近年来，随着消费互联网迈向纵深，产业互联网渐（jiàn）入佳（jiā）境，各（gè）行各业的数字化转（zhuǎn）型如火如荼。面对日趋复杂的环境（jìng），具备强大市（shì）场渗透力的（de）数字化与智能（néng）化（huà）技术协同（tóng）共（gòng）进，在（zài）推动经济发展、赋能小微企业、保障民生等领域将发挥巨大作用。在新兴技术阵营中，人工智能释放的红利正让（ràng）人们的生活变得更（gèng）加美好。

以日常“点外卖”为（wéi）例，骑手、用户和（hé）商家分别构（gòu）成就业、民生、经济（jì）的缩（suō）影，如果人工智能可以实现对（duì）这三大群体的赋能，就可以满（mǎn）足不同（tóng）场景下的配送需（xū）求，提升（shēng）配（pèi）送效率和用户体验，从而实现“让外卖触达世界每个角（jiǎo）落”的愿景。而人工（gōng）智能（néng）之（zhī）所以能发（fā）挥作用，离（lí）不开ICT基础架构的升级与深度（dù）学习框架的跃迁（qiān）。

科技力（lì）量（liàng）改（gǎi）变外卖生（shēng）态

一份外卖在（zài）30分钟内送达，已成为生活常态。但（dàn）是，做到这一点（diǎn）并不简单（dān）：以一个骑手（shǒu）送5份订单为例，就要面向5个不同的商家和用户，配（pèi）送路线的组（zǔ）合达到（dào）上万（wàn）种。而在热门的外卖平台（tái）上（shàng），高峰（fēng）期外卖日订单量巨大，涉及骑手人数也众多（duō），实现30分钟送达的目标（biāo），路线组合更是天文数字。同（tóng）时，对（duì）于老年人（rén）和儿童用户来说，能通过（guò）语音操作无障（zhàng）碍完成点（diǎn）外卖的全部流程，就（jiù）更凸现了人性化设计（jì）。

据（jù）美团方（fāng）面介绍（shào），该公司的（de）“技术（shù）助力生（shēng）活”项目，其中一项重要工作就是寻求骑手调度的最优解。1万多名工（gōng）程师在用人工（gōng）智（zhì）能技术提（tí）高效（xiào）率的同时，通过定期做骑手来体（tǐ）验送（sòng）餐过程中的痛点（diǎn），不断优（yōu）化解（jiě）决（jué）方案。此外，该公司结（jié）合“智（zhì）能交（jiāo）互”技（jì）术打造（zào）的（de）服务引擎，具备语音能力，能让老年人和儿童以（yǐ）便（biàn）捷的交流方（fāng）式获取服（fú）务。尤其当用（yòng）户的需求（qiú）送达公司的“超脑系统（tǒng）”后（hòu），这一大规模、高（gāo）复杂度的多人多点实时智能配（pèi）送调度系统（tǒng），将会进行快速计算（suàn），让（ràng）用户获得超预期的服务（wù）体验。而从2016年（nián）起，美（měi）团就依托更（gèng）多智能化技（jì）术，开始研发特定场景（jǐng）下的无（wú）人配（pèi）送，在疫情防控期间得到检验并取（qǔ）得进展。

在整个外（wài）卖生（shēng）态中，商（shāng）户（hù）群体是美团赋能的另一核心领域。据悉，在“美团商家大脑”中，有海量的用（yòng）户评价分析和知（zhī）识关联，商家只需要一个SaaS收银系统专（zhuān）业版，就（jiù）能定期获取（qǔ）用户的情感曲（qǔ）线变（biàn）化、消费水（shuǐ）平（píng）、环境偏好及相似商家（jiā）等信息。同（tóng）时（shí），借助智（zhì）能分析，商家还可（kě）以（yǐ）在服（fú）务现（xiàn）状、竞争力、商圈等层面得到洞（dòng）察，为从（cóng）开店到店面运营管理（lǐ）提供决策参考（kǎo）。

面对难（nán）题提供解（jiě）决路（lù）径（jìng）

据介绍，外卖只是（shì）美团构建生（shēng）活服务整体生态图景的一部（bù）分，科技赋能所（suǒ）涉及的（de）纷繁场景远不止（zhǐ）于（yú）此。近年来，美团组建（jiàn）了（le）强大的人（rén）工智（zhì）能技术团队，为商家选址、引流、外卖配送、经营管（guǎn）理、供应链金融、营销推广等一整（zhěng）套服（fú）务体系提供了强大（dà）的AI能（néng）力（lì）支撑。但随着用户快速增长、智能业（yè）务不断升级，以及AI模型规（guī）模与复杂度持续（xù）上升（shēng），该公（gōng）司的业务系统面临愈发严峻的（de）性能挑（tiāo）战，如何（hé）从（cóng）基础设施（shī）重构、软件优化（huà）等角度化解挑战（zhàn），是（shì）其必须（xū）面对的问（wèn）题。

以开源（yuán）深度学习框（kuàng）架（jià）TensorFlow的应用为例：美团在英特尔可（kě）扩展处理器的基础上，从多维度进行深度改进，并采用了该（gāi）公司推荐的技术优化方案。为进一步给推荐（jiàn）系统等应用进（jìn）行AI赋能，美（měi）团（tuán）使用TensorFlow进行模型训练，采取分布式计算方式解（jiě）决海量参数（shù）的模型计（jì）算（suàn）和参数更（gèng）新问题。但随着业务高速发展，不仅推荐系（xì）统模型的规模和（hé）复杂度也（yě）有所（suǒ）提升（shēng）。还（hái）会暴（bào）露（lù）出一系列问题（tí）。性能瓶（píng）颈的凸显，会带来（lái）总（zǒng）体拥有成本的飙（biāo）升，可能对上层业务造成负（fù）面影（yǐng）响。

为（wéi）了解决性能瓶（píng）颈问题，有两条路（lù）径（jìng）可供选择（zé）：一（yī）条（tiáo）是迅速（sù）扩大（dà）基（jī）础设施建设（shè）规模，但会（huì）增加成本压力，并提升（shēng）系统的整体复杂度（dù）；另一条是从系统与软件层面（miàn）进行优化，具备更高的经济性与可（kě）行性（xìng）。经过（guò）对TensorFlow框架与业务的分析定位（wèi），美团发现业务中的（de）TensorFlow集群均衡负载（zǎi）与分布式集群的（de）通（tōng）信机制、延迟、单实例性能，都（dōu）是亟需重点优（yōu）化的方向，与（yǔ）英特尔合作探索第（dì）二条路径势在（zài）必行。明确方向后，美团将TensorFlow系统构建在基于英特尔可扩展处理器的服务器集群上（shàng），并采用CPU进行TensorFlow模型训练，在推荐系统（tǒng）场景中还使用了TensorFlow PS异步（bù）训练模式，支持业务（wù）分布（bù）式训（xùn）练需求。

据了解（jiě），美团从单实例性能、分布式计算优化等多层面（miàn）进行了全方位实践。新系统（tǒng）在支持能力层面，可做到千亿参数（shù）模型、上千Worker分布式（shì）训练的近线性加速、全年样本在1天内（nèi）完成训练（liàn），并支持在线深（shēn）度（dù）学（xué）习的能力（lì）；各种架构和（hé）接（jiē）口也更友好（hǎo），得（dé）到了美团业务部门的认可。