2021全球移動寬帶論壇(Global MBB Forum)期間,華為SRAN產(chǎn)品線總裁姜旭冬發(fā)布了GreenSite和PowerStar2.0兩大創(chuàng)新解決方案,提升網(wǎng)絡(luò)能效,降低網(wǎng)絡(luò)能耗,助力運營商打造綠色低碳5G網(wǎng)絡(luò)。GreenSite解決方案通過引入高集成化射頻硬件、站點室外化去空調(diào)和整站協(xié)同軟硬件融合創(chuàng)新,實現(xiàn)能效20倍提升。PowerStar2.0智能節(jié)能解決方案,引入基站和網(wǎng)絡(luò)雙智能化,通過多維協(xié)同,在典型網(wǎng)絡(luò)配置下,降低網(wǎng)絡(luò)能耗25%以上。
姜旭冬發(fā)布華為GreenSite及PowerStar2.0解決方案
GreenSite解決方案,從三個維度打造綠色站點
首先,射頻高集成化,降低比特能耗,是持續(xù)創(chuàng)新的動力。華為創(chuàng)新Massive MIMO產(chǎn)品MetaAAU通過超大規(guī)模陣列設(shè)計,大幅提升天線增益。在小區(qū)邊緣覆蓋指標(biāo)不變的條件下,相比傳統(tǒng)AAU,能耗降低約30%。創(chuàng)新超寬頻RRU,采用超高集成度設(shè)計,通過超帶寬功放、硬件和算法融合創(chuàng)新,將多個單頻設(shè)備融合成一個超寬頻設(shè)備,相同功耗下支持更多頻段,能效顯著提升。
其次,站點極簡去空調(diào),疊光去油是減少碳排的有效手段。站點機房空調(diào)的能耗約占站點總能耗的30-40%。華為推出全新室外化機柜解決方案APM5950,支撐站點從室內(nèi)走向室外。通過去除室內(nèi)空調(diào),站點端到端能效從60%提升到90%,站點能耗降低30%。天然支持綠色太陽能發(fā)電,通過高循環(huán)鋰電替換油機,進一步減少碳排放。
第三個維度是,整站智能協(xié)同,實現(xiàn)比特驅(qū)動瓦特是節(jié)能創(chuàng)新方向。業(yè)務(wù)與整個站點的硬件,包括供能-儲能-用能等部件進行智能協(xié)同,根據(jù)業(yè)務(wù)負載實時調(diào)節(jié)供電或者用電效率。通過能隨業(yè)動,溫隨業(yè)動實現(xiàn)整站綜合效率最優(yōu)。
PowerStar2.0:相比PowerStar1.0,帶來三大提升,節(jié)能效果翻番
第一大提升,基于毫秒級快速關(guān)斷,實現(xiàn)節(jié)能全天候運行。得益于硬件設(shè)計天然支持節(jié)能效率最大化,PowerStar2.0支持以毫秒級的顆粒度基于業(yè)務(wù)負載進行節(jié)能關(guān)斷,使得從僅閑時節(jié)能擴展到全天都可節(jié)能;并通過預(yù)估業(yè)務(wù)所需體驗速率,在滿足用戶體驗需求的基礎(chǔ)上,精準(zhǔn)深度關(guān)斷,進一步提升全天節(jié)能時長。
其次是,基于多維協(xié)同,實現(xiàn)時空頻功全域節(jié)能。在PowerStar2.0方案中,全新引入了功率控制作為符號、通道、載波之外的節(jié)能第四維度;在保證用戶體驗的前提下,通過增加調(diào)度資源來減小射頻模塊發(fā)射功率,進而實現(xiàn)更高層次網(wǎng)絡(luò)節(jié)能。
第三個提升是基于秒級尋優(yōu),KPI性能有保障。PowerStar2.0引入基站智能化實現(xiàn)更為精細和快速的KPI性能尋優(yōu)和節(jié)能尋優(yōu)。在網(wǎng)絡(luò)性能需求發(fā)生變化時,基站和網(wǎng)絡(luò)通過智能預(yù)測和尋優(yōu)以秒級粒度變更休眠策略,進而在最大化節(jié)能收益的同時,保障網(wǎng)絡(luò)性能。
最后,姜旭冬表示:“人們和行業(yè)對通信行業(yè)需求持續(xù)提升,話務(wù)量與日俱增。持續(xù)提升無線網(wǎng)絡(luò)能效,是打造低碳綠色網(wǎng)絡(luò)的關(guān)鍵。華為希望通過系列化的解決方案創(chuàng)新,并將智能化引入基站,持續(xù)幫助運營商建立一張綠色低碳的5G網(wǎng)絡(luò),助力運營商達成雙碳目標(biāo)。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。