近年來，隨著消費(fèi)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(duì)日趨復(fù)雜的環(huán)境，具備強(qiáng)大市場(chǎng)滲透力的數(shù)字化與智能化技術(shù)協(xié)同共進(jìn)，在推動(dòng)經(jīng)濟(jì)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(yíng)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?！包c(diǎn)外賣”為例，騎手、用戶和商家分別構(gòu)成就業(yè)、民生、經(jīng)濟(jì)的縮影，如果人工智能可以實(shí)現(xiàn)對(duì)這三大群體的賦能，就可以滿足不同場(chǎng)景下的配送需求，提升配送效率和用戶體驗(yàn)，從而實(shí)現(xiàn)“讓外賣觸達(dá)世界每個(gè)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(jí)與深度學(xué)習(xí)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(dá)，已成為生活常態(tài)。但是，做到這一點(diǎn)并不簡(jiǎn)單：以一個(gè)騎手送5份訂單為例，就要面向5個(gè)不同的商家和用戶，配送路線的組合達(dá)到上萬種。而在熱門的外賣平臺(tái)上，高峰期外賣日訂單量巨大，涉及騎手人數(shù)也眾多，實(shí)現(xiàn)30分鐘送達(dá)的目標(biāo)，路線組合更是天文數(shù)字。同時(shí)，對(duì)于老年人和兒童用戶來說，能通過語音操作無障礙完成點(diǎn)外賣的全部流程，就更凸現(xiàn)了人性化設(shè)計(jì)。

據(jù)美團(tuán)方面介紹，該公司的“技術(shù)助力生活”項(xiàng)目，其中一項(xiàng)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(shí)，通過定期做騎手來體驗(yàn)送餐過程中的痛點(diǎn)，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(wù)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(wù)。尤其當(dāng)用戶的需求送達(dá)公司的“超腦系統(tǒng)”后，這一大規(guī)模、高復(fù)雜度的多人多點(diǎn)實(shí)時(shí)智能配送調(diào)度系統(tǒng)，將會(huì)進(jìn)行快速計(jì)算，讓用戶獲得超預(yù)期的服務(wù)體驗(yàn)。而從2016年起，美團(tuán)就依托更多智能化技術(shù)，開始研發(fā)特定場(chǎng)景下的無人配送，在疫情防控期間得到檢驗(yàn)并取得進(jìn)展。

在整個(gè)外賣生態(tài)中，商戶群體是美團(tuán)賦能的另一核心領(lǐng)域。據(jù)悉，在“美團(tuán)商家大腦”中，有海量的用戶評(píng)價(jià)分析和知識(shí)關(guān)聯(lián)，商家只需要一個(gè)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(fèi)水平、環(huán)境偏好及相似商家等信息。同時(shí)，借助智能分析，商家還可以在服務(wù)現(xiàn)狀、競(jìng)爭(zhēng)力、商圈等層面得到洞察，為從開店到店面運(yùn)營(yíng)管理提供決策參考。

面對(duì)難題提供解決路徑

據(jù)介紹，外賣只是美團(tuán)構(gòu)建生活服務(wù)整體生態(tài)圖景的一部分，科技賦能所涉及的紛繁場(chǎng)景遠(yuǎn)不止于此。近年來，美團(tuán)組建了強(qiáng)大的人工智能技術(shù)團(tuán)隊(duì)，為商家選址、引流、外賣配送、經(jīng)營(yíng)管理、供應(yīng)鏈金融、營(yíng)銷推廣等一整套服務(wù)體系提供了強(qiáng)大的AI能力支撐。但隨著用戶快速增長(zhǎng)、智能業(yè)務(wù)不斷升級(jí)，以及AI模型規(guī)模與復(fù)雜度持續(xù)上升，該公司的業(yè)務(wù)系統(tǒng)面臨愈發(fā)嚴(yán)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(duì)的問題。

以開源深度學(xué)習(xí)框架TensorFlow的應(yīng)用為例：美團(tuán)在英特爾可擴(kuò)展處理器的基礎(chǔ)上，從多維度進(jìn)行深度改進(jìn)，并采用了該公司推薦的技術(shù)優(yōu)化方案。為進(jìn)一步給推薦系統(tǒng)等應(yīng)用進(jìn)行AI賦能，美團(tuán)使用TensorFlow進(jìn)行模型訓(xùn)練，采取分布式計(jì)算方式解決海量參數(shù)的模型計(jì)算和參數(shù)更新問題。但隨著業(yè)務(wù)高速發(fā)展，不僅推薦系統(tǒng)模型的規(guī)模和復(fù)雜度也有所提升。還會(huì)暴露出一系列問題。性能瓶頸的凸顯，會(huì)帶來總體擁有成本的飆升，可能對(duì)上層業(yè)務(wù)造成負(fù)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(kuò)大基礎(chǔ)設(shè)施建設(shè)規(guī)模，但會(huì)增加成本壓力，并提升系統(tǒng)的整體復(fù)雜度；另一條是從系統(tǒng)與軟件層面進(jìn)行優(yōu)化，具備更高的經(jīng)濟(jì)性與可行性。經(jīng)過對(duì)TensorFlow框架與業(yè)務(wù)的分析定位，美團(tuán)發(fā)現(xiàn)業(yè)務(wù)中的TensorFlow集群均衡負(fù)載與分布式集群的通信機(jī)制、延遲、單實(shí)例性能，都是亟需重點(diǎn)優(yōu)化的方向，與英特爾合作探索第二條路徑勢(shì)在必行。明確方向后，美團(tuán)將TensorFlow系統(tǒng)構(gòu)建在基于英特爾可擴(kuò)展處理器的服務(wù)器集群上，并采用CPU進(jìn)行TensorFlow模型訓(xùn)練，在推薦系統(tǒng)場(chǎng)景中還使用了TensorFlow PS異步訓(xùn)練模式，支持業(yè)務(wù)分布式訓(xùn)練需求。

據(jù)了解，美團(tuán)從單實(shí)例性能、分布式計(jì)算優(yōu)化等多層面進(jìn)行了全方位實(shí)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(xùn)練的近線性加速、全年樣本在1天內(nèi)完成訓(xùn)練，并支持在線深度學(xué)習(xí)的能力；各種架構(gòu)和接口也更友好，得到了美團(tuán)業(yè)務(wù)部門的認(rèn)可。