访谈实录摘要如下:
1、我们关注到,优衣库已经连续三年参展进博会,今年在进博会打造了千平米公园式展区,请您介绍一下,进博会给优衣库带来了哪些机会?
吴品慧:我们一如既往地珍惜并且想利用好进博会这个平台。进博会强调创新、开放,这也非常契合我们“LifeWear服适人生”的品牌理念。我们希望通过艺术与科学相结合的面料与服饰设计,更好地展现商品的科技、时尚、品质、可持续。
今年的进博会上,响应“新时代,共享未来”的主题,我们通过1000㎡的“LifePark明日乐境”沉浸式公园空间,打造科技·时尚·品质·可持续四大展区,360度沉浸式展示十大系列产品,为应对不断变化的自然及全球社会经济、节能减碳所需,赋能创造美好世界的新未来。同时,优衣库实体直播间首次入驻进博会现场,融合线上线下,希望把进博会展示的商品和体验更好分享给全国消费者。
这三年,从各种巨型商品的展示,到针对中国顾客首发的商品,优衣库的许多新品都是在进博会首次亮相,然后在全国推广。受进博会平台的启发和溢出效应影响,我们能够更好地把科技融入展品、展品变成商品、商品变成爆品,继而针对中国的需求设计出更多元的创新产品,形成一个正向循环。
进博会带来的机会远远不只是当下,更多的是在未来。我们可以针对中国市场提供更多好的意见和洞察,也能联动更多的全球品牌,多方共创、实现共赢。
2、在中国深耕30余年之后,中国成为优衣库全球第二大市场,优衣库在中国经营有哪些成功之道?
吴品慧:优衣库深耕中国三十年,作为中国纺织行业合作规模最大的跨国企业之一,不只是创造了产业链约百万个就业机会,也在助力“中国制造”向“中国质造”不断升级,走向世界。
这三十年里,优衣库前十年是在携手本地供应商,打造供应链;后二十年我们开始进入零售,去做品牌、商品跟门店。这二十年里,优衣库长期稳扎稳打,至今已在全国范围内开设有接近900家门店,遍布200多个城市,且坚持所有门店都是直营店。同时,除了在一二线城市开店,我们也在下沉到三四线城市。
优衣库一直很稳健地布局中国市场发展。这其实也源自优衣库创始人柳井正对中国市场的情感,他经常会和中国的供应商交谈,询问他们的一些建议和反馈,思想也跟着中国市场一起进化成长。
3、如何看待优衣库在中国市场的前景?未来优衣库在中国的投资布局有什么规划?
吴品慧:接下来,在实体的零售投资方面,优衣库将继续加码中国市场,保持每年80家到100家的速度开店。但更重要的是,跟随着中国近几年数字化发展,优衣库也在积极拓展这样的平台。
从最早在互联网上开设第一家官方网络旗舰店,到这几年和社交平台、直播平台非常多的共创,优衣库和优质消费者们,通过服饰开创了新的生活方式和讯息沟通渠道。优衣库也借助中国数字化互联网的飞速发展,探索共赢模式,也把直播等中国的优秀经验引到全世界。
可持续发展是当前一项重要议题。作为致力于全民化的服装品牌,优衣库希望通过商品创新更好地推进可持续发展。
比如说,现在我们有些人会对空调过度依赖,这会造成过度的碳污染以及资源的耗损。优衣库希望通过快干、透气、吸汗的科技面料,让身体和自然更好地共存,通过减少对空调的依赖,减少对资源的消耗。
这是我们倡导的一种新的生活方式。绿色的生活方式不一定是必须要买一件绿色商品,而是可以通过科技设计的运用去爱地球。优衣库也希望做到配合消费者生活,以及跟进市场与政策,去更好地进化。
不管是过去的二、三十年还是未来,我们对中国很有信心,也会持续加大对中国市场的投资。希望通过品牌和商品的引领美好生活方式,与中国市场和消费者共同打造一个共生共赢、共创共续的美好未来。(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() ![]() 云顶彩票地图 |