近年來，隨著消費互聯(lián)網(wǎng)邁向縱深，產(chǎn)業(yè)互聯(lián)網(wǎng)漸入佳境，各行各業(yè)的數(shù)字化轉(zhuǎn)型如火如荼。面對日趨復雜的環(huán)境，具備強大市場滲透力的數(shù)字化與智能化技術(shù)協(xié)同共進，在推動經(jīng)濟發(fā)展、賦能小微企業(yè)、保障民生等領(lǐng)域?qū)l(fā)揮巨大作用。在新興技術(shù)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、用戶和商家分別構(gòu)成就業(yè)、民生、經(jīng)濟的縮影，如果人工智能可以實現(xiàn)對這三大群體的賦能，就可以滿足不同場景下的配送需求，提升配送效率和用戶體驗，從而實現(xiàn)“讓外賣觸達世界每個角落”的愿景。而人工智能之所以能發(fā)揮作用，離不開ICT基礎(chǔ)架構(gòu)的升級與深度學習框架的躍遷。

科技力量改變外賣生態(tài)

一份外賣在30分鐘內(nèi)送達，已成為生活常態(tài)。但是，做到這一點并不簡單：以一個騎手送5份訂單為例，就要面向5個不同的商家和用戶，配送路線的組合達到上萬種。而在熱門的外賣平臺上，高峰期外賣日訂單量巨大，涉及騎手人數(shù)也眾多，實現(xiàn)30分鐘送達的目標，路線組合更是天文數(shù)字。同時，對于老年人和兒童用戶來說，能通過語音操作無障礙完成點外賣的全部流程，就更凸現(xiàn)了人性化設(shè)計。

據(jù)美團方面介紹，該公司的“技術(shù)助力生活”項目，其中一項重要工作就是尋求騎手調(diào)度的最優(yōu)解。1萬多名工程師在用人工智能技術(shù)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(yōu)化解決方案。此外，該公司結(jié)合“智能交互”技術(shù)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。尤其當用戶的需求送達公司的“超腦系統(tǒng)”后，這一大規(guī)模、高復雜度的多人多點實時智能配送調(diào)度系統(tǒng)，將會進行快速計算，讓用戶獲得超預期的服務體驗。而從2016年起，美團就依托更多智能化技術(shù)，開始研發(fā)特定場景下的無人配送，在疫情防控期間得到檢驗并取得進展。

在整個外賣生態(tài)中，商戶群體是美團賦能的另一核心領(lǐng)域。據(jù)悉，在“美團商家大腦”中，有海量的用戶評價分析和知識關(guān)聯(lián)，商家只需要一個SaaS收銀系統(tǒng)專業(yè)版，就能定期獲取用戶的情感曲線變化、消費水平、環(huán)境偏好及相似商家等信息。同時，借助智能分析，商家還可以在服務現(xiàn)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(jù)介紹，外賣只是美團構(gòu)建生活服務整體生態(tài)圖景的一部分，科技賦能所涉及的紛繁場景遠不止于此。近年來，美團組建了強大的人工智能技術(shù)團隊，為商家選址、引流、外賣配送、經(jīng)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。但隨著用戶快速增長、智能業(yè)務不斷升級，以及AI模型規(guī)模與復雜度持續(xù)上升，該公司的業(yè)務系統(tǒng)面臨愈發(fā)嚴峻的性能挑戰(zhàn)，如何從基礎(chǔ)設(shè)施重構(gòu)、軟件優(yōu)化等角度化解挑戰(zhàn)，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(chǔ)上，從多維度進行深度改進，并采用了該公司推薦的技術(shù)優(yōu)化方案。為進一步給推薦系統(tǒng)等應用進行AI賦能，美團使用TensorFlow進行模型訓練，采取分布式計算方式解決海量參數(shù)的模型計算和參數(shù)更新問題。但隨著業(yè)務高速發(fā)展，不僅推薦系統(tǒng)模型的規(guī)模和復雜度也有所提升。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(yè)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(chǔ)設(shè)施建設(shè)規(guī)模，但會增加成本壓力，并提升系統(tǒng)的整體復雜度；另一條是從系統(tǒng)與軟件層面進行優(yōu)化，具備更高的經(jīng)濟性與可行性。經(jīng)過對TensorFlow框架與業(yè)務的分析定位，美團發(fā)現(xiàn)業(yè)務中的TensorFlow集群均衡負載與分布式集群的通信機制、延遲、單實例性能，都是亟需重點優(yōu)化的方向，與英特爾合作探索第二條路徑勢在必行。明確方向后，美團將TensorFlow系統(tǒng)構(gòu)建在基于英特爾可擴展處理器的服務器集群上，并采用CPU進行TensorFlow模型訓練，在推薦系統(tǒng)場景中還使用了TensorFlow PS異步訓練模式，支持業(yè)務分布式訓練需求。

據(jù)了解，美團從單實例性能、分布式計算優(yōu)化等多層面進行了全方位實踐。新系統(tǒng)在支持能力層面，可做到千億參數(shù)模型、上千Worker分布式訓練的近線性加速、全年樣本在1天內(nèi)完成訓練，并支持在線深度學習的能力；各種架構(gòu)和接口也更友好，得到了美團業(yè)務部門的認可。