解決人工智能瓶頸 推動外賣行業發展

近年來，隨着消費互聯網邁向縱深，產業互聯網漸入佳境，各行各業的數字化轉型如火如荼。面對日趨複雜的環境，具備強大市場滲透力的數字化與智能化技術協同共進，在推動經濟發展、賦能小微企業、保障民生等領域將發揮巨大作用。在新興技術陣營中，人工智能釋放的紅利正讓人們的生活變得更加美好。

以日常“點外賣”為例，騎手、用户和商家分別構成就業、民生、經濟的縮影，如果人工智能可以實現對這三大羣體的賦能，就可以滿足不同場景下的配送需求，提升配送效率和用户體驗，從而實現“讓外賣觸達世界每個角落”的願景。而人工智能之所以能發揮作用，離不開ICT基礎架構的升級與深度學習框架的躍遷。

科技力量改變外賣生態

一份外賣在30分鐘內送達，已成為生活常態。但是，做到這一點並不簡單：以一個騎手送5份訂單為例，就要面向5個不同的商家和用户，配送路線的組合達到上萬種。而在熱門的外賣平台上，高峯期外賣日訂單量巨大，涉及騎手人數也眾多，實現30分鐘送達的目標，路線組合更是天文數字。同時，對於老年人和兒童用户來説，能通過語音操作無障礙完成點外賣的全部流程，就更凸現了人性化設計。

據美團方面介紹，該公司的“技術助力生活”項目，其中一項重要工作就是尋求騎手調度的最優解。1萬多名工程師在用人工智能技術提高效率的同時，通過定期做騎手來體驗送餐過程中的痛點，不斷優化解決方案。此外，該公司結合“智能交互”技術打造的服務引擎，具備語音能力，能讓老年人和兒童以便捷的交流方式獲取服務。尤其當用户的需求送達公司的“超腦系統”後，這一大規模、高複雜度的多人多點即時智能配送調度系統，將會進行快速計算，讓用户獲得超預期的服務體驗。而從2016年起，美團就依託更多智能化技術，開始研發特定場景下的無人配送，在疫情防控期間得到檢驗並取得進展。

在整個外賣生態中，商户羣體是美團賦能的另一核心領域。據悉，在“美團商家大腦”中，有海量的用户評價分析和知識關聯，商家只需要一個SaaS收銀系統專業版，就能定期獲取用户的情感曲線變化、消費水平、環境偏好及相似商家等信息。同時，藉助智能分析，商家還可以在服務現狀、競爭力、商圈等層面得到洞察，為從開店到店面運營管理提供決策參考。

面對難題提供解決路徑

據介紹，外賣只是美團構建生活服務整體生態圖景的一部分，科技賦能所涉及的紛繁場景遠不止於此。近年來，美團組建了強大的人工智能技術團隊，為商家選址、引流、外賣配送、經營管理、供應鏈金融、營銷推廣等一整套服務體系提供了強大的AI能力支撐。但隨着用户快速增長、智能業務不斷升級，以及AI模型規模與複雜度持續上升，該公司的業務系統面臨愈發嚴峻的性能挑戰，如何從基礎設施重構、軟件優化等角度化解挑戰，是其必須面對的問題。

以開源深度學習框架TensorFlow的應用為例：美團在英特爾可擴展處理器的基礎上，從多維度進行深度改進，並採用了該公司推薦的技術優化方案。為進一步給推薦系統等應用進行AI賦能，美團使用TensorFlow進行模型訓練，採取分佈式計算方式解決海量參數的模型計算和參數更新問題。但隨着業務高速發展，不僅推薦系統模型的規模和複雜度也有所提升。還會暴露出一系列問題。性能瓶頸的凸顯，會帶來總體擁有成本的飆升，可能對上層業務造成負面影響。

為了解決性能瓶頸問題，有兩條路徑可供選擇：一條是迅速擴大基礎設施建設規模，但會增加成本壓力，並提升系統的整體複雜度；另一條是從系統與軟件層面進行優化，具備更高的經濟性與可行性。經過對TensorFlow框架與業務的分析定位，美團發現業務中的TensorFlow集羣均衡負載與分佈式集羣的通信機制、延遲、單實例性能，都是亟需重點優化的方向，與英特爾合作探索第二條路徑勢在必行。明確方向後，美團將TensorFlow系統構建在基於英特爾可擴展處理器的服務器集羣上，並採用CPU進行TensorFlow模型訓練，在推薦系統場景中還使用了TensorFlow PS異步訓練模式，支持業務分佈式訓練需求。

據瞭解，美團從單實例性能、分佈式計算優化等多層面進行了全方位實踐。新系統在支持能力層面，可做到千億參數模型、上千Worker分佈式訓練的近線性加速、全年樣本在1天內完成訓練，並支持在線深度學習的能力；各種架構和接口也更友好，得到了美團業務部門的認可。