点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
从主厨到自创品牌：台湾面包冠军林育玮北京再出发******
中新社北京1月31日电 题：从主厨到自创品牌：台湾面包冠军林育玮北京再出发
中新社记者 李晗雪
2013年，当多数大陆消费者还闻所未闻“软欧包”、也尚不习惯以更高价格购买“不过是早点”的面包，以原麦山丘为代表的烘焙品牌横空出世，一度掀起“跨城代购”的热潮。当时的行政主厨、台湾地区面包大赛冠军林育玮，曾是原麦山丘品质保证的金字招牌。他从2012年便自台湾搬到北京加入原麦山丘，参与其初创到成熟的过程；但在2019年，林育玮选择了离开带来过无限风光的原麦山丘，自创烘焙品牌，重新出发。
资料图为林育玮制作面包。 中新社发 㞭客烘焙 供图林育玮近日接受中新社记者专访，聊起从初来北京到自创烘焙品牌的十年经历。
在原麦山丘工作的几年，林育玮从零开始熟悉大陆市场，了解到消费者希望吃到无香精色素的“原始”面包，他也是因此开发出“返璞归真”的软欧包产品。那时很多消费者关注到原麦山丘，正是因为这类“质朴面包”的稀缺性。
随着这种新烘焙标准的树立，几年间，大陆烘焙市场有了明显变化和成长，以店内新鲜烘焙与优质健康食材为卖点的手工面包店越来越多，“懂面包”的消费群体越来越大。林育玮认为，这是市场优化的标志。
资料图为㞭客烘焙店内陈列的烘焙产品。 中新社发 㞭客烘焙 供图林育玮表示，随着原麦山丘成长为成熟品牌，相应地不易再作太多新的尝试与改变；但作为面包师，他希望不断研究开发各类面包甜点，也希望消费者对他有新的了解。因此，2019年与原麦山丘合约期满时，他决定突破自己，重新创业。
2020年，林育玮与合伙人筹备自创烘焙品牌。这一次，他的身份从主厨变为创始人，这意味着除了产品研发，还要承担成本控制、人员培养等管理工作，压力更大。但过去八年积累的人脉与顾客群，给了他自立门户的底气。2021年8月，林育玮与合伙人在北京751艺术区开启了第一家“㞭客烘焙”。
资料图为㞭客烘焙的店铺。 中新社发 㞭客烘焙 供图㞭客的“㞭”字，巧妙化用了店铺所在的大山子社区名称，同时也是诚意“待客”的谐音。新店主打高品质吐司，同时售卖从欧包、曲奇到甜点几乎全品类的烘焙产品。对林育玮来说，这是一个更能实现想法的空间。他将面包作为一种生活方式分享给顾客，比如鼓励大家探索白吐司的100种吃法。他几乎每天都去店里，与顾客聊聊天，大部分时间则泡在厨房。
2021至2022年的疫情起伏，对新开业的店铺有更大的挑战。林育玮坦言疫情期间损失很重，但并未改变他在北京创业的信心，因为“消费者记得我们”。许多老顾客从他在原麦山丘工作时就一直喜爱他的产品，“㞭客”开张后也继续光顾；有住得远的顾客团购下单，还有顾客疫情中买一大单面包囤在家里。忠实顾客的支持和正向反馈，让他相信难关会过去。
在北京经营烘焙的压力，慢慢转为动力与活力。林育玮说，北京的生活步调是有点快，但对服务业来讲是好事，因为业者需要不断随之更新迭代、寻找新的商业资源。另一方面，他在北京结交到许多烘焙师朋友，大家定期聚会、探店，并且彼此间并不觉有竞争关系，反而是互相分享技术、讨论产品改进，“因为北京够大，大家各有各的特色与顾客群”。
资料图为林育玮制作面包。 中新社发 㞭客烘焙 供图“在北京生活很充实，现在回台湾像是休假。”今年春节，林育玮回台湾过年，也是在历经疫情中的创业初期后，有机会沉淀下来、思考未来发展。他对疫情后的大陆市场很乐观，今年打算去更多城市考察学习，同时还准备拓展新店，呈现更丰富的产品。他说，㞭客不会满足于做一间服务地方的精致小店，“未来，我们会朝着连锁专卖店去突破。”(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（）  视觉焦点
佰富彩地图 |
)