歷史轉折中的美團,AI進化新範式_風聞
量子位-量子位官方账号-2018-12-10 13:23
乾明 李根 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
美團點評,近6萬員工規模公司,超過1萬的工程師團隊,近400億美元市值。
最近一季營收190億元,第一大收入源外賣業務,貢獻111.72億元,佔比59%,是這家中國第四大互聯網公司直接實力所在。
按照美團點評最新數據,在外賣業務中,每天要調度的騎手超過53萬,餐飲外賣日均交易筆為1940萬單。
但這一切還不止冰冷理性的數據,因為在每一單過程中,商家出餐、配送距離、電梯樓梯、道路狀況,以及風霜雨雪等時空因素,均在其中。
然而得益於美團配送網絡,目前一切有條不紊,即便訂單還在日增月漲,基於智能大腦的配送網絡依然有序運行,調度系統高峯期每小時進行着29億的路徑計算次數。
當然,AI和算法驅動世界向前,早已司空見慣。
不過最讓人驚歎的是,這樣一個規模龐大、情況複雜,且需實時計算的算法模型背後,只50名算法工程師而已。
好一個自動化範例。
技術變革風雲
AI主導,算法派單,並不難理解。
53萬騎手——規模和數量都不容小覷,但得益於AI大腦和中樞,他們可以調度有序、高速運轉。
它承集四面八方彙集而來的每一筆訂單,然後又經過實時計算處理,最後精細又精確地分配到騎手,並且在配送過程中協助騎手完成整個任務。
它是一個統一的中樞,同時也是每個騎手個性化助理。
美團也解釋過基本原理,先通過感知將線下業務數字化,再對這些“大數據”進行分析,然後“智能化”打造AI模型,最終應用於落地配送,讓AI無所不在。
但總結易而啓動難,其實在美團外賣成立伊始,情況截然不同。
那時美團外賣採取的策略是“人工派單+騎手搶單”。
即用户下單之後,形成訂單池,騎手會根據自己的情況搶單派送。
這就要求每一級渠道都有強運營效率,極度依賴配送點站長,極度依賴人類成熟經驗。
據當時負責系統搭建的同學回憶説,在派單系統上線之前通常情況是先組建外賣配送羣,然後一有單來,每個站點的派單員再往羣裏分銷,有人接就接,沒人接派單員就通過電話等方式直接指定騎手配送。
缺陷也是天然的。
首先,效率很低,因為依賴人工分發,每分鐘最多隻能派出5-6單,且非常依賴調度員的能力,站長強則強,站長弱就弱。
其次,用户體驗難以保證。搶單決策完全出自騎手當時當地情況,一旦具體騎手貪多嚼不爛、錯誤預估配送時間,走錯路等,就會直接影響用户體驗。
更核心的問題是,人類經驗難以標準化快速培訓。外賣騎手行業人員流動性不小,倚重騎手能力的搶單模式,一旦換成新人,又需要時間適應業務,既不是提升效率的好方法,更不利於規模化拓展。
但歷史進程裏的美團,沒得選。
美團外賣在2013年正式推出,已是後來者。當時餓了麼已經成立5年,重兵都在外賣配送,到2015年百度也已叫響O2O,説要先花200億砸出份額。
説起搞外賣,美團不僅是新玩家,他們自己內部也是新業務。
所以想要後來居上,打法就變得關鍵。
想要快速突進快速搶佔市場份額,最大限度爭取騎手就成關鍵所在。
而且搶單系統開發本身並不複雜,騎手可以自主搶單,多勞多得,有利於激發積極性,在競合戰爭中組建所向披靡的配送大軍。
但很快,隨着美團外賣的業務單量大幅增長,搶單固有的缺陷愈發明顯。時不時爆發的用户投訴,開始讓美團上下重新思考問題。
當時,技術潮水也開始向另一個方向流動。
一邊是打車市場競爭白熱化,算法調度一派開始展現優勢。另一邊,外賣市場裏百度也在2014年開始試水智能派單系統,用户體驗和效果也還不錯。
如果只為贏得短期市場份額,當前方案也能湊合,但如果要面向未來,AI大腦、算法調度,不搞不行。
從高層開始,美團也開始了不斷測試論證和討論的過程,最終由當時美團外賣的直接負責人王莆中及聯合創始人王慧文牽頭拍板,要打一場自我變革的技術轉型仗。
**△**美團聯合創始人、高級副總裁王慧文
成熟業務新技術,飛行中換引擎
要革命,先有人,美團挑戰顯而易見,現成無人。
一方面,調度派單並不是一個成熟的工程問題,沒有現成模型可用,固有技術團隊搞不定。
另一方面,美團派單所需的系統,是一個動態的時空全局調度系統,而且涉及配送全週期優化,打車那一套算法在外賣配送領域並不適用。
於是,人自然難招,團隊組建非常不易。
美團配送技術團隊負責人孫致釗是2015年6月加入配送技術團隊的,當時的配送團隊剛剛從外賣劃分出來,甚至還沒有一個正式的算法團隊。
他回憶説,那個時候他的判斷是,這個問題非常複雜,難以靠單一學科來解決,這個領域需要複合型人才,而這類人才市場沒有直接對口,更不用説相關人才還稀缺。
而且人才進來後,也是邊學邊幹,狀態近乎產學研一體化,孫致釗回憶當時從各行業挖來不少專家,互聯網做搜索的,傳統工業界做工業優化的,也有傳統物流方向的等等,都被他們列入招聘範圍中。
其中既包括從清華大學自動化系出來的運籌優化專家郝井華博士,也包括來自百度鳳巢的資深算法專家何仁清等眾多專業方向的人才。
事實證明,這樣複雜的派送系統需要機器學習、運籌優化等多學科交叉融合解決,團隊成員背景多樣化帶來的思想碰撞與發酵,為業務最終的實現帶來了最優的解法。
人才建隊問題之外,大家面對的首先是對這樣一個新問題的探索與定義,而在弄清問題根本之後,就進入了到了不斷尋找和優化解法的過程中,在這裏,定義需求和建模維度是解決問題過程中面臨的巨大的挑戰。
要搭建一個滿足如此複雜的外賣業務需求的配送系統,需要考慮的維度太多了,比如:
在派單系統未上線前,在訂單的配送過程中,騎手在商家、用户處的取餐和交付時間會佔到整個訂單配送時長的一半以上。那麼如果可以準確估計出餐和交付時間,就可以減少騎手的額外等待,也能避免“餐等人”的現象。
商家出餐時間的長短,跟品類、時段、天氣等因素都有關,而交付時間更為複雜,用户在幾樓、是否處於午高峯時段、有沒有電梯等等,都會影響騎手(到了用户所在地之後)交付訂單給用户的時間。
在這個過程中,每個騎手都是一個動態因素,是否熟悉配送區域的道路,當天配送狀態是否正常,是不是配送“熟手”也都影響着整體的配送效率。
而且,這還是一個需求動態增長的過程。在郝井華他們開始搭建完善配單系統的時候,美團外賣的業務也在不斷發展。比喻起來,像極了給高速運行中的汽車換引擎。
同時,系統穩定性也在承壓。
系統開發過程後,日配送單量與日俱增。美團專送從2015年12月的44萬單,半年後突破130萬單,而2016年年初上線的新系統,在150萬單峯值時,發生了第一次宕機。
美團負責系統工程的同學回憶説,當時技術團隊正在開需求會,系統突然開始報警,訪問性能開始下降。但之前沒有絲毫徵兆,只是相關係統的運行數據會變慢,因為業務增長速度過快,它達到臨界值就突然崩潰了。
讓工程師們冷汗的是宕機時間——中午,外賣高峯期。
後來,美團技術團隊用時近1小時,先修復了系統性能和容量問題,並在這件事情後期,引入了行業內比較先進的全鏈路壓測,來確保系統的性能保障,打好預防針。
此外,覆盤問題的過程中,團隊還陸續設計出了很多其他的方案確保系統能夠應對各種異常情況,比如打造降級系統,在異常情況下保護主鏈路,以備不時之需,亦或是通過供需平衡系統在單量突然翻幾倍、運力突然極度緊張等極端場景下最大限度保障用户體驗。
歷史進程中的時代難題
如果你問郝井華什麼是這一路走來最難的部分,他會告訴你比宕機印象更深刻的是,人機共生時代裏的新難題。
事情可以從2015年12月20日講起。
那一天週日,派單系統加持下的美團外賣,挑選了北京回龍觀作為試點。
雖然試點開始前,郝井華就已經帶領團隊跟回龍觀片區的外賣站站長做好了充分的溝通。而且在宣講的過程中,站長也花了不少功夫調節。
但這次試點,還是給了他們最尖鋭反饋。
整個系統打磨中,工程師們面對的都是數據、代碼和模型。
然而現在,一個個活生生的騎手,直接表達了他們的牴觸情緒,如何讓他們接受技術帶來的幫助,成了工程師們全新的挑戰。
因為上線派單系統,就意味着既得利益重新分配。
過去,業績好的騎手,要麼能力確實強,要麼跟站長關係不錯,遠近親疏、利益維繫,現在上線的新系統,卻要把曾經的秩序全打破?!
騎手牴觸,因為訂單可能會變少,也不相信機器憑何決策及派單。
站長也牴觸,因為新系統一來,自己的“威權”就被革了命。
試點沒落兩天,外賣騎手的抱怨聲越來越大。
面對着線下巨大的推進阻力,當時業務團隊面對着巨大的壓力,甚至開始對“算法派單”這件事情是否可行產生了極大的疑問。這些壓力和疑問被一層一層的彙報上去,最後到了“老王”王慧文那裏。
沒有太多搖擺的過程,在瞭解試運營期間確實提升了配送效率的數據後,王慧文就給大家打了一劑強心針,表示問題確實不容小覷,但長期視野來看,利大於弊,要想辦法推行下去。
緊接着,工程師們開始從電腦後走出來,去真正見識什麼是“問題”。
“這並不只是一個單純的技術問題,只需要優化單一的技術目標就行了,”郝井華説。“這更是一個系統工程。”
配送算法工程師們開始到一線跟站長溝通,為了拉近跟站長的距離,也常常買兩包煙塞給他們,希望首先獲得站長支持。同時,通過直接與站長及一線騎手的溝通,瞭解業務第一線的問題並先從“人”的經驗上為“機器”找方法。
另一方面,工程師還鑑於騎手對機器派單的不信任,開發了調度回放功能,通過可視化覆盤,讓騎手知曉AI給他配送那個“不合理訂單”背後的“思考”。
沒過多久,騎手們就發現效率更高了,配送更省心了,收入也增加了。
此後,派單系統走出回龍觀、走出北京,開始在全國推廣。
可以做更多了
現在,美團外賣平均每單的配送時間為30分鐘——每天都在進一步優化中。
在這個基礎上,也有了更大的想象空間。
派單系統搭建完成之後,就進入了精細優化的階段。精細化運營同樣是一個邊摸索邊前進的過程,在業務飛速增長的過程中,每一個技術創新的上線背後都需要足夠的信任空間,從美團外賣的當家人王莆中開始,上下都給予了配送技術團隊最大的創新空間。
在這個過程中,互聯網背景出身的算法負責人何仁清充分發揮了其自身優勢,帶領着配送算法團隊結合互聯網大數據的理念,機器學習加運籌優化,在精細化方面和全面性上進一步提升配送流程的運行效率。
比如,後台算法對騎手、商户、用户的數據描繪越來越精細化;對配送網絡規劃的不斷升級;不僅實時規劃調度軌跡,更開始對配送需求進行預測,提前調配運力應對不同場景需求……
2017年,還有外界“意想不到”的進展,美團悄悄佈局硬件了。
為了讓騎手配送過程更安全,也出於效率提升考慮。美團與科大訊飛合作開發了面向騎手的智能語音助手,提供軟硬件一體的解決方案,打造了一款代號“MT-R1”的AI交互耳機,在喚醒、識別,交互等方面,都進入規模化商用。
這樣延伸而來的技術應用還很多。
按照郝井華的説法,在完成從0到1後,團隊現在更多要做的是去解決由每個1%組成的長尾問題,但是每個看似不大的進步,隨着業務的增長,這每一個1%的進度,都直接帶來了調度效率的提升和體驗的改善。
“在目前的2100萬的日訂單量級下,每個1%的進步,都意味着每天至少提升超過20萬用户的體驗”,郝井華説道。
有意思的是,在派單系統上線過程中,也誕生了一個“小傳統”,現在美團配送團隊的技術工程師入職,都會先被派到一線體驗幾天。
這不僅是出於“不忘初心”,而且也是為了更瞭解騎手、向優秀騎手學習經驗,才能把這些人類能力,教會AI。
是時候談未來
王興説:科技創新的根本目的是普惠大眾。
而AI也正在帶來更深更遠的價值。
對於外賣配送戰場。美團屬於後發者,但現今已是超60%市場份額的頭號玩家,派單系統在其中的貢獻,功不可沒。
明面上,從搶單到配單,帶動了效率提升,同時也降低了行業准入門檻。
當個外賣騎手很難嗎?似乎不難。但快速成為一個優秀的外賣騎手容易嗎?肯定不容易。
美團以優秀騎手為師,通過配送網絡,為每一個騎手都配備了AI能力。
而AI日夜不停進化迭代,未來每一個新騎手,都能在其輔助下快速成長——人類經驗傳承的方式,正在被改變。
更主要的是,以智能調度為核心的配送網絡,會成為新一代商業基礎設施。
而運力競爭、運力調度技術的競爭,將是核心中的核心。
現在,美團已經初步織就了一張網。
這張網裏有虛擬世界和現實世界的連接,也有技術中樞和終端(騎手)的連接,更有商家和用户之間的連接。
當下我們看到最多的是外賣配送,未來則可能是一切需要即時送達的服務。
在配送領域,還有比外賣更在意即時性的品類嗎?外賣以外,B2C零售可送、生鮮宅配可送、服裝可送,甚至任何可跑腿代購的領域,沒有不能切入的,這也是美團正在做的事情。
當下我們看到的是人類騎手的配送,未來則會讓更多無人配送方式補充其中,協助騎手提高效率。
就在今年,美團還宣佈推出了無人配送開放平台,將其需求、場景和資源開放,讓更多自動駕駛玩家參與進來,開始試水無人配送,而在這其中配送技術也是美團做無人配送的重要底氣。
這不僅是潛力的展示,也是對配送技術實力和行業地位的自信。
也不知當初堅定搞配送技術轉型時,美團是否看得如此長遠?但為今情勢,他們打造的專門技術平台,正成為無人配送等更長遠方向的重要助力。
想象空間實在不小。
美團經驗
當然,美團曾經遭遇的問題,也是這個時代正在遭遇的問題。
AI狂飆突進,利益關係和分工格局面臨變革,但我們真準備好了嗎?
如果你是騎手,如何共處?如果你是站長,如何共處?如果你跟美團一樣轉型變革,又如何處理好人機共處?
美團覆盤總結的“轉型”經驗是這樣的:
首先,變革之下,陣痛難免,高層要堅決,保持“長期有耐心”,在持續變化的過程中看問題。
在外賣業務高速發展的過程中,如果因為騎手牴觸選擇折中或停止推進,可能後來的發展就不會是現在的結果。
技術變革,不進則退,必須不斷面對和解決問題,因暫時的阻礙而妥協只能功虧一簣。
其次,到一線去,深入一線才能真正看到問題所在。
美團配送技術升級解決的問題,也是AI時代共同的挑戰。過往互聯網技術浪潮,均以線上為主,迭代可以很輕很快。
但AI正在打通虛擬世界和現實空間,每個技術都直接作用到人,如果不到一線去,沒有同理心,就很難知道數據背後的核心挑戰。
而且身處前線,也能體驗到最直接反饋,完善建模維度,也更容易發現新需求。
第三,不怕慢、不怕重,AI帶來方法論重估。
過去互聯網中,“小步快跑、快速迭代”是金律,但放在線上線下連通的AI系統中需要調整。
系統雖然仍部署在線上,但實際運營卻在線下,牽一髮而動全身,這是AI+產業中最顯而易見的挑戰。
最後,大道至簡,擁抱新技術,不斷自我革命。
外界常問王興,美團的邊界在哪裏?
他的回答是:太多人關注邊界,而不關注核心。
那美團的核心又是什麼?
這家從千團大戰中勝出,笑傲外賣O2O江湖,如今長成中國第四大市值的科技公司。
你説美團的核心是什麼?
— 完 —