访谈｜美宝集团副总裁刘钢：“入场”更便利，外企对中国市场充满信心******

　　(第五届进博会)访谈｜美宝集团副总裁刘钢：“入场”更便利，外企对中国市场充满信心

　　中新网上海11月6日电 (谢梦圆)“我们从36平米、150平米、300平米到今年的400平米，企业的展台面积不断扩大。”连续五年参与进博会的美宝集团是一家专注生命科学领域的外资企业，集团副总裁刘钢回忆说，第一次参会时对进博会不甚了解，最初的展位设计只有9平方米。“一开始我们把美宝国际分公司的技术和产品引入中国，随着我们在进博会上的巨大成功，很多国外的企业看到了这样的机会，组团来参与进博会。我们代理的产品不断增多，比如一些美国企业和欧洲企业愿意通过美宝的窗口进入中国市场。”

　　此次，美宝与南加州大学的联合科研中心推出了一款医疗诊断设备——一次性高清食管筛查工具“EndoVu”。该设备可用于早期食道筛查，使用一次性高清摄像头，污染风险大大降低；采用超薄型材设计，直径6毫米，易吞咽。采用高光谱代谢成像、云计算和AI评估技术，无需实验室分析，就可帮助胃肠道医生评估患者是否需要进行完整的食管镜检查。“EndoVu”具备所需操作人员少(减少66%)、操作时间短(5分钟/人次)、筛查费用低、设备造价低、可高度并行筛查提高患者周转率等优点。目前该设备在中国处于临床试验阶段，即将进军中国市场。

　　据悉，本次美宝共带入17个科研项目参会，计划借助进博会将项目落地中国，目前已处于商务洽谈阶段。美宝和南加州大学合作项目众多，此次参会的有10项，其中生物医药项目有9个，“EndoVu”只是其中之一。刘钢补充道：南加州大学看到了我们在第四届进博会上的成果，于是这次联手参会。

　　即便有不利因素影响国际贸易合作，但刘钢仍感受到外企对中国市场的信心，“很多国外企业都在思考怎么能更好更快地进入中国市场，因为他们知道，蛋糕谁先抢一步，谁就可能吃得更多。”一些无缘本次进博会的外资企业甚至会将产品和技术“托付”给美宝代为介绍。

　　“确实大环境不利于企业的发展，中国能够在这个关键时刻继续扩大开放，保持开放的力度和决心，这是在世界上比较罕见的。”刘钢认为，中国本土市场足够巨大且具备潜力，能在发展本土市场的同时吸引国际贸易加入。

　　对刘钢来说，另一个切身感受是外资企业进入中国越来越便捷，他曾准备了一大叠纸质材料办理业务，没想到最后只花了约十分钟上网操作就将事办妥，“我觉得政府的服务意识更强了，办事更容易了，原来我要盖几十个章，都不知道找谁，现在是一站式服务，包括一些公示都能在网上找到。这两年越来越好，原来一头雾水，甚至外企和国内企业还有明显的差别待遇，这两年大家一视同仁，营商环境逐步改善。我们这些外企、包括朋友圈的企业确实充满信心。”

　　下一步美宝将扩大在中国的金融投资，刘钢说，这两年中国的政策给外企不断带来惊喜，“每次我都期待中国的好政策能够有更多”。中国各个行业、尤其是科技类行业将会有很大发展，美宝愿意在这些领域进行投资，扶持一些优秀的企业，并带领国外优秀企业进入。除此之外，美宝还会在化妆品行业投资建实体厂，他介绍，原本在美国的高端化妆品获得了较好的市场反馈，所以计划在中国加大投资，继续生产，并希望能将产品供应到全世界。(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