金福彩票|金福彩票

碳酸锂价格跌破50万元大关 促进动力电池、储能等生产成本降低******

　　记者 李春莲

　　见习记者 彭衍菘

　　1月9日，电池级碳酸锂价格跌破50万元大关，较11月上旬的最高点跌去了约22.83%。

　　据上海钢联发布的数据显示，1月9日部分锂电材料报价下跌，电池级碳酸锂下跌1万元/吨，均价报49.25万元/吨，工业级碳酸锂下跌1万元/吨，均价报46万元/吨；氢氧化锂下跌7500元/吨至9000元/吨。

　　业内人士认为，未来碳酸锂供需格局或仍处于紧平衡状态，碳酸锂价格下调还未结束，2023年碳酸锂价格将回归到更合理区间，这为产业中下游带来巨大的成长空间，储能、整车厂、新能源车等行业有望加速发展，产业格局将更加健康。

　　价格下跌激发需求

　　事实上，从2022年11月下旬开始，碳酸锂价格就开始呈连续下跌趋势。

　　“碳酸锂价格多日下跌主要是受到新能源汽车补贴退坡等需求面因素的影响，反映市场短期对终端需求减弱的担忧。”川财证券首席经济学家陈雳在接受《证券日报》记者采访时表示。

　　上海钢联新能源事业部锂业分析师曲音飞对《证券日报》表示，“终端减产导致场内情绪发生转变，贸易商清仓低价出货，需求回落也致使企业厂对厂交易博弈明显，下游高价采买情绪极弱，场内交易冷清，冶炼厂出货价格同步下调，加之下游中小企业也存抛货行为，场内现货资源增多，供需差拉大导致价格持续走跌。”

　　具体从新能源汽车产业的角度来看，碳酸锂价格的回调和供给需求的调整密不可分。盘古智库高级研究员江瀚在接受《证券日报》记者采访时表示，“目前的市场需求没有预期那么好，新能源汽车补贴的结束将对2023年一季度的整体需求有一定的削弱作用，这使得下游的车企和动力电池厂商在原材料采购上更加谨慎，从而导致市场的回调。”

　　不过，随着碳酸锂价格的下降，新能源汽车产业链中下游的成本不断降低，有望迎来机遇。

　　陈雳分析，碳酸锂价格下跌，叠加正极加工费、负极和电解液等核心材料价格下行趋势明确，意味着未来行业成本将显著下降，企业盈利边际改善，价格上有更大自主空间，有望刺激新能源车需求恢复，储能需求或将进一步爆发，锂电板块的中长期成长性较高。

　　江瀚认为，成本的降低会增强新能源汽车企业和动力电池企业的自身竞争力，中下游更多的产业机会开始显现，有助于整个行业更好的发展。

　　北京特亿阳光新能源科技有限公司总裁祁海珅同意这一判断。他认为，碳酸锂价格下跌对于新能源汽车行业的整体健康度和可持续性发展是有利的。“锂价适当的下跌有利于新兴电力系统的构建，有利于储能项目市场需求的激发。”

　　对价格走势判断不一

　　曲音飞认为，2023年碳酸锂价格主要趋势仍以看跌为主，但中间不排除有回调机会。陈雳则表示，在下游需求的支撑下，碳酸锂价格下跌幅度有限。

　　江瀚认为，碳酸锂价格未来还会有一定的下跌，但其维持在一个区间内盘整的可能性较大。“伴随着整体市场需求和供给的逐渐回暖，同时也包括盐湖提锂技术的不断完善，2023年的磷酸铁锂的供需不会显著失衡。”

　　1月6日，丰元股份在投资者互动平台公开表示，公司全资子公司山东丰元锂能科技有限公司拟在玉溪市投资建设规模为20万吨锂电池高能正极材料及配套相关项目，目前正在建设中的为一期项目：年产5万吨磷酸铁锂正极材料及1000吨黏土提锂中试线，后续项目根据一期项目建设的实际情况积极推进。

　　国轩高科近日表示，宜丰国轩锂业有限公司年产5万吨碳酸锂项目一期(年产2.5万吨)预计2023年4月投产。同时，与其配套的年处理300万吨瓷土矿(含锂)选矿厂同步在厂房施工，预计2023年5月投产。

　　华西证券预计，2月份新能源汽车产业链的生产经营将逐步恢复正常，下游需求有望好转，锂盐价格大概率逐步企稳。

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）