為什么一到演唱會，你的朋友圈就發不出去？

手機的網絡，專挑細處斷！

眼看著要遲到了，你從地鐵里擠出來沖鋒，過閘機的時候卻死活刷不出來二維碼；

盯著倒計時搶專家號，點進去就轉圈，等頁面終于加載好，號早就沒了；

看演唱會想抓緊時間發個熱乎朋友圈，最終等到散場才發送出去。

圖丨giphy

好消息是，不是你的手機老了壞了。

壞消息是，你正站在一個被幾百人同時擠爆的無線小區里。

“無線小區”，你可以把它想象成酒店里劃分的不同房間，每個房間由基站負責接待。平時沒啥問題，幾百號人涌進同一個房間，那誰都別想順暢上網。

無線小區的簡單示意圖，中心為基站。明白“蜂窩網絡”這個說法怎么來的了吧？丨作者供圖

說回開頭那些抓狂瞬間——閘機刷不開，專家號搶不到，朋友圈發不出去，這些能忍。但如果遇到突發大事件呢？網絡還能自己搶救一下嗎？

要想網不卡，先多修基站

最直接的思路：多建基站，把人群分散到更多無線小區里

基站越多，容量越大、覆蓋越廣——酒店房間多了，每個房間分到的客人就少了。

而且電磁波天生會衰減，離天線越遠信號越弱，再碰上墻壁樹木，衰減更快。想讓更多角落有信號，只能靠鋪更多基站來補。

我國已建成數百萬個4G 和5G 基站。可基站鋪滿了，新麻煩也來了。

航拍的5G基站丨圖蟲創意

基站越多，麻煩也越多

電磁波空間是共享的。你的手機、鄰居的手機、路邊汽車里的設備，可能擠在同一片頻率上。基站之間也一樣——數量一多，互相干擾就成了繞不開的問題

為了讓成千上萬臺設備不撞車，網絡得在頻率和時間上精打細算，就像十字路口的車流——分道行駛、分時放行。從業者給每個小區分配編號，幫助手機分清信號來路，挑信號最好的接入

不過，手機不知道哪個無線小區最好——信號最強的無線小區，可能已經被各種終端擠爆了，接進去就卡。

使人夢回撥號上網丨giphy

那基站能不能主動引導？能！

咱們可以通過人工操作、或依照歷史記錄、或依照預先設定，讓基站給空閑小區“加分”。加分不是真把信號調強了——即使發射功率不變，被加分的小區在手機眼里“看起來”信號更好，手機等終端就會被溫柔地引導到空閑小區。

基站：這位用戶里面請~丨圖蟲創意

問題解決了嗎？沒有啊！

讓網絡自己學會變聰明

更根本的問題是，網絡建好后，用戶的實際分布往往跟規劃預期差很遠。

比如美食廣場的基站平時很閑，每到飯點就被擠爆。靠人工操作、預先設定、歷史記錄，都很難及時把用戶從擁擠的美食廣場基站挪到旁邊空閑的停車場基站。

怎么解決這個問題呢？從業者盯上了“強化學習”。

強化學習靠“試錯”和“獎勵”學會做事，不用人寫規則。我們成長里也有它的影子：上課睡覺→考試不及格→決定認真聽講→拿到好成績。

人無再少年，AI 有一萬次試錯的機會，來看看AI在無線網絡里如何強化學習。

AI先是觀察每個小區的負載率、用戶數量、信號質量（狀態）；

然后調整天線功率、朝向和協議參數引導終端（動作）；

目標是讓最擠的小區盡量閑下來，負載率越低、它得到的獎勵越高（獎勵）。

AI在仿真環境里不斷試錯，觀察獎勵漲跌以更新策略。成千上萬輪后，它摸索出了經驗：本小區負載超80%且隔壁低于60%？把人遷移過去！兩個小區都忙？按兵不動！

心理學家斯金納表示用類似的方法訓練過老鼠取食丨miepvonsydow.wordpress.com

這個方法在實驗中取得了不錯的用戶體驗。

慕尼黑工業大學的研究團隊用強化學習給用戶分配小區：4個小區、15名用戶不停移動的仿真中，傳統策略讓一個小區平均接入超11人，強化學習壓在6人以內[1]——你從和10個人搶網速變成最多5個，體驗翻倍。

甚至在節能省電上也表現優秀。

無線小區太閑的時候可以暫時關停。定時關停（比如到了夜里12點關停部分無線小區）可以節省7.91%的能耗，基于固定值關停（比如負載低于某個值關停部分無線小區）可以節省13.48%的能耗。使用強化學習的方法決定是否關停，節省能耗則達到了15.26%[2]！

值得一提的是，采用這種方法，還能保證在97.40%的時段內，有95%以上的用戶能用到不低于5Mbps的下載速率，比定時關停和基于固定值關停都要高——省得更多，弊端更小。

目前強化學習管理基站還都在仿真環境中進行，到了復雜的真實世界會不會掉鏈子，還說不好。

比如這套系統學會了跟著仿真數據走，去符合早晚高峰地鐵上的使用需求，結果到了周末或者節假日大家都窩在家里，還跟著老規矩辦事的系統就可能讓用戶上網卡頓。

更多樣的仿真數據能堵漏洞，也期待它在現實中不斷學習完善，給我們更絲滑的體驗。

不只是無線網絡的故事

除了管理基站，強化學習這東西還能干嘛？

其實你可能已經用過了。ChatGPT 和 DeepSeek 的訓練用到 的RLHF（“從人類反饋中強化學習”），原理也是一樣的：AI 給出回答（動作），人或 AI 打分（獎勵），AI 根據分數調整。訓練聊天 AI 和訓練管基站的 AI，底層都是“試錯→打分→進步”。

讓系統變聰明，也不止強化學習這一種方法。

第一類，強化學習。本事是面對不斷變化的環境，自己摸出最優策略。網絡負載均衡天生就是這種問題——用戶一會兒涌這兒、一會兒涌那兒，沒有固定規律。

第二類，傳統機器學習。你給我歷史數據，我從中找規律。比如拿幾萬人身高體重和體檢結果，學會“什么范圍的人大概率偏胖”。但網絡數據瞬息萬變，光靠歷史不夠。

第三類，規則系統。把專家經驗寫成“如果……就……”塞進程序，比如“小區 A 負載超80%，把10%用戶挪到小區 B”。優點是可靠、不用訓練，缺點是規則沒寫到的場景就抓瞎。

圖丨giphy

三種方法各有舒適區。網絡負載恰好落在強化學習最擅長的那塊地盤——動態、沒有固定答案。以前運維靠工程師寫死規則，現在網絡自己試、自己學、自己調。

未來，規則系統管常規場景，傳統機器學習從歷史數據找規律，強化學習應對“規則寫不到、規律找不到”的動態變化，三者配合。我們也期待更厲害的 AI 加入進來。

參考文獻

[1] A. Prado, F. St?ckeler, F. Mehmeti, P. Kr?mer and W. Kellerer, "Enabling Proportionally-Fair Mobility Management With Reinforcement Learning in 5G Networks," in IEEE Journal on Selected Areas in Communications, vol. 41, no. 6, pp. 1845-1858, June 2023, doi : 10.1109/JSAC.2023.3273705

[2] A.-K. Dang, H. Khalifé, M. Sintorn, S. Rovedakis and S. Secci, "Data-driven Energy Optimization in Mobile Networks with User Experience Guarantees," IEEE INFOCOM 2025 - IEEE Conference on Computer Communications, 2025, doi : 10.1109/INFOCOM55648.2025.11044545

作者：李明杰

編輯：李小葵