据周一公司新闻稿报道,由私募股权基金 Stonepeak Infrastructure Partners 支持的 Digital Edge DC 已获得 10 亿美元债务融资,用于在亚洲扩建数据中心。
虽然新闻稿未透露具体细节,但据知情人士透露,该债务由两笔规模相当的贷款组成,分别用于支持公司在印度和韩国的数据中心园区扩建。知情人士要求匿名,因为该事项属于私密信息。这两笔贷款期限在五到七年之间。
据知情人士透露,约一半资金将用于总部位于新加坡的 Digital Edge DC 在印度马哈拉施特拉邦的纳维孟买的首个项目。剩余资金将用于位于首尔郊区仁川的园区项目 SEL2。
Stonepeak 的发言人拒绝就融资细节发表评论。
Digital Edge DC 的贷款是数据中心融资热潮的最新案例,因为亚太地区的企业正在寻求满足与人工智能相关服务日益增长的需求。
数据中心开发和运营商 Yondr Group 在去年 12 月推出了一项 8.355 亿美元的五年期贷款,而由贝恩资本持股的秦淮数据集团正在与贷款方商讨一笔约 28 亿美元的潜在贷款,这将是该公司迄今最大规模的银行融资。
在最新一轮融资中,Digital Edge DC 还从现有和新投资者那里筹集了约 6.4 亿美元股权资金。公司在新闻稿中表示,大型机构投资者和主权财富基金作为新的共同投资者加入。
根据新闻稿,Digital Edge DC 成立于 2020 年,目前在印度、印度尼西亚、日本、马来西亚、菲律宾和韩国运营 21 个数据中心。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。