500彩票app|500彩票app技巧

农夫山泉涨价！成本压力不在水，在瓶子？******

　　“大自然的搬运工”打响了2023年桶装水涨价的第一枪。

　　2月1日，农夫山泉(09633.HK)宣布提高杭州市桶装水售价。尽管农夫山泉表示暂未接到其他城市产品调价的通知，但在客服给出其他地区用户可以先购买兑换卡“以防万一”的建议下，农夫山泉难道要全面涨价的消息也就传了出来。

　　涨，还是不涨，大概是农夫山泉观望许久后作出的决定。面对成本上涨、毛利下滑的现实情况，农夫山泉最终选择将这份压力以涨价的形式来进行消化。而作为饮料行业巨头，农夫山泉率先提价后，其他企业跟不跟？成本高企之下，涨价又会是“农夫山泉们”的解药吗？

　　全国性涨价猜测

　　继上海之后，农夫山泉的桶装水在杭州地区提价。

　　2月1日，一张农夫山泉《杭州区域19升水调价通知》(以下简称《通知》)在业界流传。记者拨打农夫山泉官网电话得知，自2023年2月1日起，杭州市农夫山泉19L规格桶装水零售价由此前的20元/桶提高至22元/桶。

　　对于本次提价原因，农夫山泉表示主要是物价、原材料、人工及运费等成本不断上涨导致。这个理由似曾相识，在2021年12月28日，农夫山泉发布价格调整公告，就上海地区19L的天然水零售价格进行调整，从2022年1月1日起由26元/桶调整到28元/桶，原因也与上述一致。

　　上海、杭州桶装水相继提价，这让其他地区的消费者猜测：农夫山泉这波涨价潮会全国性蔓延吗？

　　至于此次涨价是否会扩散至其他城市，农夫山泉方面没有给出明确回应，仅表示暂未接到通知。“目前，北京地区农夫山泉桶装水售价是28元/桶，以防万一，用户可以先购买兑换卡，现在比较优惠。”对方建议。

　　在战略定位专家、九德定位咨询公司创始人徐雄俊看来，农夫山泉先在一二线城市涨价试水，之后有可能会推广到全国。多年来农夫山泉靠水做敲门砖，真正赚钱的是后端一些饮料产品，利润更高。但这几年饮料销量受到阻力，增长缓慢，所以农夫山泉回过头来对水涨价，实现企业持续的盈利。

　　广科咨询首席策略师沈萌则认为，产品涨价主要与运营成本的变动有关，一线城市的运营成本上涨幅度高于其他城市，所以对于桶装水这样一个完全竞争的市场，除非出现行业性普遍涨价，否则并不会短期内集中出现全国性普涨。

　　成本难控，毛利下滑

　　桶装水所在的包装饮用水业务占据着农夫山泉五成以上的营收。

　　2021年，农夫山泉包装饮用水产品收入为170.58亿元，占总收益57.4%。不过，从近两年财报数据来看，水生意似乎也不太好做了。

　　2022年上半年，农夫山泉包装饮用水业务的收益仅增长了4.8%，而在2021年同期，这个数字是25.6%。而包装饮用水所占营收比例也从2021年的58.8%降为2022年的56.3%。

　　数据表现背后的原因一部分来自成本压力。

　　自2021年，农夫山泉频频在财报中提及成本上涨问题。2022年中报显示，农夫山泉最主要的原材料PET为原油下游产品，而原油价格上升和波动的不确定性，给农夫山泉成本控制带来了压力。同时提到，集团毛利率由去年同期的60.9%下降1.6%至59.3%，主要是由于国际原油价格变动导致PET采购成本提高。

　　在2022年3月的一场分析师业绩会上，农夫山泉执行董事周震华直言，成本压力已经“超过企业单方面可以去消化的水平”，农夫山泉的首选是通过提升经营效率消化成本，而由于市场及成本端变动大，竞品也有调价动作，农夫山泉也在持续观望。

　　面对成本压力，水企龙头农夫山泉开年率先提价，行业内其他企业今年会加入这场涨价潮吗？而成本高企之下，涨价又是“农夫山泉们”的解药吗？

　　在徐雄俊看来，原材料价格上涨是农夫山泉成本拉高的最核心原因。近几年随着消费升级趋势和消费意识的转变，一些消费者愿意花更高的价格买更好的饮用水，一定程度上企业涨价算是顺势而为。当然，面对成本压力，产品提价是企业缓解压力比较好的办法。

　　中国食品产业分析师朱丹蓬认为，农夫山泉的这一波涨价，落实在具体运营中应该真正涨的并不多。因为中国饮用水竞争已经进入了非常内卷的周期，从水种来说，农夫山泉不具备优势；从品牌效应到规模效应，农夫山泉有优势但不是碾压式的优势。其他的水企应该也不会跟进涨价。据北京商报

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）