数字边缘公司 (Digital Edge) 已筹集超过16亿美元的新资金,以推动其下一阶段的增长。这一举措主要由亚洲地区对云计算和人工智能 (AI) 基础设施日益增长的需求所驱动。
此次融资包括约6.4亿美元的股权投资,来自现有和新投资者,其中包括主要机构投资者和主权财富基金。另外还有10亿美元的债务融资,用于园区扩建。值得注意的是,股权融资部分大幅超额认购。
数字边缘公司表示,这笔投资将使其能够扩大在关键市场的业务,包括日本、韩国、印度、马来西亚、印度尼西亚和菲律宾。目前,该公司在亚洲拥有并运营21个数据中心,已投入使用和正在建设开发的关键IT负载总计超过500兆瓦,另有300兆瓦储备用于未来发展。
公司的数据中心足迹包括: - 韩国仁川的100兆瓦园区,其中最近开放的36兆瓦SEL2设施作为支撑 - 印度纳维孟买的300兆瓦园区,首个设施计划于2025年第二季度开放 - 计划在东京市中心建设新的超大规模边缘设施,这将是该公司在日本的第九个数据中心 - 在东南亚,数字边缘公司于2024年初通过23兆瓦的Edge2设施扩大了其在雅加达的业务范围
数字边缘公司CEO萨姆·李 (Samuel Lee) 表示,这笔新融资标志着一个重要里程碑,也验证了公司平台和团队的质量。"我们为自己的成就感到自豪,并期待着交付下一阶段的AI就绪数据中心开发。我们的目标是在整个平台上提供一致的客户体验,这与许多竞争对手不同,他们只关注资产收购而不统一后端服务。"
李在此前接受《计算机周刊》采访时表示,数字边缘公司的差异化优势在于专注于建立统一平台,确保客户在其各个数据中心获得一致的体验,以及与每个市场的本地专家建立合作伙伴关系。这将帮助公司在保持卓越运营和快速部署能力的同时,应对不同地区的法规和商业实践。
根据李的说法,公司的增长战略聚焦于满足在亚洲扩张的超大规模公司的具体需求,特别是在印度尼西亚和菲律宾等新兴市场。公司还计划根据客户对低延迟和数据本地化的需求,扩展到马来西亚柔佛以及泰国和越南等市场。
为了应对云计算和AI工作负载对可持续性的影响,数字边缘公司正投资于高密度电力和创新冷却解决方案,如诺泰克 (Nortek) 的液冷技术。这使得公司在菲律宾数据中心实现了低于1.2的能源使用效率 (PUE)。公司计划到2030年实现完全碳中和,到2025年50%的电力将来自绿色或可再生能源。
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。