农夫山泉涨价，只因瓶子贵了？******
中新网2月4日电(中新财经记者 谢艺观)近日，一则农夫山泉《杭州区域19升水调价通知》在业界流传。调价通知显示，从2月1日起，杭州市农夫山泉19升水零售价由20元/桶调至22元/桶。
3日，中新财经记者拨打农夫山泉官网电话，对方确认了这一涨价消息。
农夫山泉线上官方旗舰店不同规格商品截图。农夫山泉为何要调价？
对于本次提价原因，农夫山泉在通知中表示，“鉴于近年来因物价、原材料、人工及运营等成本不断上涨的压力”。
2022年半年报中，农夫山泉也提到，“我们生产产品包装最主要的原材料PET是原油的下游产品。原油价格的上升和不确定性给我们的生产成本控制带来压力。”
根据农夫山泉上市前披露的招股书，2017-2019年，PET材料占农夫山泉销售成本总额分别为29%、31.9%、31.6%，是销售成本中的重要组成部分。
另据媒体报道，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”。他表示，预计2022年PET成本较去年高出30%-40%。
调价会否蔓延到其他城市？
2021年12月，农夫山泉就曾发布价格调整公告，对上海地区19升水的零售价格进行上调，从2022年1月1日起由26元/桶调整到28元/桶。
上海、杭州已先后上调19升水价格，价格调整是否会扩散至其他城市？农夫山泉客服向记者表示，目前并不清楚。
至于其他规格的饮用水是否会随之进行提价，农夫山泉客服也没有给出答复。
不过在前述分析师业绩会上，周震华曾表示，“目前来讲，无论在水或饮料上，我们都没有大规模提价的计划，但是也一直在持续观望，也看到了竞品有一些调价动作，所以我们也不会‘就不调价’说得这么死。”
周震华说，由于后续市场及成本端变动大，农夫山泉涨价“会把所有可能性都开放”，但首选是通过提升经营效率消化成本。而由于成本上涨，农夫山泉2022年毛利“非常有可能下滑到2019年的水平”。
记者注意到，受PET采购成本提高影响，农夫山泉2022年上半年的毛利率已由上一年同期的60.9%下降1.6%至59.3%。
在食品产业分析师朱丹蓬看来，农夫山泉涨价是一把“双刃剑”，虽然有可能提升农夫山泉的利润，但如果其他品牌没有跟进，或将影响农夫山泉的市场份额。
资料图：市民在超市里选购矿泉水。 窦跃文 摄成本压力困扰企业
受原油等上游大宗商品价格上涨影响，中下游企业成本承压，近年来全球各种产品“涨声一片”。
据日本NHK电视台2月1日报道，日本2月份将有5000多种食品及饮料提价，继2022年10月日本的涨价潮达到30年来最大规模后，日本迎来新一轮涨价潮。
作为日本知名饮料品牌，有消息称，养乐多本社自1月起提高了在中国全境销售的乳酸菌饮料“养乐多”和“养乐多低糖”2款商品的售价，将把原材料涨价转嫁到销售价格上。
回顾2022年，在成本压力下，百事、元气森林、李子园、三得利等企业亦纷纷传出上调旗下部分产品价格。
“附近超市里的三得利无糖乌龙茶已经从以前的3元一瓶，涨到现在的3.5元一瓶。”在北京西城区工作的小林表示。
不过原材料成本的压力或在未来得到缓解。卓创资讯分析师赵颖表示，依据情景测算，预计2023年至2024年期间，油价将在2022年均价95美元的水平上继续下降，并在65美元/桶—80美元/桶区间内震荡下行。
这对于饱受包装成本上涨之苦的饮料企业来说，也许是个好消息。(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 天下彩票地图 |
