Prologis 作为全球最大的物流地产公司,在全球供应链中发挥着关键作用。公司在 20 个国家拥有 12 亿平方英尺的房地产,管理资产高达 2200 亿美元,服务对象包括大型零售商和第三方物流供应商。自 2018 年加入以来,Prologis 首席技术官 Sineesh Keshav 一直领导着公司的数字化转型,并在此期间推动了公司的显著增长。
推动快速扩张业务中的创新
自 Keshav 加入以来,Prologis 管理的房地产面积从 7.5 亿增长到 12 亿平方英尺,员工人数从 1600 人增加到 2500 人。在这一增长过程中,公司始终保持着创新文化。Keshav 自豪地表示:"我们在行业中稳居领导者地位,但我们始终保持着自我颠覆的意愿,以免被他人颠覆。"
这种积极主动的方法塑造了 Prologis 的技术战略,确保公司的 IT 基础设施能够与业务扩张同步发展。他补充道:"我们常说我们是一个困在小公司躯壳里的大公司。我们没有多余的官僚层级,这促进了开放的沟通和协作。"
为转型业务构建 IT 架构
当 Keshav 加入 Prologis 时,发现业务的某些部分仍依赖于包括 Excel 电子表格在内的传统系统。他说:"Excel 本身没有问题,但我们的某些业务仍在使用过时的技术。即使系统没有出现问题,我们也必须灌输变革的思维,因为过时的技术可能成为薄弱环节。"
为应对这些挑战,Prologis 重组了其 IT 组织,确保每个关键业务职能都有专门的技术支持。Keshav 指出:"这不是看谁声音最大,而是每个关键能力都应该有创新的机会。"这次转型还包括成立了一个专注于流程优化的企业卓越团队。他强调:"不要自动化有问题的流程,要先把流程做对。"
超越房地产的扩张
虽然 Prologis 仍是房地产巨头,但近年来其业务已显著发展。Keshav 说:"我们不再仅仅是一家房地产公司,我们正在供应链解决方案、能源和可持续发展领域开发新业务。"值得注意的是,Prologis 现在是美国第二大太阳能生产商,并设定了到本十年末达到一吉瓦太阳能发电容量的宏伟目标。他补充说:"技术在实现我们可持续发展目标方面发挥着重要作用。"
数据中心业务是另一个主要扩张领域,Keshav 认为这是 Prologis 专业知识的自然延伸。他说:"我们有独特的机会在数据中心行业留下印记。我们将能源数据与房地产数据整合的能力给了我们竞争优势。"
AI 和数据在 Prologis 未来的角色
强大的数据基础对 Prologis 的成功至关重要,支持着高级分析、商业智能和 AI 驱动的决策。Keshav 解释道:"要让 AI 发挥效果,你需要强大的数据基础。在生成式 AI 兴起时,许多公司都在为如何处理其专有数据而苦恼。我们的挑战较小,因为我们已经建立了强大的数据基础设施。"
Prologis 已经采用 AI 来提高运营效率和增强决策能力。Keshav 说:"今天的差异化优势可能在三个月内就成为大众商品,但经验教训会持续更长时间。"他预测到 2025 年,AI 驱动的自动化将更深入地嵌入业务流程。"智能代理 AI 将推动显著创新。"
为下一篇章做准备
展望未来,Prologis 正在完善其 IT 战略以支持不断发展的业务线。Keshav 说:"未来三年的重点是确保新业务的成功。我们不得不引入全新的系统,2025 年将是加速这些努力的关键一年。"
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。