图为景文高速航拍图。(受访者供图)
浙江是制造业大省。今年浙江启动实施先进制造业集群培育工程,以高端化、智能化、绿色化、国际化为主攻方向,着力打造全球先进制造业基地。
位于浙江宁波的领克汽车余姚工厂,车间内正开足马力生产,一辆辆新车从高度自动化的产线开出,其中相当一部分出口海外。“目前领克的欧洲战略正在稳步推进,已经在欧洲7国开出了线下门店。未来吉利将进一步借助宁波工厂拓展全球市场。”吉利汽车集团首席政府事务官李伟平说。
2022年1月至11月,浙江新能源汽车产销分别为53.46万辆和50.46万辆,产量同比增长210.2%、销量同比增长192.2%。
暖起来,“购物车”引动经济循环
夜幕降临,杭州一家餐饮店薛三爷铁锅肥肠店内已经满座,顾客们拿着取餐号等候吃饭。“最近生意恢复到了八成,平均一天接待70桌左右。”该店总经理薛猛感到“烟火气又回来了”。
随着生产生活秩序逐步恢复,消费在加速回暖。在杭州清河坊南宋御街的宋韵主题市集前,投壶、画扇等多种沉浸式体验,吸引不少年轻人驻足,成为国潮消费新场景。
在浙江省安吉县山川乡云上草原滑雪场,雪道上不少人疾驰而过。滑雪场负责人惠峰林介绍,元旦假期日接待游客约3400人,“近期我们推出沉浸式古风冰雪展,效果很好。大家对冰雪项目的热情也被点燃了。”
1月2日,滑雪爱好者在云上草原滑雪场滑雪。新华社记者 黄宗治摄
浙江推出多项促消费举措,也为这股久违的“消费热潮”按下快进键。
浙江省商务厅商贸运行处处长肖文表示,新一年将以“浙里来消费”为主线,贯穿全年举办多项主题促消费活动;以数字化改革为牵引,推动平台企业以数据赋能生产服务企业,加快供需衔接,丰富市场供给;以群众需求为导向,创新消费场景,深入推进高品质步行街改造提升,发掘和培育夜间经济消费地标,推介发布休闲旅游精品线路,持续提升消费体验。
“购物车”引动双循环,消费链连着产品端。1月9日,阿里国际站发布1月跨境指数显示,当前,美国地区各类服装需求明显回升,我国对美出口柔性定制类服装机会显著。在欧洲,家装翻新成为热潮,具备海外工程能力的中国建材商将迎来更多商机。
忙起来,“不动摇”坚定加速跑
新的一年、新的任务,浙江正按照中央的部署,努力将“干部敢为、地方敢闯、企业敢干、群众敢首创”落到实处。
1月3日,新年工作第一天,浙江省开展了“大走访大调研大服务大解题”活动。座谈会上,宁波江丰电子材料股份有限公司董事长兼首席技术官姚力军反映了在原材料供应、扩大产能等方面的诉求,随后省市部门逐一给予回复,并表示会把企业反映的问题办实办好。
“政府的关心和帮助给我们吃了定心丸,干劲儿更大了!”姚力军说。
切实落实“两个毫不动摇”、把恢复和扩大消费摆在优先位置……贯彻落实中央经济工作会议要求,浙江进一步明确政策、稳定预期,让民营企业家的信心更足。
2023年,浙江将突出建设全球先进制造业基地、“415X”产业集群、三大科创高地等,谋划一批重大产业项目、重大基础设施项目、重大民生项目。
各地锚定既定目标,千帆竞发谋发展。杭州全面实施数字经济“1248”计划,推进国家数字经济创新发展试验区建设;温州“新年第一会”发布人才政策40条,并提出聚焦科技创新“八大抓手”,重塑温州市域创新体系;宁波提出将在提升绿色石化、磁性材料等国家级先进制造业集群,加快汽车、新材料、高端装备、纺织服装等优势产业蝶变升级的基础上,全力打造新能源汽车之城。
“政府推出了机票补助等一系列政策,让我们感觉非常暖心。今年我们将组织员工奔赴全球多个国家,为企业带回更多订单。”绍兴上虞鸿达塑业有限公司相关负责人充满信心地说。
提速近10倍!基于深度学习的全基因组选择新方法来了******
近日,中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用,将助力深度学习在全基因组选择中的应用,为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物(Molecular Plant)》上。
全基因组选择作为新一代育种技术,通过构建预测模型,根据基因组估计育种值进行早期个体的预测和选择,从而缩短育种世代间隔,加快育种进程,节约成本,推动现代育种向精准化和高效化方向发展。
统计模型作为全基因组选择的核心,极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型,难以捕捉基因型和表型间的复杂关系。
相较于传统模型,非线性模型(如深度网络神经)具备分析复杂非加性效应的能力,人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机,深度学习算法的优化将会提高全基因组选择的预测能力。
该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料,通过创新深度学习算法框架开发了全基因组选择新方法。
与其他五种主流预测方法相比,该方法有以下优点: 可以利用多组学数据开展全基因组预测;算法设计中包含批归一化层、回调函数和校正线性激活函数等结构,可以有效降低模型错误率,提高运行速度;预测精度稳健,在小型数据集上的表现与目前主流预测模型相当,在大规模数据集上预测优势更加明显;计算时间与传统方法相近,比已有深度学习方法提速近10倍;超参数调整对用户更加友好。
该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。
学术支持
中国农业科学院作物科学研究所
记者
宋雅娟
(文图:赵筱尘 巫邓炎)