近（jìn）年来（lái），随（suí）着消费互联网迈向纵深（shēn），产业互联网渐入佳境，各行（háng）各（gè）业的数（shù）字化（huà）转型如火如（rú）荼。面对日（rì）趋复杂（zá）的环（huán）境（jìng），具（jù）备强大市场渗透力的（de）数字化与（yǔ）智能化技术协同共进，在推（tuī）动经济发展、赋（fù）能小微企业、保障民生等领域将发挥巨大作用。在（zài）新兴技术（shù）阵营中，人工智能（néng）释放的红利正让人们的（de）生活变（biàn）得更加美好。

以日常“点（diǎn）外卖”为例，骑（qí）手、用（yòng）户和商家分别构成就（jiù）业、民生（shēng）、经济的缩影，如果人工（gōng）智能可以实（shí）现对这三大群体的赋（fù）能，就（jiù）可（kě）以（yǐ）满（mǎn）足不（bú）同场景下的（de）配送需求（qiú），提升（shēng）配送效（xiào）率和用户体验，从而实现“让外（wài）卖触达世界每个（gè）角落”的愿景。而人工智能之所以能发挥作（zuò）用，离不开ICT基础架构的升级与深度学习框（kuàng）架（jià）的跃迁。

科技力量改变（biàn）外卖生态

一份（fèn）外卖在30分钟内送达，已成为生活常（cháng）态（tài）。但（dàn）是，做到这一点（diǎn）并（bìng）不简单：以一个骑手送5份订单（dān）为例，就要面向5个不（bú）同（tóng）的商家和用户（hù），配送路线的组合达到（dào）上万种（zhǒng）。而在热门的外卖平台上，高峰期外（wài）卖日订单量巨（jù）大，涉及骑手（shǒu）人数（shù）也众多，实现30分钟（zhōng）送达的目标，路线组合（hé）更（gèng）是天文数（shù）字。同（tóng）时，对（duì）于老年人和儿童（tóng）用户来说，能（néng）通过语音操作无障碍完成点外卖的（de）全部流程，就更凸（tū）现了人性化设计。

据美团方面介绍，该（gāi）公司的“技术助力生活”项目，其中一项（xiàng）重要工作就是寻求骑手（shǒu）调度的最优解（jiě）。1万多名工程（chéng）师在用人工智能技（jì）术提（tí）高效率的同时，通（tōng）过（guò）定期做骑手来体验（yàn）送（sòng）餐（cān）过程中的痛点，不断优（yōu）化解决方案（àn）。此外，该（gāi）公司结合“智能交互”技术（shù）打造的服务引擎，具备（bèi）语音能力（lì），能（néng）让老年人和儿童以便捷的交流（liú）方式获取服务。尤其当（dāng）用户的需求送达公（gōng）司的（de）“超（chāo）脑系统（tǒng）”后，这一大规模（mó）、高复（fù）杂度的多（duō）人多点实时智能配送（sòng）调度系（xì）统，将会进行快速计算，让用户获得超预期的服（fú）务体验。而（ér）从2016年（nián）起，美团就依托更多智能（néng）化（huà）技术，开（kāi）始（shǐ）研发特定（dìng）场景（jǐng）下（xià）的无（wú）人配送，在疫情防（fáng）控（kòng）期间得到检验并（bìng）取得进展。

在（zài）整个外卖生（shēng）态（tài）中，商户群（qún）体是（shì）美团赋能的另一核心（xīn）领域（yù）。据悉，在“美团商家大脑”中，有海量的用户（hù）评价分析和知识关联，商家（jiā）只需要一个SaaS收银系统专业版，就能定（dìng）期获取用（yòng）户的情感曲（qǔ）线变化、消费水（shuǐ）平、环境偏好及相（xiàng）似商家（jiā）等信息。同时（shí），借助智能分析，商家还可以在服务现（xiàn）状、竞争（zhēng）力、商圈（quān）等层（céng）面得到洞察，为（wéi）从开店到店面运营管理提（tí）供决策（cè）参考（kǎo）。

面对（duì）难题提供解决路（lù）径

据介绍，外卖只是美团构建生活（huó）服（fú）务（wù）整体生态图景的（de）一部分，科技赋（fù）能（néng）所涉及的（de）纷繁（fán）场景远不（bú）止于此（cǐ）。近（jìn）年来，美团组建了强大的人工（gōng）智能技术团队，为商家选址、引（yǐn）流、外卖配送、经营管理、供应链金（jīn）融、营销推广等一（yī）整套服务体（tǐ）系提供了强大的AI能力支撑。但随着（zhe）用户快速增长、智能业务不断升级，以及AI模型规模与复杂度持续上升，该公司的业（yè）务（wù）系统面临愈（yù）发严峻的性能挑战（zhàn），如何（hé）从基础设施重构、软件（jiàn）优化等角（jiǎo）度化解挑（tiāo）战，是其必须面对的问题。

以开源（yuán）深度学习框架TensorFlow的应（yīng）用为例（lì）：美团（tuán）在英特尔可扩展处理器（qì）的基础（chǔ）上，从多维度进行深度改进，并采用了该公（gōng）司推荐的技术优化方案。为进一（yī）步给推荐（jiàn）系统等（děng）应（yīng）用进行AI赋能（néng），美团使用TensorFlow进行（háng）模型训练，采（cǎi）取分布式计算方式解（jiě）决海量（liàng）参数的模型计算和参数更新（xīn）问题。但随着业务高速发展，不仅推荐系统模（mó）型的规模和复杂度也有所（suǒ）提升（shēng）。还会暴露出（chū）一系列问题。性能瓶颈的凸显，会（huì）带来（lái）总体（tǐ）拥（yōng）有成（chéng）本的飙升，可能对（duì）上层业务造成负面影响。

为了解决性能瓶颈（jǐng）问题，有两条路径可供选择：一条是迅速扩大（dà）基础（chǔ）设施（shī）建设规模，但会增加成本压力，并提升（shēng）系统的整体复杂度；另一条（tiáo）是（shì）从系统与软件层（céng）面进行优（yōu）化，具备更高（gāo）的经（jīng）济性与可行性。经过（guò）对TensorFlow框（kuàng）架与业务的分析定位，美团发现业（yè）务中的TensorFlow集群均衡负载与分布式集群的通信（xìn）机制、延迟、单实（shí）例性（xìng）能，都是亟需重（chóng）点（diǎn）优化的（de）方向，与英（yīng）特尔合作探索（suǒ）第二条路径势在（zài）必行（háng）。明确方向后，美团将TensorFlow系统构建在基于英（yīng）特尔可扩展处理器（qì）的服务（wù）器集（jí）群上（shàng），并采用CPU进行TensorFlow模型训（xùn）练（liàn），在推荐系统（tǒng）场（chǎng）景中还使用了TensorFlow PS异步训练模式（shì），支（zhī）持业务分（fèn）布式训练需（xū）求（qiú）。

据了解（jiě），美团从单实例性能、分（fèn）布式计算优（yōu）化等（děng）多层面（miàn）进行了全方位实践。新系统在支（zhī）持（chí）能（néng）力层面，可做到千亿参数模型、上千Worker分布式训练的近线性加速、全（quán）年样本在1天内完成训练，并（bìng）支持在线深度学习的（de）能力；各（gè）种架构和接（jiē）口也更友好，得到了美团业务部门的认（rèn）可。