中国上海,2021年11月15日——中国领先的高性能数据中心运营商和服务商万国数据控股有限公司(以下简称“万国数据”或“公司”)(纳斯达克股票代码:GDS;港交所股票代码:9698)今日宣布,已正式签署对印度尼西亚峇淡岛(Batam)农萨数码工业园(Nongsa Digital Park)绿地的收购协议。
农萨数码工业园距新加坡约25公里,被印尼政府设为经济特区,印尼总统Joko Widodo形容其为印尼连接世界各国的“数字桥梁”。公司计划在此建设两座数据中心,总净机房面积约10,000平方米,可支持28MW的IT负载量,并将使用可再生能源。此次收购是万国数据继在今年七月份于马来西亚投资建设超大规模数据中心园区后,在东南亚地区进行平台化战略布局的又一重要举措。
今年年初,新加坡政府提出“新加坡+1”战略,计划充分运用东南亚地区的资源实现与邻国的优势互补,激发该地区各国间的协作效应,协助制造业等优势行业企业快速拓展区域市场、打造多元化供应链、创造区域化新格局。万国数据是“新加坡+1”战略中第一个数据中心企业,公司选址的马来西亚柔佛州努沙再也科技园与印尼峇淡岛农萨数码工业园均是该战略的重要组成部分。
图片仅作为示意使用
万国数据董事长兼首席执行官黄伟表示:“我们很高兴在峇淡岛扎下根基,形成公司在马来西亚数据中心园区的有利补充,并再次强化了我们在东南亚的战略布局。我们期待与印尼政府密切合作,共同推动这一项目的实施。以新加坡为中心,我们在印尼峇淡岛与马来西亚柔佛州的两个数据中心园区将完全实现互联互通,构成统一的平台网络,为促进区域性数据经济和生态系统的发展提供充足动力。”
印度尼西亚经济事务协调部 (Coordinating Ministry for Economic Affairs) 部长Airlangga Hartarto表达了对公司印尼峇淡岛项目的支持:“我们认为印尼凭借良好的发展势头,未来将成为亚洲经济发展的主要力量。万国数据拥有超过20年的专业数据中心运营经验,我们非常欢迎并感谢他们在新设立的峇淡岛农萨数码工业园经济特区投资。万国数据与全球众多领先企业拥有良好、坚实的合作关系,这将进一步促进印尼数字经济技术基础设施的建设和发展。”
新加坡经济发展局 (Economic Development Board) 副总裁兼区域伙伴关系负责人Herman Loh表示:“万国数据在农萨的投资具有积极意义。数字经济企业在部署关键基础设施中寻求稳定性、弹性和冗余。万国数据不断扩大的东南亚数据中心网络将有助于满足这些企业在此区域的需求,实现长期和可持续的发展。”
随着这一协议的正式签署,万国数据再次提速在海外布局新型数据中心的脚步,同时也是对工信部《新型数据中心发展三年行动计划(2021-2023年)》提出的“数据中心产业链上下游企业‘走出去’”政策的再一次积极响应。未来,万国数据将坚定海外区域化战略布局的决心,为全球数字经济发展作出贡献。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。