1分快3赔率-1分快3官方

丰田换帅凸显“大象”转身之困******

　　时隔逾13年，全球最大车企掌门人变更。1月26日，日本丰田汽车公司召开董事会，宣布丰田章男将卸任丰田汽车社长，转任丰田汽车公司会长，社长职位由丰田汽车公司旗下豪华品牌雷克萨斯负责人佐藤恒治接任。该项任命将于今年4月1日正式生效。

　　日本企业的“会长”职位要高于社长，但舆论普遍认为，社长才是企业经营的真正决策者。这意味着，丰田章男将退居“二线”，同时这家全球汽车巨头也将重新开启由丰田家族和外姓人士轮流担任社长的新时代。

　　作为丰田汽车创始人丰田喜一郎之孙，丰田章男于2009年6月临危受命。上任之初，适逢国际金融危机导致公司财务严重赤字，尔后又经历了全球大规模产品召回、日本大地震、芯片短缺、新冠肺炎疫情等多重考验。对此，丰田章男不断推进内部重组改革，并全力打造TNGA(丰田新全球架构)，提升产品力。目前包含大发和日野在内的集团年销量突破千万辆，超过大众汽车集团，已连续3年成为全球最大汽车制造商。

　　在带领丰田全球销量夺冠的同时，丰田章男误判了全球汽车产业变革趋势。基于对混动技术和燃料电池技术优势与自信，丰田意图跨越纯电阶段，从混动直接跃升至氢燃料。与丰田不同的是，中国在新能源汽车技术转型战略中，选择了以纯电动作为新能源汽车产业化的突破口，改变了全球汽车产业格局。

　　得益于良好的顶层设计、不断完善的支持政策体系和企业的集体拼搏奋进，以及超大规模市场优势，中国新能源汽车产销规模不仅连续8年稳居全球第一，而且成为引领欧美汽车企业加快向电动化转型的重要力量。

　　问题在于，面对全球汽车产业电动化浪潮，丰田章男并不认同电动汽车的发展路线，也曾多次在公开场合“炮轰电动车”，并表示“电动车既不环保也不省钱”“电动车越多，二氧化碳越严重”。

　　掌门人的态度必然会影响丰田在电动化上推进的决心与速度。面对电动化浪潮澎湃，虽然丰田在3年前也曾推出电动化战略以及e-TNGA平台，丰田章男更是一口气携15款全新电动车亮相发布会，但时至今日丰田的纯电车型在市场上并没找到存在感。公开数据显示，去年特斯拉全球电动汽车销量超过130万辆，比亚迪纯电动汽车销量超过90万辆；丰田的纯电动汽车销量则不及前两者零头，而其试图重新定义纯电动产品的bZ4X，被网友讥讽为“验证码”车型，在市场上根本没有存在感。

　　“我是老一代，也感受到了作为‘造车人’的局限性，我认为有必要在新的时代隐退。我相信，在过去的13年里，我已经为传递接力棒打下了坚实的基础，新的管理团队肩负着将丰田转变为移动出行公司的使命。”很难想象，在线上发布会上如此讲话，是丰田章男对自己的真实评价。不过，这也从另一个维度凸显了当下“大象”转身之困。

　　“大象”转身之困，既在于企业对过去思维定势和旧有路径的依赖，也在于庞大组织结构和复杂低效流程的拖累。其实，面临赛道切换时，“既要又要”两个目标同时存在，常常使得越是成功的车企，越会显得左右为难。此前，大众汽车集团首席执行官赫伯特·迪斯也刚刚卸任。与丰田章男在电动化上的“保守”相比，迪斯虽然更加激进，但也在集团内部饱受争议。而软件开发项目进度严重滞后和预算超支，最终成为其不得不下课的导火索。

　　船大难调头。面对全球汽车产业百年未有之大变局，当前传统车企都在摸索中前行，而企业掌舵者的眼光、态度和决策无疑将深刻影响企业未来。换帅后的丰田和大众，能否在汽车变革新时代突破转型之困，守住领头羊位置，显然还需要时间来检验。 (杨忠阳 来源：经济日报）

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）