快览要点：

  • 南卡罗来纳州公共电力与水务公用事业公司桑蒂库珀（Santee Cooper）于周四宣布，正与谷歌（Google）合作，借助人工智能工具推进财务规划与负荷预测的现代化改造。
  • 谷歌WeatherNext 2模型旨在提供更精准的中期天气预报，桑蒂库珀首席财务官塔米·威尔逊（Tami Wilson）在周三的新闻电话会议上表示，该模型预计将改善公司的负荷预测能力。她同时指出，公司还在利用谷歌的Gemini企业代理平台（Gemini Enterprise Agent Platform）加速财务预测流程。
  • 威尔逊称，公司正经历一场“重大数字化转型”，旨在“摆脱传统、笨重且繁琐的流程”，并希望在“自动化常规操作”的同时，不削弱问责机制与风险管理——这两项职责仍将保留给人工运营人员。

深度解析：

威尔逊表示，公司计划对生成式AI与代理式AI采取差异化应用策略。生成式AI将用于执行“低成本的初步草拟”，而代理式AI则用于“自主执行多步骤流程”。

关于新工具的成本以及具体将自动化哪些流程，桑蒂库珀未立即回应后续提问。

在电话会议上，谷歌云全球电力和能源行业总监雷福德·史密斯（Raiford Smith）表示，Gemini Enterprise的设计目标“正是作为现代公用事业公司的智能运营层，提供至少三种专为复杂基础设施打造的不同能力”。

据谷歌新闻稿介绍，WeatherNext 2是一种天气建模技术，可在长达15天的预测周期内提供概率性预报。

威尔逊指出，桑蒂库珀此前依赖传统气象模型来预测电力负荷，而WeatherNext 2有望“大幅提升”公司的预测能力，帮助其“每年节省数百万美元”。

她提到，谷歌正协助公司构建定制化预测模型，该模型将“充分考虑我们服务区域内独特的天气因素”，例如马里恩湖（Lake Marion）和穆尔特里湖（Lake Moultrie）——这两座人工湖面积巨大，足以形成各自的局地小气候。

“预报中1度的偏差，可瞬间导致我们的电力负荷波动约100兆瓦/小时，这相当于数万户家庭的用电量。”威尔逊说，“因此，如果在冬季严寒日或酷热午后出现预测偏差，我们可能需要以每小时高达10万美元的成本去采购应急电力。”

史密斯在电话中表示，WeatherNext 2与传统气象模型的区别在于：前者基于推理（inference-based），后者基于物理（physics-based）。

他指出，基于物理的预报在24至48小时内表现“相当不错”，但此后由于计算复杂度急剧上升，“预报精度会显著衰减”，从而影响中期预报的可靠性。

谷歌在新闻稿中称，桑蒂库珀还在利用谷歌AI工具“实现快速的情景化财务规划，直接服务于重大项目测算，其中包括桑蒂库珀100亿美元的电网扩建预算”。

此外，威尔逊表示，公司正尝试在组织内部署“数百个Gemini Enterprise许可证”，以推动工作流程的现代化。

威尔逊称，公司在推广AI工具过程中十分谨慎，确保参与员工接受适当培训，以正确处理机密和受限数据。