中国上海,2022年4月25日 – 近日,万国数据位于马来西亚柔佛州努沙再也科技园的超大规模数据中心园区举办了盛大的动工仪式。万国数据董事长兼首席执行官黄伟、首席财务官Dan Newman、首席运营官邱仪珠出席活动。马来西亚柔佛州州长 YAB Datuk Onn Hafiz Bin Ghazi、柔佛州投资贸易与消费委员会主席 YB Lee Ting Han、马来西亚驻新加坡高级专员 H.E. Dato DR Azfar Bin Mohamad Mustafar、马来西亚柔佛州新山市官员 YB Dato' Hj Abdul Rahman Bin Salleh、马来西亚数字经济发展局(MDEC)首席执行官 YB Mahadhir Aziz、马来西亚投资发展局(MIDA)投资发展部副首席执行官 Lim Bee Vian等当地官员和合作伙伴共同见证。

万国数据董事长兼首席执行官黄伟(右)
马来西亚柔佛州州长YAB Datuk Onn Hafiz Bin Ghazi(中)
柔佛州投资贸易与消费委员会主席YB Lee Ting Han(左)
万国数据董事长兼首席执行官黄伟表示:“我们非常荣幸与马来西亚联邦政府、柔佛州政府、马来西亚数字经济发展局、马来西亚投资发展局等领导共同见证今天的动工仪式,也十分感谢相关部门在项目中提供的大力支持。马来西亚柔佛州数据中心园区是公司在东南亚落地的首个项目,也是公司数据中心平台在东南亚地区的延伸,未来我们将继续加快推进海外项目的进程。作为‘新加坡+1’战略的一部分,公司在马来西亚的数据中心将会满足当地、东南亚及全球更多企业的多样化需求,提供世界一流的数据中心服务,助推全球数字经济发展。”

万国数据董事长兼首席执行官黄伟现场致辞
万国数据马来西亚柔佛州超大规模数据中心园区是公司在东南亚启动建设的首个项目,将全面应用公司新一代Smart DC解决方案,实现预制敏捷交付、绿色智能运营,同时还将积极引入当地可再生能源。建成后,园区总净机房面积约18,000平方米,总IT容量将达54兆瓦,其中一期工程(约18兆瓦IT容量)预计于2024年完工。

万国数据位于马来西亚柔佛州努沙再也科技园的数据中心园区(效果图)
作为马来西亚数字化转型的重要组成部分,万国数据柔佛州数据中心将积极支持当地的数字化战略,并辐射整个东南亚地区,为区域生态构建和协同发展提供重要支撑,推动全球新“数字高地”的建设。

万国数据位于马来西亚柔佛州努沙再也科技园的数据中心园区启动建设
马来西亚柔佛州州长 YAB Datuk Onn Hafiz Bin Ghazi表示:“我们非常欢迎万国数据在柔佛州建设超大规模数据中心,这一选择非常适时,也再次证明了柔佛州在吸引国内外顶尖投资方面的实力。希望这座数据中心会成为柔佛州迈向未来发展的最新里程碑。”
马来西亚数字经济发展局首席执行官 YB Mahadhir Aziz谈到:“万国数据此次在柔佛州投资建设数据中心,极其契合马来西亚数字倡议的方向,对马来西亚数字经济的发展具有重大意义。此外,万国数据带来的世界级基础设施建设和运营专业能力,也将进一步巩固马来西亚作为东盟数字中心的地位。”

如今,东南亚地区数字经济快速发展,吸引着全球大量优秀企业的关注与投资。随着万国数据此次马来西亚柔佛州数据中心的正式动工、在印度尼西亚巴淡岛即将开建数据中心园区,以及与当地领先的CDN提供商Conversant、马来西亚电信成功合作,公司已初步形成在东南亚地区提供从IT基础设施到网络通路完整解决方案的能力,并快速建立起以新加坡为中心互联互通的数据中心集群,为当地及全球数字经济发展打造坚实底座。

好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。