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
OpenAI、Anthropic和Google的AI代码助手现在能够在人工监督下连续工作数小时,编写完整应用、运行测试并修复错误。但这些工具并非万能,可能会让软件项目变得复杂。AI代码助手的核心是大语言模型,通过多个LLM协作完成任务。由于存在上下文限制和"注意力预算"问题,系统采用上下文压缩和多代理架构来应对。使用时需要良好的软件开发实践,避免"氛围编程",确保代码质量和安全性。研究显示经验丰富的开发者使用AI工具可能反而效率降低。
这项研究由北京交通大学研究团队完成,系统阐述了人工智能智能体从"流水线"范式向"模型原生"范式的转变。研究表明,通过强化学习,AI可以自主学会规划、使用工具和管理记忆等核心能力,而不再依赖外部脚本。论文详细分析了这一范式转变如何重塑深度研究助手和GUI智能体等实际应用,并探讨了未来多智能体协作和自我反思等新兴能力的发展方向。
英伟达与AI芯片竞争对手Groq达成非独家授权协议,将聘请Groq创始人乔纳森·罗斯、总裁桑尼·马德拉等员工。据CNBC报道,英伟达以200亿美元收购Groq资产,但英伟达澄清这并非公司收购。Groq开发的LPU语言处理单元声称运行大语言模型速度快10倍,能耗仅为十分之一。该公司今年9月融资7.5亿美元,估值69亿美元,为超200万开发者的AI应用提供支持。
Prime Intellect团队发布开源AI训练全栈INTELLECT-3,这个106亿参数模型在数学、编程等测试中超越多个大型前沿模型。团队完全开源了包括prime-rl训练框架、环境库、代码执行系统在内的完整基础设施,为AI研究社区提供了高质量的训练工具,推动AI技术民主化发展。