彩票驿站_彩票驿站

来源：彩票驿站2023-04-13 17:48

彩票驿站

中国国家发改委对话美国在华企业回应三大关切******

　　(经济观察)中国国家发改委对话美国在华企业回应三大关切

　　中新社北京11月2日电题：中国国家发改委对话美国在华企业回应三大关切

　　中新社记者王恩博

　　中国国家发展和改革委员会1日在北京与美国在华跨国企业高层举行圆桌会。此次会议由国家发改委国际司、中国新闻社主办，中国新闻网承办，中国美国商会、美中贸易全国委员会及60余家美在华企业高级代表参会。

11月1日下午，以“聚焦二十大共谋新发展”为主题的国家发展改革委与美在华跨国企业高层圆桌会在北京举行。

　　对话之中，国家发改委相关司局负责人回应了美国企业对于最新版鼓励外商投资产业目录、服务“双碳”目标、中美关系等议题的多个关切。

　　鼓励外商投资有何新招？

　　中国官方最新发布的《鼓励外商投资产业目录(2022年版)》受到玛氏等企业关注。据国家发改委外资司副司长夏晴介绍，相比上一版，新版目录主要有三方面变化。

　　一是扩大了鼓励外商投资的范围。新版目录总条目1474条，较上一版本净增加239条，增幅达19.4%，增加条目近年来最多。这充分表明中国鼓励外商投资的态度是明确的，扩大对外开放的决心是坚定的。

　　二是加大了重点行业领域的引资政策力度。此次目录修订加大了对先进制造业、现代服务业、高新技术、节能环保等行业领域鼓励外商投资的政策力度，推动优化外商投资产业结构，进一步提高利用外资质量。“许多外资企业在上述这些领域是具有优势的”，夏晴说，新版目录的出台为这些企业实现更好发展提供了重要机遇。

　　三是加大了中西部和东北地区的引资政策力度。此次目录修订根据中西部和东北地区等省份的比较优势制定更加具有针对性的鼓励政策，加大了对基础制造、民生消费等领域的支持力度，有利于外资企业利用当地劳动力和特色资源优势实现更好发展。

　　如何把握“双碳”机遇？

　　跨国企业如何参与中国碳达峰碳中和进程，是康菲石油等企业的关切。“我们欢迎和支持外资企业积极投身到中国实现‘双碳’目标的过程中来”，国家发改委环资司副司长赵鹏高细数中国经济社会发展全面绿色低碳转型带来的机遇。

　　低碳、零碳、负碳技术交流合作是其一。特别是要聚焦可再生能源开发、核能、节能、氢能、储备能源、二氧化碳利用与封存、工业领域低碳工艺革新和数字化转型等重点领域，加强技术交流互鉴，共同为全球绿色低碳发展提供动力。

　　开展绿色低碳贸易与投资合作亦是重点。赵鹏高说，中国支持外资企业在新能源、节能环保、生态环境、绿色服务等领域加大在华投资力度，扩大节能环保产品和服务进出口规模，有关企业也将享受节能、节水、环境保护、税收优惠政策等既有政策，“我们对外资企业一视同仁”。

　　他同时提及，中国承诺大力支持发展中国家能源绿色低碳发展，中外企业具有广阔合作空间和巨大合作潜力，希望跨国公司发挥自身优势，与中国企业携手开展第三方市场合作，实现合作共赢。

　　怎样坚定在华发展信心？

　　“在中国高质量发展进程中，外资是何定位？如何坚定外资在华发展信心？”施耐德电气提出的问题，也是众多在华美国企业的关切。

　　“美在华企业既是国际大循环的重要参与者，也是推动中国国内大循环的重要力量。”国家发改委国际司副司长高健表示，美在华企业踊跃报名此次圆桌会，60余家美重点在华企业代表第一时间积极反馈，参与热情极高，这也从侧面反映出美企对于中国市场的重视程度。

　　根据中国海关数据，今年1至9月，中美贸易额达5803.97亿美元，同比增长6.9%；美对华投资保持稳定，对华投资额达18.6亿美元，同比增长1.3%。

　　高健指出，中国拥有全球最大的市场，能够为外资企业带来广阔的机遇和合作空间。希望美在华企业保持对中国市场的信心，在“变局”中培育新的战略机遇，充分把握潜在投资机会，探索更多投资合作领域，支持和促进更多技术创新及其在华应用推广，为促进中美经济合作走深走实、中美关系更好向前发展贡献积极力量。(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（）