KPI回滚式自优化
针对节能而言，进入关断的门限值越高，节能效果越好，但传统的节能方案，为了顾及网络中各种场景的差异性，一般情况下设置关断进入门限较为保守，使得节能效果受损。使用KPI回滚式自优化策略，可寻找节能进入门限与网络性能的拐点，最大化节能。
系统根据全场景话务模型，节能效果和KPI趋势的大数据分析，强化自学习，在线不断迭代优化。利用聚类算法寻求最优调整步长，监控网络核心KPI（包括建立类、掉话类、切换类、用户体验类等），在允许浮动范围内，不断迭代预测模型，最终达到节能和系统性能的最佳平衡点。
随着AI节能方案商用部署规模的不断扩大，商用数据样本的不断累积，AI预测及迭代算法也在不断地精细化：节能时间段可离散化设计，不同节能功能个性化门限配置，更细粒度优化步长迭代等，使之能够更好的匹配商用网络部署场景及用户行为习惯，进一步提高节能的效率；同时可支持重点保障场景，利用AI技术自动设定黑白名单，避免节能对这些场景的影响。
中兴AI节能方案已在国内广泛商用，先后在山东、重庆、四川、福建、湖南、辽宁等多地多运营商部署，累积应用规模超过10万个小区；同时，海外商用网络如马来、南非、意大利等也在同步部署验证。经商用验证，AI节能方案可有效降低基站10％－15％的能耗。换言之，在5G时代，每千站点可实现年节电150万至200万度，折合人民币约150万至200万（按工业用电平均电费1元／度进行估算），全面降低运营商OPEX，助力构建低碳通信网络。