Wind River ha affermato che il suo post del blog del Fall 2026 O-RAN Global PlugFest ha mostrato un’ottimizzazione energetica a ciclo chiuso per un sito Open RAN, con profili energetici software in grado di ridurre il consumo fino al 12%.
L’azienda ha detto che la dimostrazione ha riguardato il sito di un cliente operatore mobile, ha utilizzato pattern di traffico O-RAN reali e si è svolta su hardware del mondo reale, non in laboratorio.
Configurazione del test e pattern di traffico
Wind River ha affermato di aver ricreato pattern di traffico provenienti da sistemi telecom esistenti e di aver addestrato un modello AI per gestirli. La proof of concept ha utilizzato due profili energetici software al livello CaaS: un profilo a basso consumo con lo stato di sospensione profonda della CPU C6 abilitato e un profilo ad alto consumo con gli stati C0, C1 e C1E abilitati.
L’azienda ha detto che il lavoro è stato svolto per un sito Open RAN al Fall 2026 O-RAN Global PlugFest e che il sito utilizzava pattern di traffico O-RAN reali. Wind River ha inoltre affermato che i primi tre mesi di test non hanno causato alcuna interruzione del servizio e che il sistema basato su AI era ancora in esecuzione senza intervento umano.
Risultati energetici misurati
Wind River ha affermato che il profilo a basso consumo ha fatto risparmiare il 12% con traffico basso e l’8% con traffico normale. Ha detto che il profilo ad alto consumo ha fatto risparmiare il 4% con traffico elevato.
L’azienda ha anche affermato che l’uso del profilo a basso consumo con traffico elevato ha aumentato il consumo del 6%, mentre il passaggio al profilo ad alto consumo ha trasformato quel dato in un risparmio del 4%.
Modello di automazione di Wind River
Wind River ha detto che il sistema ha usato l’analytics per identificare tendenze di traffico e di utilizzo, applicando poi un profilo energetico definito da policy tramite orchestration. L’azienda ha descritto la configurazione come un ciclo chiuso: l’analytics produceva il segnale, i guardrail fissavano i limiti e l’orchestration applicava l’azione.
Il post del blog ha detto che il modello è pensato per evitare che il livello infrastrutturale cambi nel momento sbagliato e impatti il servizio.
Droam Perspective
Per gli operatori di rete mobile e i team RAN, il valore rivelato non è il nome della fase di PlugFest, ma il ciclo di controllo che Wind River dice di aver testato sul traffico reale. Il punto chiave è che l’azienda sta collegando la gestione energetica guidata da AI a un vincolo operativo specifico: nessuna interruzione del servizio durante i primi tre mesi di test.
I numeri sono volutamente disomogenei. Le cifre di Wind River mostrano che lo stesso profilo può aiutare o penalizzare a seconda del carico, e questo rende la consapevolezza del workload la vera tesi del prodotto qui, non una promessa generica di risparmio energetico.