【新时代新征程新伟业】赣南家具产业嬗变：从“贴牌”到“创牌”******
中新网赣州12月24日电 题：赣南家具产业嬗变：从“贴牌”到“创牌”
中新网记者 吴鹏泉
冬至时节，江西省赣州市南康区家居小镇的一家设计机构内，来自西班牙的黄龙(中文名)坐在电脑前，认真看着部分赣南家具产品的优秀设计方案，“我希望通过融合东西方设计理念，为南康出口家具进行设计，让中国实木家具进一步走进欧洲市场”。
“中国实木床，三分南康造。”位于赣南老区的南康区是中国重要的家具产业集聚区。赣南家具产业起步于20世纪90年代初，历经20多年发展，逐步形成了集加工制造、销售流通、专业配套、家具基地等为一体的全产业链集群。
图为南康区的共享智能备料中心，实现南康家具“个性化定制、规模化生产、智能化服务”的目标。(资料图) 刘占昆 摄然而，衍生于“草根经济”的赣南家具产业，也曾面临“产业大而不强、企业多而不精”的窘境，昔日南康近6000家大小作坊，更是一度被认为是低端制造的代名词。
“以前南康家具相互模仿抄袭，产品同质化竞争严重，竞争力不强，走的是薄利多销的路子，家具企业研发投入不足，多以生产制造贴牌、代加工产品为主，不敢亮身份、打品牌。”南康工业(家具)设计中心主任钟裕华对此深有体会。
60名能工巧匠在“中国实木家居之都”江西南康比拼木工技能。(资料图) 吴寒 摄 吴寒 摄为破解原创设计乏力、品牌知名度不高等制约家具产业发展的痛难点问题，江西赣州南康区依托南康家居小镇打造“设计村”，组建国家级工业设计中心——南康(工业)家具设计中心，整合原创设计资源、搭建双向交流平台、建立人才培养机制、快速转换设计成果，不断提升赣南家具品牌附加值和影响力。
“通过优先分配人才公寓住房、制定设计补贴政策、强化研发设计知识产权保护等系列举措，吸引了一大批国内外一流设计机构和人才落户南康。”钟裕华透露，目前，江西南康已吸引国内外116家设计机构600余名设计师常态入驻。
因看好赣南家具产业市场行情，深圳某设计公司总经理栗登桂选择将公司迁至南康。“根据客户需求，公司定制化设计能够批量生产的实木套系产品，通过几年资源积累，公司合作的家具企业越来越多。”在他看来，家具行业需要不断设计新款式、推出新产品，从而刺激消费者。
图为一些参观者在南康区家具时光走廊参观。(资料图) 刘力鑫 摄工业设计是工业产品的外观、功能、结构、包装和品牌的整合和创新。江西南康引导家具企业以工业设计为纽带，加快产品升级换代和品牌价值提升，推动产业链、创新链、价值链融合，提升产业发展质量水平。
统计数据显示，2021年，南康区新增原创家具产品1.2万余件，授权专利3500多件，赣南家具套系品牌企业数量由2017年的100余家增长至现在的近1000家。
为提升品牌影响力，江西南康着力打造永不落幕的“家博会”；设立“南康家具品牌联盟”，数百家家具企业主动加入；大力实施“百城千店”计划，推动当地家具进军国内中高端市场。
“南康(工业)家具设计中心建成后，很多家具企业更加意识到设计创新的重要性，也能在家门口找到一线设计服务。”在钟裕华看来，赣南家具实现了由简单模仿向原创设计、水货贴牌向南康品牌、低利润率向高附加值的深度嬗变。“我们将力争三年内实现300家研发设计机构总部落户南康家居小镇，进一步推动赣南家具企业朝品牌化、数字化方向发展”。(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 welcome购彩大厅地图 |
