Wind River אמרה כי פוסט הבלוג שלה מ-Fall 2026 O-RAN Global PlugFest הראה אופטימיזציית אנרגיה בלולאה סגורה עבור אתר Open RAN, כאשר פרופילי אנרגיה בתוכנה קיצצו את צריכת האנרגיה בעד 12%.
החברה אמרה שההדגמה כיסתה אתר של לקוח מפעיל סלולר, השתמשה בדפוסי תעבורת O-RAN חיים, ורצה על חומרה אמיתית ולא במעבדה.
תצורת הבדיקה ודפוסי התעבורה
Wind River אמרה ששחזרה דפוסי תעבורה ממערכות טלקום קיימות ואימנה מודל AI לניהול שלהם. הוכחת ההיתכנות השתמשה בשני פרופילי אנרגיה בתוכנה בשכבת CaaS: פרופיל אנרגיה נמוכה עם מצב השינה העמוק של CPU C6 מופעל, ופרופיל אנרגיה גבוהה עם המצבים C0, C1 ו-C1E מופעלים.
החברה אמרה שהעבודה בוצעה עבור אתר Open RAN ב-Fall 2026 O-RAN Global PlugFest ושהאתר השתמש בדפוסי תעבורת O-RAN חיים. Wind River גם אמרה כי שלושת חודשי הבדיקה הראשונים עברו ללא שיבוש שירות וכי המערכת מבוססת ה-AI המשיכה לפעול ללא התערבות אנושית.
תוצאות האנרגיה שנמדדו
Wind River אמרה שפרופיל האנרגיה הנמוכה חסך 12% בתעבורה נמוכה ו-8% בתעבורה רגילה. היא אמרה שפרופיל האנרגיה הגבוה חסך 4% בתעבורה גבוהה.
החברה גם אמרה שהשימוש בפרופיל האנרגיה הנמוכה בתעבורה גבוהה הגדיל את צריכת האנרגיה ב-6%, בעוד שהמעבר לפרופיל האנרגיה הגבוה הפך זאת לחיסכון של 4%.
מודל האוטומציה של Wind River
Wind River אמרה שהמערכת השתמשה באנליטיקה כדי לזהות מגמות תעבורה ושימוש, ואז החילה פרופיל אנרגיה שהוגדר במדיניות באמצעות orchestration. החברה הציגה את ההתקנה כלולאה סגורה: האנליטיקה הפיקה את האות, ה-guardrails קבעו את הגבולות, וה-orchestration החילה את הפעולה.
פוסט הבלוג אמר שהמודל נועד למנוע משכבת התשתית להשתנות ברגע הלא נכון ולפגוע בשירות.
Droam Perspective
עבור מפעילי רשת סלולר וצוותי RAN, הערך שנחשף הוא לא שם שלב ה-PlugFest אלא לולאת הבקרה ש-Wind River אומרת שבדקה מול תעבורה חיה. הנקודה המרכזית היא שהחברה קושרת ניהול אנרגיה מונחה AI למגבלה תפעולית ספציפית: ללא שיבוש שירות במהלך שלושת חודשי הבדיקה הראשונים.
המספרים אינם אחידים במכוון. הנתונים של Wind River עצמה מראים שאותו פרופיל יכול לעזור או להזיק בהתאם לעומס, מה שהופך מודעות לעומס העבודה לטענת המוצר האמיתית כאן, ולא להבטחה גורפת לחיסכון בחשמל.