中国香港,2024年4月2日 – 今日,万国数据与基汇资本(Gaw Capital)宣布达成合作,双方将在日本东京共同投资建设一个总IT容量40MW的数据中心园区。本次签约标志着万国数据继布局东南亚后,进一步将国际业务版图拓展至东北亚地区,成功进入日本市场,充分满足当地对数字基础设施日益增长的需求。
万国数据董事长兼首席执行官黄伟(左)
基汇资本总裁及执行合伙人吴继泰(右)
根据协议,双方计划在基汇资本收购的府中智能园区(Fuchu Intelligent Park)内两处相邻地块,开发一个运营商中立的数据中心园区,该地块距离东京市中心不到30公里,可满足当地对安全可扩展、先进高性能数字基础设施的巨大需求。园区总占地面积10,969平方米,IT容量预计达40MW,计划于2026年底投运,建成后将成为府中市最大的数据中心集群,目前万国数据已获得部分客户初步的意向订单。
万国数据董事长兼首席执行官黄伟表示:“日本是亚太地区三大核心数据中心市场之一,市场规模位列全球前十。此次与基汇资本达成合作成功进入日本市场,标志着我们的国际业务已完整覆盖亚太地区除中国大陆以外最重要的三个市场:中国香港地区、以SIJORI(Singapore-Johor-Riau Islands)为核心的东南亚地区及日本市场,这对于我们的全球化发展具有重要意义。伴随AI需求未来的快速增长,我们相信万国数据的国际业务将会迅速成长。”
日本是目前世界上最大的一线数据中心市场之一,正在开发的总IT负载超过3,000MW*。东京首都圈作为日本最大的数据中心枢纽,以其广泛的国内和国际连接性及覆盖度而闻名,是万国数据进入日本市场的理想落脚点。
基汇资本总裁及执行合伙人吴继泰(Kenneth Gaw)表示:“今天将成为府中迈向数字化未来的重要时刻。此次合作,将基汇资本的全球房地产经验与万国数据在高性能数据中心安全运营方面的专业能力相结合,共同为客户提供前沿的数据解决方案,充分满足该地区各类型企业当前及未来的需求。”
基汇资本是一家关注亚太地区及全球其他高进入门槛市场的私募基金管理公司,与万国数据的成功合作表明了双方在推动日本数字基础设施产业升级方面拥有共同的愿景。
*数据来源:Structure Research DCI Report Japan+ Osaka, 2023
关于基汇资本
基汇资本是一家具有独特定位的私募基金管理公司,专注于亚太区房地产市场及全球其他高进入门槛市场的投资。
专长于透过重新设计及重新定位,为未能充分发挥商机之房地产项目带入战略增值。基汇资本透过其集团内部商业、酒店、住宅开发、物流、互联网数据中心(IDC)及教育六个营运平台,整合成完整的资产管理团队。投资范围横跨住宅开发、写字楼、商场、服务型公寓、酒店、物流仓储及互联网数据中心(IDC)等不同的房地产类别。
基汇资本自2005年成立以来已募集七支以亚太区为目标的综合型房地产私募基金,同时还在美国管理增值型/机会型基金、一支亚太酒店基金、一支欧洲酒店基金,一支成长型股权基金,并在全球提供信贷投资及独立帐户直接投资服务。
2005年以来截至2023年第三季度,基汇资本募集股本已达223亿美元,旗下管理资产金额超过337亿美元。
关于万国数据控股有限公司
万国数据控股有限公司(纳斯达克:GDS;香港联交所:9698)是中国及东南亚高性能数据中心的领先开发商及运营商。本公司的设施位于主要经济中心的战略位置,这些地区对高性能数据中心服务的需求相当集中。本公司亦于其客户选择的其他位置建立、运营及转让数据中心,以满足彼等更广泛的要求。本公司数据中心拥有较大的净机房面积、高电力容量、密度和效率,以及在所布关键系统上有多重冗余。万国数据中立于运营商和云服务提供商,这使万国数据的客户能够访问主要的电信网络,以及使用托管于万国数据众多设施的中国及全球最大公共云服务。本公司提供托管和一系列增值服务,包括透过领先公共云的直接私有链接进行的托管混合云服务、管理式网络服务以及在需要时转售公共云服务。本公司拥有23年的服务交付往绩,成功地满足了一些中国最大、最高要求的客户对数据中心外包服务的要求。本公司客户群主要包括超大型的云服务提供商、大型互联网公司、金融机构、电信运营商、IT 服务提供商,以及国内大型私营企业和跨国公司。
好文章,需要你的鼓励
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。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。