近年（nián）来，随着消费（fèi）互联网迈向纵深，产业互联网渐入佳境，各行各业（yè）的数字（zì）化转型如（rú）火如荼（tú）。面对日趋复杂的环境，具备（bèi）强大市场渗透力的数字化与智（zhì）能化技术协（xié）同共进，在推动经济发（fā）展、赋能（néng）小微企业、保障民生等领（lǐng）域将（jiāng）发挥巨大作用。在新（xīn）兴技术阵营（yíng）中，人工（gōng）智能释放的红（hóng）利正（zhèng）让人们的生活变得更（gèng）加美好。

以日常“点外卖”为例，骑手、用户和商家分别构成就业、民（mín）生、经济的缩影，如果人（rén）工（gōng）智（zhì）能可以（yǐ）实（shí）现对这三大群体的赋能，就可以满（mǎn）足不同场景下的配送需求，提（tí）升配送效率和用户体（tǐ）验，从而实现“让外卖触（chù）达世界（jiè）每个角落（luò）”的愿景。而人工（gōng）智能之所以能发（fā）挥作用，离不（bú）开ICT基础架构（gòu）的（de）升级与深度（dù）学习框架（jià）的跃（yuè）迁。

科技力（lì）量改变外卖生态

一份外卖在30分钟内送（sòng）达，已（yǐ）成为（wéi）生活常态（tài）。但是（shì），做到这一点并不简单：以（yǐ）一个骑手（shǒu）送5份订（dìng）单为例，就要（yào）面（miàn）向5个不同的（de）商家（jiā）和用户（hù），配送路线的组合达到上万种（zhǒng）。而在（zài）热门的外卖（mài）平（píng）台上，高（gāo）峰期外卖（mài）日订单量巨（jù）大，涉及骑手人数也众多（duō），实现30分钟送达的目标，路线组合更是天（tiān）文数字。同时（shí），对于（yú）老年（nián）人和儿童用户来说，能通过语音操作无（wú）障碍完成点外卖的全部流程，就更凸现了人性化设计（jì）。

据美团（tuán）方面介绍，该公司的（de）“技术助（zhù）力生活”项目，其中一项重要（yào）工作（zuò）就（jiù）是寻（xún）求骑手调度的最优解。1万多（duō）名工（gōng）程师在（zài）用人工（gōng）智（zhì）能（néng）技术（shù）提高效率的（de）同时，通过定期（qī）做骑（qí）手来体验送餐过程中的痛（tòng）点，不断优化解决方案。此外，该公（gōng）司结（jié）合“智能交互”技术打造的（de）服务引擎，具备语音（yīn）能力，能让老年（nián）人和儿童（tóng）以便捷的交流方式（shì）获取服务（wù）。尤其（qí）当用（yòng）户的需求送达公司的（de）“超脑系统”后，这一大规模、高复杂度的（de）多（duō）人多（duō）点实时智能配送调度系统，将会进行（háng）快速（sù）计算（suàn），让用户（hù）获得超预期的服务体验。而从2016年起，美团就依托更（gèng）多智能化技（jì）术（shù），开（kāi）始研发（fā）特定场（chǎng）景下（xià）的无人配送（sòng），在（zài）疫情（qíng）防（fáng）控期间得（dé）到检验并取得进展（zhǎn）。

在整个外卖生态中，商户群体（tǐ）是美团赋（fù）能的另一（yī）核心领域。据悉（xī），在（zài）“美（měi）团商家大脑”中（zhōng），有海量（liàng）的用户评（píng）价（jià）分（fèn）析和知识关联（lián），商家只需要一个SaaS收银系统（tǒng）专业（yè）版，就能（néng）定期获取（qǔ）用户的情感曲线变化、消费水平（píng）、环境偏（piān）好及（jí）相似商家等信息。同时，借（jiè）助智能分析，商家还可（kě）以在服务现状（zhuàng）、竞争力、商圈等层面得到洞察，为从开（kāi）店到店面运营管（guǎn）理提供决策（cè）参（cān）考。

面对难题提供解（jiě）决路径

据介绍，外卖（mài）只是美团构建生活（huó）服务整（zhěng）体（tǐ）生态图景的一部分，科技赋能所涉及（jí）的纷繁场景远不（bú）止（zhǐ）于此。近年来，美团（tuán）组建了（le）强大（dà）的人工（gōng）智能技术团队，为商家（jiā）选（xuǎn）址、引流、外卖配送、经营管理、供（gòng）应链金融（róng）、营销推广（guǎng）等一整套服务体系提供了强大的（de）AI能力支撑（chēng）。但随着用（yòng）户（hù）快速增长、智能业务不（bú）断升（shēng）级，以（yǐ）及AI模型规模与复杂度持续（xù）上升，该（gāi）公司的业务系统面临愈发严峻（jun4）的性（xìng）能挑战，如何从基础设施重构（gòu）、软件优化（huà）等角度（dù）化解（jiě）挑战，是其必（bì）须面对的问题。

以开源深度学（xué）习框（kuàng）架TensorFlow的应用为例：美团在英特尔可扩展（zhǎn）处理器的（de）基础（chǔ）上（shàng），从多维度进行深度改（gǎi）进，并采用了该公司推荐的技术优化方案。为进一步给推荐系统等应用进（jìn）行AI赋能，美团使用TensorFlow进行模型训练，采取分布式计算方式解决海量参数的模（mó）型计算和参数更新问（wèn）题。但随着业（yè）务高速发展，不仅推荐系统（tǒng）模型的规模和复杂度也有所提升。还会暴露出一系列问题（tí）。性能瓶颈（jǐng）的凸显，会带来总体拥有成本的（de）飙升，可能对上层业务造（zào）成负面影响。

为了（le）解（jiě）决性能瓶颈问题（tí），有两（liǎng）条路径可供（gòng）选择：一（yī）条是迅（xùn）速扩大（dà）基础设施建（jiàn）设规模，但会增加成本压力（lì），并提升系统的整体复杂（zá）度（dù）；另一条是从（cóng）系统与软件层（céng）面进行优化，具备更（gèng）高的经济性（xìng）与可行性。经过对（duì）TensorFlow框架（jià）与业务的分析定位，美（měi）团发（fā）现业务中的（de）TensorFlow集群均衡负（fù）载与分布（bù）式集群的通信机制、延迟（chí）、单（dān）实例性能，都（dōu）是亟需重点优化的方向，与英特尔合作探索第二条（tiáo）路（lù）径势在必行（háng）。明确方向后，美团将TensorFlow系统构（gòu）建（jiàn）在基于英（yīng）特尔可（kě）扩展（zhǎn）处（chù）理器的服务（wù）器集群上，并采（cǎi）用CPU进行TensorFlow模型（xíng）训（xùn）练，在推荐系统场（chǎng）景中还使用了TensorFlow PS异步训练（liàn）模式，支持业务分布式训练需求。

据了解，美团从单实例性能（néng）、分（fèn）布式计算优化等（děng）多层（céng）面（miàn）进行了全方位实践。新系统在支持能力层面（miàn），可做到千亿参数（shù）模型、上千Worker分布式训练的近线性加速、全年样本（běn）在1天内完成训练（liàn），并支持（chí）在线深度学习的能力；各种架构和接口也更友（yǒu）好（hǎo），得到了美团（tuán）业务部门（mén）的认可。