近年（nián）来（lái），随着消费互联网迈向纵深，产业互联（lián）网渐入佳（jiā）境（jìng），各行各业的数字化转型如（rú）火如荼。面（miàn）对（duì）日趋（qū）复（fù）杂的（de）环（huán）境，具备强大市场渗（shèn）透力的数字化（huà）与智（zhì）能化（huà）技术协同共进，在推（tuī）动经济发展、赋能小微企业、保障民生等领域将（jiāng）发挥巨大作（zuò）用（yòng）。在新（xīn）兴技术阵营中，人工智能释放的红利（lì）正让（ràng）人（rén）们的生活变得（dé）更加美好。

以日常（cháng）“点外卖”为例，骑手（shǒu）、用户和商家分别构成就业、民生（shēng）、经济的缩影，如果人工智能可以实现对这三大群体的赋能，就可以满足不同场景下的配送需求，提升配送效率和用（yòng）户体验，从而实（shí）现“让（ràng）外卖触达世界每个角落”的愿（yuàn）景。而人（rén）工智能（néng）之所以能发挥作（zuò）用，离不开ICT基础架构（gòu）的升级与深（shēn）度学习框架的跃迁。

科技力（lì）量改变外卖生态

一份外（wài）卖在30分钟（zhōng）内送达，已成为生活（huó）常态。但是，做到这一点并不简（jiǎn）单：以一（yī）个骑手送5份订单为例，就要（yào）面向5个不同（tóng）的商家和用（yòng）户（hù），配送路线的（de）组（zǔ）合达到（dào）上（shàng）万种。而在（zài）热门的（de）外（wài）卖平（píng）台（tái）上（shàng），高峰期外卖日订（dìng）单量巨大，涉及骑手人数也众（zhòng）多，实现30分钟送达的目标（biāo），路线组合更是天文数字。同时，对于老年人和儿童（tóng）用（yòng）户来说（shuō），能（néng）通（tōng）过语音操作（zuò）无障碍完成点外卖（mài）的（de）全（quán）部流程，就更（gèng）凸现了人（rén）性化设计。

据美团（tuán）方面介绍，该公（gōng）司的“技术助力生活”项（xiàng）目，其中（zhōng）一项重要工（gōng）作（zuò）就是寻求骑手（shǒu）调度的最（zuì）优解（jiě）。1万（wàn）多名工程师（shī）在用（yòng）人（rén）工智能技术提高效率的同时，通过定期（qī）做骑手来体（tǐ）验送餐（cān）过（guò）程中的痛点，不断优化（huà）解（jiě）决（jué）方（fāng）案。此外，该公司结合“智能交互”技术打造的（de）服（fú）务引擎，具备语音能力，能让老（lǎo）年人（rén）和儿童（tóng）以便捷的交（jiāo）流方式获取服务（wù）。尤（yóu）其当（dāng）用户的需求送达公司的（de）“超（chāo）脑系（xì）统”后，这一（yī）大规模、高（gāo）复杂度的多人（rén）多点实时（shí）智能配送调（diào）度（dù）系（xì）统，将（jiāng）会进（jìn）行快速计算，让用户（hù）获得超预期的服务体验。而从2016年（nián）起，美团就依托更多智能化技术，开（kāi）始研发特定场景（jǐng）下（xià）的无（wú）人配送，在（zài）疫情（qíng）防控期间得到检验并取得进展。

在（zài）整个外卖生态中，商（shāng）户（hù）群体是美团赋能的另一核心领域。据悉（xī），在“美团（tuán）商家（jiā）大脑”中，有海量的用户评价分析和知（zhī）识关联，商家只需要一个SaaS收（shōu）银系（xì）统（tǒng）专业版，就（jiù）能定期获取用户的情感曲线（xiàn）变化、消费水平、环境偏好及相似商家等信（xìn）息。同时，借助智能分析，商家还可（kě）以（yǐ）在服务现状（zhuàng）、竞争力、商圈等层面得到（dào）洞察（chá），为从开（kāi）店到店（diàn）面运营管理提供决策参考（kǎo）。

面对难题提供解（jiě）决路径

据介绍（shào），外卖只是（shì）美团构建（jiàn）生活服务（wù）整体（tǐ）生态图景的一部分，科技赋能所涉及的（de）纷（fēn）繁（fán）场（chǎng）景（jǐng）远不止于此。近年来，美团组（zǔ）建了强（qiáng）大的人（rén）工智能技术团队，为商家（jiā）选址、引流、外卖配（pèi）送、经（jīng）营管理、供应链金融、营销推广等一整套服务体系提供了强大的AI能力支撑。但随着用户快速增长（zhǎng）、智（zhì）能（néng）业务不断升级，以及（jí）AI模型（xíng）规模（mó）与复杂度持续上升，该（gāi）公司的业务系统面临愈发严峻的性（xìng）能挑战，如何从基（jī）础设施重构、软（ruǎn）件优化（huà）等角度化解（jiě）挑（tiāo）战，是其必须面对的问题。

以开源深度学习（xí）框架TensorFlow的应（yīng）用为例：美团在英特尔可扩展处理器的基础上，从多（duō）维度进行深度改进，并采（cǎi）用（yòng）了该公司推荐的技术（shù）优（yōu）化方案。为进一步给推荐（jiàn）系统（tǒng）等应用（yòng）进行AI赋（fù）能（néng），美团使（shǐ）用TensorFlow进行模型训练（liàn），采取分布式计算方式解决海量参数的模型计（jì）算（suàn）和参数（shù）更（gèng）新问题。但（dàn）随着业务（wù）高（gāo）速发展，不仅推荐系统模型（xíng）的规（guī）模和复杂度（dù）也有所（suǒ）提升。还（hái）会暴露出一系（xì）列问题。性（xìng）能瓶颈的凸（tū）显，会带来（lái）总体拥有成本的飙（biāo）升，可（kě）能对上层业务造成（chéng）负面影响。

为了解（jiě）决性能瓶颈问题，有两条路径可（kě）供选择：一条（tiáo）是迅（xùn）速扩大基础设（shè）施建（jiàn）设（shè）规（guī）模，但会增加成本压力，并提升系统的整体复杂（zá）度；另一条是从系统与（yǔ）软件层（céng）面进行（háng）优化，具备更（gèng）高的经济性（xìng）与可行性。经过对TensorFlow框架与业务的分析定位，美团发现业务（wù）中的TensorFlow集群均衡负载与分布（bù）式集群的（de）通信机制、延（yán）迟、单实例性能，都是（shì）亟需重点优化的方向，与英特尔合（hé）作探索第二条路径势在必行。明（míng）确（què）方向后，美（měi）团将TensorFlow系统构建在基于英（yīng）特尔可扩（kuò）展处理器的服务器集群上，并（bìng）采用CPU进行TensorFlow模型训练，在推荐系（xì）统场景中还（hái）使用了TensorFlow PS异步训练模式（shì），支持业务（wù）分布式训（xùn）练（liàn）需求。

据了解（jiě），美团从单实例（lì）性能、分布式计算优化等（děng）多层面（miàn）进行了全方位（wèi）实践。新系统在（zài）支持能力层（céng）面（miàn），可做到千亿参（cān）数模（mó）型（xíng）、上千Worker分（fèn）布式（shì）训（xùn）练（liàn）的近线（xiàn）性加速、全年样本（běn）在1天（tiān）内完成（chéng）训练，并支（zhī）持在线深度学习的能力；各种架构（gòu）和接（jiē）口也更友好，得到了美团业务部门的认可。