补材料的不足之处。

5.3新技术融合

5.3.1AI技术融合

随着AI技术的迅猛发展，可考虑AI技术与节能技术的融合，根据网络实

际业务预测情况，做到资源能耗智能分析，对网络资源进行统筹管理，实现基

于AI的绿色节能数字化。

基于6G网络结构、业务特征、传输环境对基站侧天线/面板/TRP/射频通

13/21

道进行智能动态自适应，可以显著降低网络侧激活的RFchain数量，大幅降

低网络功耗。例如，在采用AI使能的网络架构中，可以通过AI动态天线关

断预测，动态预测TRP、射频通道、天线端口或是天线阵元的智能动态关断。

CSI上报增强技术，通过MIMO增强设计有效减低CSI反馈量，或者通过AI

对信道状态的学习和训练，对信道状态指示参数进行有效的获取和压缩，从而

支持更多的空域自适应模式促进网络节能。

（1）基于AI的信道估计增强。面向6G网络中更高维度的信道矩阵，传

统基于DFT的TypeI/II码本可能无法在可接受的资源开销下，高效的进行信

道状态信息的量化和反馈。通过将信道估计与AI技术结合，利用神经网络的

强大学习能力来辅助信道信息的测量和反馈，可以为高效、准确地获取信道信

息、降低导频开销提供一种新的思路。另外，可以结合不同场景的实际需求，

采用不同大小的反馈开销进行训练和优化，灵活实现所需的信道反馈精度。

（2）智能化波束管理。在未来的6G网络中，波束将更加的精细化，采用

的波束数目也将更加庞大。为了节省波束扫描、测量和反馈等流程导致的时延

和开销，可以探索波束管理与AI技术结合的可能性，实现智能化波束管理，

提升波束管理的效率和性能。

（3）自适应多天线面板通信。面向6G的超大规模天线系统中，设备形态

将更加多元化，基站和终端设备都可能会配备多个天线面板。得益于此，网络

侧可结合具体信道状态及系统需求，灵活调度不同的天线面板进行协作或非协

作的传输，从而提升系统容量和鲁棒性。在多天线面板的选择、调度与传输上，

可考虑与AI技术的结合，实现自适应的多天线面板通信，进一步提升系统性

能。

传统的节能方案是通过预先设定好的门限来决定节能功能是否触发，从而

控制基站做出相应符号关断、通道关断、小区关断、智能载波关断以及深度休

眠等操作，实现网络节能的目的。由于数据收集和配置的工作量庞大，如何根

据这些数据合理准确地配置触发条件是传统节能方案的瓶颈。进一步将能效信

息与服务体验融合，进行联合感知，产生更多有针对性的数据和有意义的反馈，

不会使这种不匹配的情况进一步加剧。

人工智能技术的核心在于拟合数据特征的线性和非线性关系。基于机器学

习的人工智能技术依赖于两个主要对象：数据和模型。对于数据，需要从功能

上支持针对从空口上采集的数据以及空口操作相关的数据的收集、存储、访问

/共享能力；对于模型，需要从架构设计和资源部署的层面上支持模型的训练/

更新、访问/共享，以及模型的部署。通过基于机器学习的人工智能技术，将

14/21

其应用在预测基站的负载信息和服务质量方面，并将其与节能方案关联，将有

可能打破上述瓶颈，提高网络节能效率。

考虑通信业务具有明显的潮汐效应，可通过AI技术，结合历史数据和实

时流量信息，实现准确的流量预测，从而实现基站动态开启和关闭，以适应不

同时间段的流量负载需求。因此提出一种基于AI场景识别和流量预测的新型

网络节能策略[13]，主要包含三个模块：基于自然语言处理（NaturalLanguage

Processing，NLP）的基站场景识别、基于AI的网络流量预测、综合考虑基站

负载和网络需求的智能关断。

首先，基站名称经过NLP处理，可以准确识别基站所处的具体场景，如

学校、写字楼、酒店、商场、体育馆、景区等。每种场景都有一个预先训练的

通用流量预测模型，为后续的节能决策提供依据，例如：长短期时间序列网络

LSTNet、可解释的时间序列预测的神经基础扩展分析NBEATS、时序卷积网

络TCN等。通过流量预测模型，可以预测小区在下一个时段的平均RRC用户

连接数、上下行PDCP用户层面流量以及上下行PRB利用率等网络状态指标。

根据这些指标加权计算，得到小区下一时段的负载状况，从而用于评估基站工

作情况和负荷承载能力。其中，将负载低于某个阈值的基站列为候选关断基站。

针对每个候选基站，计算基站所在区域内其他基站的覆盖情况，以判断关闭候

选基站后是否会对覆盖范围内用户通信产生较大影响。具体而言，计算周围基

站的覆盖范围，如果候选基站被其他基站重覆盖的区域达到了一定阈值，并且

关闭候选基站后，周边基站的负载不会超过其上限，那么执行关断操作，以实

现网络节能[14][15]。

智能化网络节能方案将打破基础设施数字化孤岛，实现网络能耗数据实时、

高精度采集能力，支持灵活的电源、备电等机房基础资源智能化管控。同时，

智能节能方案包括网络级节能策略、站点级节能策略、设备级节能策略，可实

现多制式网络智能协同、“一站一策”差异化节能调度，达到“用户无感知、

网络高能效、运维低成本”的目标[16][17]。

5.3.26G空口新技术融合

通过与6G新空口技术融合，实现网络节能。

（1）基于通感技术的网络节能。借助6G通感技术，获取无线传播环境的

感知信息，以及用户位置及其密度信息，辅助基站进行TRP、天线端口或单

元、传输波束的限制或关断。未来通信感知一体化系统可以充分利用通信网络

15/21

优势，提供定位类、成像类、虚拟环境重构类等服务，同时这些服务还可以用

于移动通信自身性能提升，例如，在提升整个无线系统的能效方面，通感技术

能发挥巨大的作用[18]。

根据通感的不同应用场景和用例，需要获知的感知信息可包括运动监控类

型、环境监控类型、目标检测和跟踪类型。针对这些感知信息，可用于无线系

统各类通信网元的节能决策，或者网络管理功能利用这些信息来提升整个无线

系统的能效。具体地，可以体现在下述几个方向：利用运动监控类似的感知信

息，可触发终端或相应的穿戴设备等改变相应的活动状态，例如：进入省电模

式，或者长周期的监控状态等等，反之，也可用于主动激活相应的设备进入活

跃状态等。利用环境监控类型的感知信息，来触发告警信息在准确的服务范围

播发，可以避免大范围的传输冗余信令等。利用目标检测和跟踪类型的感知信

息，可依据不同信息类型，进行实时动态的分配或调度相应的无线资源，达到

提升无线系统的整体传输效能，此外，也用于动态的开启/关闭特殊的应用或

资源通道，例如：波束，载频，小区级别的开/关管理等。为实现6G网络节能，

应允许感知服务单元，建立与不同节能网元（如：基站，射频前端，终端等等）

的接口和协议栈，并设计相应的节能机制或策略等。

（2）基于RIS技术的网络节能。通过智能超表面（ReconfigurableIntelligent

Surface，RIS）实现天线结构的创新，RIS采用低成本无源或近无源器件构成，

作为网络节点反射/透射波束赋形辅助传输，在网络能耗几乎不变的情况下大

幅提升网络覆盖。基于6G智能超表面技术，可以采用较少的射频通道和转换

效率较高的功放，降低基站射频通道数目和功耗，或者采用基于RIS的中继

节点从而降低网络能耗。

（3）基于物理层技术增强的网络节能。在物理层技术增强方面，可采用

6GLDPC、极化编码、概率成形调制、基于免调度的非正交多址接入以及全双

工等潜在的新技术，提升系统频谱效率，降低接入开销，在满足6G全业务场

景、全类型终端的接入需求的同时提升系统能效。

5.4其他技术

提高设备集成

首先，使用超宽频RRU/AAU设备，采用先进算法实现不同频段的数据统

一处理，实现多个模块合一，射频模块数目和馈线数量均至少减半，使用了宽

带新材料功放，实现了单通道超宽发射带宽，还采用了先进的超宽带的DPD

架构和算法，实现了数百兆甚至上吉发射带宽站点方案大幅简化，提高了射频

16/21

设备的集成度并明显降低功耗。其次，采用“超级基带群”解决方案，这种新

型建网模式将BBU集中放置，RRU通过光纤拉远，还可能支持分布式天线。

可大量堆叠的BBU实现基带资源动态配置、灵活调度，充分利用系统资源；

多个BBU集中放置在现网机房（如核心机房或骨干机房），可以充分利用现

有机房资源，实现“零”机房占用。机房内各种配套、传输资源可以实现最大

化共享，充分盘活现网资源，节省布网及维护成本。最后，在硬件平台不变的

情况下，通过软件配置即可实现多种技术体制共平台，实现了多制式和多频段

融合，并且实现网络的平滑演进。

采用绿色能源

从能源供给的“开源”出发，绿色能源在6G网络的供给能源中占比将逐

年增加，绿色能源包括太阳能、风电、水电、核电、生物能和地热等，预计到

2035年该比例有望超过60%。绿色能源往往输出不稳定，例如：风电受到风

量影响较大，晚上没有阳光太阳能无法发电，此时需要配套储能系统来实现削

峰填谷、调峰、调频等，并内置传感器采集绿色能源相关的参数数据，综合提

升新能源系统的稳定性和效率，提升6G设备清洁能源的就地消纳能力，减少

6G设备高碳排能源输入占比，直接降低6G设备运营阶段碳排放。

高能效数据中心

随着数据量的增长，数据中心的能耗将快速增长。在传统的中心化计算模

型中，大量数据需要从边缘设备传输到远程数据中心进行处理，数据传输通常

需要网络带宽和能源。首先，采用分布式共享计算，动态灵活地部署所需资源

（CPU、GPU、NPU和存储等），不受机房限制，不同服务器之间共享计算

资源。其次，采用尽力而为的端侧优先机制。对于6G计算任务如XR渲染或

者AI计算，优先在终端侧本地完成；如果密集型的计算超出了终端侧能力水

平，则通过6G推送到无线接入网的边缘云执行，再返回密集计算的结果；如

果边缘云还是不足够支持密集计算任务，则继续通过6G的有线连接推送到中

心云端执行，最后返回密集计算的结果。最后，采用通信网络和计算网络的综

合考量，根据6G无线信道质量的变化和终端计算能力限制，计算任务可在边

缘云计算和本地终端计算之间较动态的切换。总之，上述技术减少了数据传输

和处理延迟，实现数据中心的最佳的能耗和计算能力分配。

支持网电协同

同时将6G网络与分布式微电网协同，在边缘侧实现源-网-荷-储灵活互动

以及海量分布式资源的协同运行，形成电力网络与通讯网络的灵活性共享机制，

实现跨网的资源优化配置，达到大幅降低6G通信系统碳排放效果，从而同时

17/21

提升6G网络与电力系统的能效与碳效。

智能化运营管理

在精细化运营方面，借助智能化的手段，实现端到端的用电智能化管控，

依托网络能效管理工具，实现精准供备电；快速识别网络能效瓶颈，提升网络

能源效率，实现运营成本大幅降低，助力网络全生命周期能效最优。

绿色供应链

加强6G产业链上下游供需对接和交流合作，提升节能低碳产品供给能力，

提高设计、研发、生产、采购、包装、物流、运维、回收等各环节绿色能力建

设协同合作，实现整体产业链绿色化。

6.总结与展望

5G时代，网络能耗问题已十分突出。面向未来，更高频点、更大带宽、

更多算力，使得6G网络面临更严峻的能耗挑战。为实现双碳可持续发展，面

向多场景混合组网，推进空天地一体、新型分布式无线网络和无线智能云网络

架构创新。从空域、时域、频域、功率域、空口新硬件等维度，开展空口节能

技术创新和实施方案，并全面打造数字化、网络化、智能化6G云网节能体系，

开展节能技术与AI技术、通感技术、RIS技术等6G空口新技术的有机融合。

此外，提高设备集成、采用绿色能源、高能效数据中心、支持网电协同、智能

化运营管理、绿色供应链，加强6G产业链上下游供需对接和交流合作，提升

节能低碳产品供给能力，从而实现整体产业链绿色化。

此外，在研究节能方案的同时，也要关注相关方案对用户体验、系统性能

的影响，力争找到平衡点，以期满足6G愿景。愿携手产业界同仁，践行双碳

发展战略，共创绿色美好未来！全面落实国家双碳战略部署，立足自身，赋能

社会，把绿色低碳从压力挑战变成动力机遇，为“双碳”目标的实现贡献力量。

7.参考文献

[1]DraftNewRecommendationITU-RM.[IMT.FRAMEWORKFOR2030AND

BEYOND],FrameworkandoverallobjectivesofthefuturedevelopmentofIMTfor

2030andbeyond,ITU,2023.

[2]超大规模MIMO技术研究报告（第二版）,IMT-2030（6G）推进组，2022

[3]RecommendationITU-RM.2083-0,IMT-Vision-Frameworkandoverallobjectivesof

thefuturedevelopmentofIMTfor2020andbeyond.ITU,2015.

18/21

[4]3GPPTR38.864V18.1.0,StudyonnetworkenergysavingsforNR(Release18),

March2023.

[5]倪舜锋,罗键英.关于无线基站节能减排技术的研究[J].通讯世界,2016(24):61-62.

[6]中国联通,6G绿色网络白皮书[Z].2023.

[7]ZhaoB,CuiQ,LiangS,etal.Greenconcernsinfederatedlearningover6G[J].China

Communications,2022,19(3):50-69.

[8]崔琪楣,梁盛源,赵博睿等.通信网络架构的生成方法、装置、电子设备及介质[P].中

国专利:CN202111436227.7.

[9]ITU-R,RecommendationITU-RM.2160Frameworkandoverallobjectivesofthefuture

developmentofIMTfor2030andbeyond,Nov.2023.

[10]Chih-LinI,JinriHUANG,RanDUAN,ChunfengCUI,JesseJIANG,andLeiLI,Recent

ProgressonC-RANCentralizationandCloudification,IEEEAccess,2014.

[11]CMCC,C-RANTheRoadTowardsGreenRAN.

[12]Ericsson,OpenRANarchitecture:Embracingenergyefficiency.

[13]游斌,朱伟,邓新华等.一种基站流量预测方法,装置及电子设备[P].中国专利:

CN202111647710.X

[14]LaiG,ChangWC,YangY,etal.Modelinglong-andshort-termtemporalpatternswith

deepneuralnetworks[C]//The41stinternationalACMSIGIRconferenceonresearch&

developmentininformationretrieval.2018:95-104.

[15]OreshkinBN,CarpovD,ChapadosN,etal.N-BEATS:Neuralbasisexpansion

analysisforinterpretabletimeseriesforecasting[J].arxivpreprintarxiv:1905.10437,

2019.

[16]梁力维,李荣聪.基于AI的5G基站节能技术研究[J].移动通信,2019,43(12):32-36.

[17]中国联通，5G智能节能技术白皮书[Z].2019.

[18]通信感知一体化技术研究报告，IMT-2030（6G）推进组,