万国数据服务有限公司(以下简称“万国数据”或“公司”)(纳斯达克股票代码:GDS)今日公布截至2020年6月30日第二季度未经审计的财务业绩。
2020年第二季度财务业绩
净收入13.422亿元人民币(1.900亿美元),同比增长36.2%;
服务收入13.345亿元人民币(1.889亿美元),同比增长35.5%;
(调整后)息税折旧摊销前利润(EBITDA)增长至6.334亿元人民币(8,970万美元),同比增长47.8%。
2020年第二季度业务亮点
运营中的数据中心总机房面积近270,000平方米,包括42座自建数据中心,同比增长47.6%;
在建中的17座数据中心,总机房面积超过130,000平方米,同比增长70.0%;
数据中心总签约面积超过330,000平方米,同比增长51.0%。
数据中心资源加速扩充 云网融合服务获市场认可
截至2020年第二季度,万国数据在全国已拥有近60座自建数据中心。本季度,在建数据中心增至17座,新增(非收购)数据中心签约面积达26,544平方米,均创历史新高。此外,昆山二号、廊坊六号、廊坊七号数据中心新投入运营,同时伴随北京十号、北京十一号和北京十二号完成收购,这三座数据中心也随即投入运营。
目前,万国数据服务超670家客户,在保持超大规模客户与日俱增的同时进一步拓展战略新客户,并在本季度赢得两家国内知名互联网企业的超大规模订单。
在2020年7月底IDC最新发布的《2019年中国第三方云管理服务市场份额报告》中,中国第三方云管理服务市场规模达到 5.6 亿美元,同比增长 82.6%。万国数据作为唯一一家数据中心服务商跻身十强。依托其独特的云网融合解决方案,同时利用全国数据中心网络,万国数据已形成承载国内外主流公有云服务提供商的“云之家”,这也为公司持续赢得企业级客户与市场的青睐。
强化三大区域布局 集群效应支撑经济一体化发展
在资源储备方面,万国数据进一步推进全国区域化资源布局,有效支撑长三角、京津冀以及大湾区的各区经济一体化建设。
在长三角地区,万国数据于本季度启动了位于上海闵行区浦江镇的大型数据中心园区内一期项目,及常熟一号数据中心的建设,机房面积分别为9,188平方米和11,088平方米。目前,常熟一号数据中心已被一家超大规模客户预签约,预签约率达54.7%。
在京津冀地区,万国数据以创新的方式与中信产业基金成功合作,收购了位于首都副中心北京市通州区的一个数据中心项目,命名为北京十三号,规划总机房面积为21,000平方米。2019年至今,万国数据已在廊坊部署了八座数据中心,并于本季度推进廊坊五号、廊坊八号数据中心的建设,由此更好地承接首都外溢需求,促进京津冀协同发展。
在粤港澳大湾区,万国数据在广州、深圳、香港已部署12座数据中心,其中包括位于香港的一座在建中的超大规模数据中心,将于2022年投入运营。未来,万国数据将进一步规划在该区域的数据中心资源,充分满足该区域客户的高标准需求。
屡获金融机构青睐 充足资金保障业务发展
本季度,万国数据凭借其行业综合领先优势,受到众多资本的青睐,为业务发展提供了更稳定的资金保障。
今年6月,高瓴资本和STT GDC通过定向增发的方式对万国数据进行共计5.05亿美元的股权投资。此外,公司还在本季度先后获得中信银行总行100亿元战略客户意向授信、上海农商银行未来5年内提供的50亿元授信额度,以及中国工商银行60亿元意向授信。这些资金将用于未来公司的数据中心建设和收购,进一步完善在全国核心经济区域的布局
万国数据董事长兼首席执行官黄伟表示:“2020年第二季度,万国数据再次获得优异的成绩,在多个业务领域取得突破。本季度新增数据中心签约面积超过46,000平方米,其中非收购数据中心签约面积近27,000平方米,创历史新高。同时,我们成功地赢得了两个超大规模战略客户,均为国内知名头部互联网企业,客户群体进一步多元化。我们延续了布局核心城市及其周边地区的策略,在常熟(上海)地区的新数据中心园区获得了一笔超大规模订单。此外,与中信产业基金在北京通州区的创新合作,为公司未来更灵活地获取资源提供更多可能。未来,我们有信心把握‘新基建’带来的更多机遇,始终以客户需求为中心,继续以稳健、安全、可靠的完备解决方案与数据中心服务,挖掘数字时代的更大发展潜力。”
万国数据首席财务官Dan Newman 表示:“万国数据在2020年第二季度继续保持业绩的强劲增长,营收和调整后EBITDA分别同比增长36.2%和47.8%,调整后EBITDA利润率以47.2%创下历史新高。同时,我们在六月获得新的长期股东高瓴资本及现有长期股东STT GDC共计5.05亿美元的股权投资,并取得包括中信银行总行100亿元意向授信在内的多家银行支持。这将进一步完善公司充足的资金保障,为未来的业务发展提供有力支撑。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。