盈彩网投资平台骗局 - 盈彩网投资平台客户端

特斯拉降价，小鹏跟了******

　　特斯拉自砍“一刀”挑起价格战后，外界将目光对准“蔚小理”。理想明确“不跟”，蔚来按兵不动，此前被销量逼到墙角的小鹏“跟了”。1月17日，小鹏汽车启动新年新价格体系，下调旗下G3i、P5和P7三款车型售价，最大降幅达3.6万元。由于“国补”退出、原材料价格上涨，今年初不少车企选择涨价。尽管特斯拉大幅降价，但多数车企选择观望。业内人士认为，硬刚特斯拉的同时，小鹏汽车正处架构调整期，此前低迷的销量也刚站回万辆线以上，此时需要一张降价牌稳定销量表现。

　　特斯拉的降价牌局，理想汽车扣牌“不跟”，小鹏加码跟进。

　　小鹏汽车发布公告称，1月17日14：00起，启动G3i、P5、P7的新年新价格体系。具体来看，小鹏G3i售价调整为14.89万-17.69万元，P5售价调整为15.69万-20.29万元，P7售价调整为20.99万-24.99万元。北京商报记者对比调整前后的价格发现，小鹏G3i、P5、P7三款车的售价整体降幅为2万-3.6万元。

　　据了解，特斯拉降价后，小鹏汽车成为继AITO问界第二家跟降的车企。首创证券研报称，特斯拉Model 3降价后价格区间为23万-33万元，预计将与原本处于该价位的比亚迪海豹、零跑C01和小鹏P7等车型直接竞争；Model Y降价后价格区间为26万-36万元，预计将加剧与蔚来ET5、极氪001、比亚迪唐EV、问界M5等车型的竞争。

　　事实上，特斯拉降价对市场的刺激效果立竿见影。有消息称，特斯拉降价3天内便收获3万张订单。“特斯拉降价后订单暴增，对部分车企同价位车型造成一定压力。”中国汽车流通协会专家委员会成员颜景辉表示，部分车企为保住市场份额会选择跟进。面对特斯拉掀起的价格战，本次小鹏汽车降价前，AITO问界已率先官降。其中，问界M5 EV售价下调2.88万-3万元，起售价为25.98万元，问界M7下调3万元，起售价降至28.98万元。

　　值得关注的是，特斯拉官降后曾引发老车主不满，因此AITO问界和小鹏汽车调价时均对老车主进行回馈。“调价公告发布前一年内订购G3i、P5、P7的首任车主，我们将同步予以新春回馈。”小鹏汽车相关人士表示。北京商报记者了解到，新春回馈包括整车质保延长至10年/20万公里(首任车主置换本品新车时，可再次享受同等质保)以及赠送四年基础保养。然而，该回馈依然引发热议。一部分网友认为：“相比特斯拉，小鹏汽车还是记得之前买车的用户，至少还有一点点补偿。”但另一部分网友却不买账：“这点补偿根本没有诚意，之前就已经购买终身质保的怎么办？不如送点积分或者免费充电。”

　　事实上，此次小鹏汽车选择硬刚特斯拉，外界认为与其近期的销量下滑不无关系。

　　去年，小鹏汽车过得并不如意，不仅经历最低月销不足6000辆的低谷，造车新势力销冠位置也易主哪吒汽车。此外，小鹏汽车推出的第四款车型——G9，发布后遭遇车型配置混乱、售价不合理等风波，随后小鹏汽车对其进行产品配置组合重构，调整之后叠加增加各类权益。

　　遭遇销量“滑铁卢”，小鹏汽车开启调整模式。此前，有消息称，小鹏汽车董事长兼CEO何小鹏曾连续多天主持公司管理层会议，并宣布全面组织架构调整。同时，何小鹏公开表示：“我本人将更多聚焦于小鹏汽车的战略、产品规划和研发，推动组织的变革和升级，并大幅减少个人在生态企业的直接参与度。小鹏汽车联合创始人、总裁夏珩也将辞去董事会的执行董事职务，工作精力更加聚焦于产品。”

　　不仅如此，小鹏汽车近日接连传出高管加盟——前长城汽车总裁王凤英、前吉利系高管易寒或将加入小鹏汽车。小鹏汽车方面表示，自去年下半年启动全面组织调整，目前已初见成效。

　　值得一提的是，经历去年10月和11月两个交付低迷期，去年12月小鹏汽车的交付量初见起色，重新回到1万辆以上的水平。“面对产品问题、交付量下滑，小鹏汽车正试图重新对企业全面梳理，包括引入传统车企有经验的管理人士等，就是为了解决眼下的难题。”业内人士认为，一方面向内动刀，另一方面稳定市场销量，虽然蔚来汽车和理想汽车均未调价，但对小鹏汽车来说，此时打出降价牌就是为保住市场份额，平稳度过调整期。

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）