点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
丰田中国董长征谈“造车新势力”竞争：以开放姿态相互学习******
【跨国企业在中国】
编者按：
走进在华跨国企业，听外企老总谈“中国式现代化机遇”、释“经济全球化之道”。
中新网12月15日电题：丰田中国董长征谈“造车新势力”竞争：以开放姿态相互学习
中新财经 葛成
“目前汽车行业正在经历百年一遇的大变革，电动化、智能化也在迅猛发展。我们将以更加开放的姿态，相互学习，力求能为消费者提供更多的选择。”丰田汽车(中国)投资有限公司高级执行副总经理董长征在接受中新财经专访时说。
董长征表示，中国拥有全球竞争最激烈、发展最快速的汽车市场。未来，丰田会在电动化、智能化方面继续发力，与合作伙伴一起，为消费者提供满意的产品。
丰田实现了与中国市场的共同成长
作为日本最大的汽车公司，丰田创立于1933年，早期以制造纺织机械为主，随后快速增加制造汽车业务。
在公司创立的三十多年后，丰田首次进入中国市场。据董长征介绍，丰田在中国的事业活动可追溯至1964年对华出口首批轿车，以及2000年在中国首次生产挂有丰田标志的汽车。
在中国开放的过程中，丰田在华发展进入快车道。2003年，丰田与一汽成立合资公司，并于2004年与广汽成立合资公司。经过近20年的发展，两家公司都在中国市场取得了出众的业绩。
董长征说，借助合作，丰田实现了与中国市场的共同成长。2021年，丰田在华新车销量总计194.4万辆，在全球占比约18%。2022年，丰田在世界500强中排名第13，在全球汽车制造商中位居第2。
面对造车新势力竞争，以更加开放姿态相互学习
目前，汽车行业正在经历百年一遇的大变革。在电动化、智能化的浪潮下，汽车不再以传统的工业产品的形态出现，逐渐融入了互联网、科技等新元素。
董长征表示，丰田也在进一步深化与中国合作伙伴的联合研发和创新合作。2015年，丰田首次在日本以外地区——中国开始HEV的现地研发；2019年，丰田开始联合中国合作伙伴一起成立了研发公司及销售公司，加快氢燃料电池技术在中国的商业化普及和发展。
董长征称，面对造车新势力的迅速发展，丰田将以更加开放的姿态，相互学习，力求能为消费者提供更多的选择。
“比如在电池方面，我们与宁德时代、比亚迪合作，共同开发更具吸引力的电动车产品，推进电动车的普及；在自动驾驶方面，我们加入了百度‘阿波罗计划’，同小马智行、Momenta合作，发挥各自优势，不断完善、发展自动驾驶技术，期待早日实用化。”
在华两家合作伙伴非竞争关系，而是相互补充
随着中国汽车市场逐步成熟，各细分市场不同品牌车型越来越多，不同级别车型间的空隙越来越小。
丰田在与一汽、广汽两家伙伴合作的过程中，难以避免地出现了产品同质化的现象。例如在紧凑级轿车这一级别中，就分别有卡罗拉、雷凌两款轴距相同，大小相似的产品出现。
在谈到与两家合作伙伴的关系时，董长征表示，丰田一直都致力于制造更好的汽车，满足消费者的不同需求。我们同中国合作伙伴一起，根据消费者的需求，提供相应的产品。二者并非竞争关系，而是相互补充的。
“当前，面对全球范围的芯片不足、原材料涨价等情况，丰田会全力克服困难。未来，丰田将继续以开放合作的姿态与中国伙伴一起，为中国更加美好的未来社会建设做出贡献。”董长征说。(完)
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） [责编：天天中] 阅读剩余全文（）  视觉焦点
大发平台地图 |
)