盈彩网漏洞 - 盈彩网技巧

雪具装备国产化的风口已来临？******

　　欣苒第一次接触滑雪是在2015年，“那是北京成功申办冬奥会的第一个雪季，和朋友到北京南山滑雪场开启了滑雪‘初体验’。我们在羽绒服上贴了暖宝宝，雪鞋和雪板也是租的。”这个雪季，欣苒在崇礼万龙滑雪场完成了“开板”仪式，此时她已装备齐全，雪服亮眼。欣苒表示，自己大部分装备都是国产品牌。滑雪装备主要覆盖了滑雪服、雪板、固定器、雪鞋、头盔、雪镜、手套等，全套下来价格在几千元到几万元不等。“我第一套滑雪服是国外品牌，仅衣服和裤子就花费近万元。现在国内专门做滑雪装备的品牌逐渐多了起来，雪服的价格自然是亲民又划算，每个雪季前都会去磁器口挑选新雪季的‘皮肤’。”

　　进口滑雪装备五千元起，国产品牌配齐只需两千元

　　1月10日，新京报贝壳财经记者来到北京磁器口“雪具大厅”，三层楼高的建筑中，雪具店几乎充斥着每个角落。虽是工作日，但前来采购的滑雪爱好者同样络绎不绝。在二层的冷山雪具店中，李宁滑雪服占据着店铺货架的显眼位置。“这几款雪服到货量不多，刚上架就卖出去好几套，现在码已经不全了。”店员介绍道。

　　一对情侣从多款滑雪手套中挑选了一副国货，他们告诉新京报贝壳财经记者，“舒适度挺不错，还带护腕，这款一百块左右，而国外品牌则要贵三四倍。”正在选购护具的李女士则表示，现在越来越多的雪友倾向选择国产品牌配件，“性价比高太多了。”在冷山雪具店不远的雪上飞雪具店，将三款国产单板摆在店铺的橱窗内，每款单价在1000元左右。据店主介绍，之前店铺以零售欧美品牌为主，受到冬奥冰雪热的影响，公司也开始生产自己品牌的单板，瞄准滑雪入门级爱好者。“配齐一套进口的单板、固定器和单板鞋大约5000元起，而一套国产品牌配齐只需2000多元。”

　　虽然在滑雪服、滑雪配件方面，国产品牌崭露头角，但在硬核装备的选择上，伯顿(Burton)、Capita等国际品牌则更受欢迎。一位资深滑雪爱好者认为，目前国产滑雪装备更多以性价比占领一定市场，但是像雪板、头盔等装备，欧美品牌在设计、安全性及知名度等方面可能会更有优势，“不过对于大多数初级玩家来说，其实也体验不出太大差别。”

　　全球超90%滑雪装备需求，由中国供应链支撑

　　然而，支撑起整个国际装备市场的却是中国供应链。公开资料显示，中国贴牌代工支撑了全球超过90%的滑雪装备需求。以伯顿雪板为例，这个创始于1977年的美国品牌在滑雪界知名度颇高，目前天猫上一块雪板售价在3000至6000元不等。该品牌曾在公开采访中表示，到2018年，其大部分雪板都是中国制造的，只有部分高端产品线由奥地利生产。伯顿在中国的代工厂也逐渐增多，据官网资料显示，该品牌的雪鞋生产工厂设在湖南郴州，部分雪板工厂位于江苏昆山，而连接雪鞋与雪板的固定器工厂则设在广东深圳。另有媒体报道，山东嘉祥是全国最大的滑雪手套生产基地，年产手套600多万打，年销售额15亿元，拥有上千种手套产品的生产加工能力及60余项专利产品。中国市场的滑雪手套六成以上来自这里，其出口量也占行业出口总量的76.38%。

　　当曾经的小众冰雪运动开始转变成为大众消费后，雪具装备国产化的风口也逐渐来临。据CBNData联合天猫体育发布的《2020冬季新活力生活趋势报告》显示，去年12月里，滑雪装备的销量同比上涨了13倍，南恩、Nobaday等国产新锐品牌，集体进入“十大Z时代喜爱冰雪品牌榜单”。资本市场也同样向着这条赛道靠拢。2020年4月，高瓴资本与伯顿成立合资公司；2014年成立的奥雪文化，以自媒体起家推出“零夏”和“Nobaday”两大滑雪品牌后，于2021年先后完成了两笔融资；2021年2月4日，滑雪垂直领域互联网服务商去滑雪(GOSKI)宣布获得2000万元人民币的A+轮融资，去滑雪的负责人表示公司将把关注点放在原创滑雪装备上。

　　智研咨询发布的《2021-2027年中国滑雪装备行业市场发展模式及战略咨询研究报告》数据显示，2014年，我国的滑雪装备行业市场规模为32.2亿元，到2020年这一规模已拓展至126.9亿元，年复合增长率超25%。不过，未来中国滑雪品牌能否在行业中站稳“脚跟”，仍需品牌的努力及市场的检验。

　　新京报贝壳财经记者 于梦儿

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）