Ameren是一家收入规模近60亿美元的能源公司,位于美国圣路易斯,在覆盖密苏里州和伊利诺伊州的6.4万平方英里区域内,拥有240万个电力客户和超过90万个天然气客户。该公司的数字化负责人Bhavani Amirthalingam,自2018年初以来一直担任首席数字信息官,其中在CIO职责方面,她主要负责公司的应用、基础设施、数据中心、最终用户计算等方面;在数字化职责方面,她负责确立如何利用数字技术提供差异化的客户体验。此外,她还负责新兴技术,帮助实现可持续的、安全的且可靠的未来能源网络。
Amirthalingam指出,Ameren拥有数百万个联网设备接入电网,为客户提供更高的可靠性和更好的服务。她说:“我的团队提供适当水平的自动化和分析,获取来自联网设备中的数据,为扩展和发展未来电网提供所需的通信基础设施,而且有一点需要重点强调,当前信息技术[IT]和运营技术[OT]正在融合,随着未来电网不断发展,针对关键基础设施的网络安全[包括IT和OT]是很重要的。”
当人们想到全球一流客户体验的时候,可能会联想到那些B2C的企业。Amirthalingam以此作为类比,用客户体验去影响Ameren的客户。“现在数字渠道已经成为首选的渠道,我们有超过四分之三的客户互动是通过数字渠道进行的。我们的客户战略核心,就是提供无缝的、安全的、无摩擦的数字客户体验。随着电网的不断发展,我们需要有更多围绕太阳能和风能的分布式资源加入进来,以打造新的产品和服务。而通过我们的数字渠道为客户提供更多选择,是一个关键的因素。”Ameren的目标,是到2050年前实现净零碳,而利用数字开发更智能、更可持续的电网,将对实现这一目标发挥重要的作用,Amirthalingam强调说。
Amirthalingam举例提到了她的团队在推动智能电表技术方面所做的努力。目前她的团队已经在整个美国伊利诺伊州部署了该系统,而且正在密苏里州进行部署,他们的目标为客户提供更好的能源可见性和更好的选择,与此同时,也可以为电网提供更高的可靠性。
另一个方面,是促进与客户的沟通,在他们需要的时候与之互动。请记住,有多达四分之三的客户互动是从数字化开始的,这意味着,让客服具备通过多渠道与客户展开互动的能力,同时也为他们提供关于每个客户的全方位画像,可以消除客服与客户互动过程中可能产生的摩擦。而且,双方的互动可以是电话或线上聊天的方式,让客服了解每个客户与该企业的互动情况、历史沟通记录、账单信息等等,这样让客服能够更容易地解决客户的问题。
通过这些不同的触点,Ameren高管们已经了解到客户最看重的是能源可靠性和可负担性。 Amirthalingam说:“在我们思考、想象和构建未来电网时,我们始终把这一点放在首位。这就需要借助数字化和强大的自动化,为我们的客户提供适当水平的弹性和可靠性。”
可靠性还意味着通过提供数据并应用人工智能来了解资产的健康状况和性能,同时还要考虑植被管理和电压优化等重要因素,所有这些都有助于推动客户很看重的可负担性目标。
提及联网设备的扩展,Amirthalingam指出,每增加一台设备,威胁面就会扩大。因此,网络安全仍然是一个重点领域。她指出,网络安全不仅仅是流程和技术,还必须是一种文化属性。此外,她还提到了零信任以及利用AI挖掘数据以发现可能预示着新型网络安全问题的模式,这些都是很重要的。
Amirthalingam代表了CIO和CDO角色的未来方向,在推动顶层和底层的同时改进客户体验方面,她为其他人提供了一个可以效仿的模型。
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
悉尼大学和微软研究院联合团队开发出名为Spatia的创新视频生成系统,通过维护3D点云"空间记忆"解决了AI视频生成中的长期一致性难题。该系统采用动静分离机制,将静态场景保存为持久记忆,同时生成动态内容,支持精确相机控制和交互式3D编辑,在多项基准测试中表现优异。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
马里兰大学研究团队开发ThinkARM框架,首次系统分析AI推理过程。通过将思维分解为八种模式,发现AI存在三阶段推理节律,推理型与传统AI思维模式差异显著。研究揭示探索模式与正确性关联,不同效率优化方法对思维结构影响各异。这为AI系统诊断、改进提供新工具。