近年来（lái），随（suí）着消费互联网迈向纵深，产业互联网渐入佳境，各行各（gè）业的（de）数字化转（zhuǎn）型如火如荼。面对日趋复杂的环境，具（jù）备（bèi）强大市（shì）场（chǎng）渗透力的数字（zì）化与智能化技术协同共（gòng）进，在推动经（jīng）济发展、赋（fù）能小微企业、保障民生等领域将发挥巨大作用。在新（xīn）兴（xìng）技术阵营中（zhōng），人工智能释放的红利正让（ràng）人们（men）的生活变得更（gèng）加（jiā）美好（hǎo）。

以日常（cháng）“点外（wài）卖”为例，骑手、用户（hù）和商家分别构成就业、民生、经济的缩影，如（rú）果人（rén）工智能可以实现对这三大（dà）群体的赋能，就（jiù）可（kě）以满足不同场景下的配送需求，提升配送效率和用户体验，从而实现（xiàn）“让外卖触达世界每个角（jiǎo）落”的愿（yuàn）景。而人工（gōng）智能之所以（yǐ）能发挥作（zuò）用，离（lí）不开ICT基础架（jià）构的升级与深（shēn）度（dù）学习框架（jià）的跃迁。

科技（jì）力量（liàng）改变（biàn）外（wài）卖生态（tài）

一份外卖在30分钟内送达，已（yǐ）成（chéng）为生（shēng）活常态。但是，做到这一（yī）点（diǎn）并（bìng）不简（jiǎn）单：以一个骑手送（sòng）5份订单为例，就要面向5个（gè）不（bú）同的商家和用户，配送路线的（de）组合达到上万种。而在（zài）热门的（de）外卖平台上（shàng），高峰（fēng）期外卖日订（dìng）单量（liàng）巨大，涉及骑手人（rén）数也（yě）众（zhòng）多，实现30分钟送达（dá）的目标，路线组合更是天文数字（zì）。同时，对于老年人和（hé）儿童用户来（lái）说，能通过语（yǔ）音操作无障碍（ài）完成点外卖的全部流程，就（jiù）更凸现了人性化设（shè）计。

据美团（tuán）方面介绍，该公司的（de）“技术助力生活”项目，其中一项重要工作就是寻求骑手调（diào）度的最（zuì）优解。1万（wàn）多名工程师在用人工智能技术提高（gāo）效率的同时，通过定期做骑手来体验（yàn）送餐过程中的痛点，不断优化解决方案（àn）。此外，该公司（sī）结合“智能（néng）交互”技术（shù）打造（zào）的服务引擎，具备语音能力，能让老年人和儿童以便捷的交流（liú）方式获取服（fú）务。尤其当用户的需求送（sòng）达公司的“超脑系统”后，这一（yī）大规（guī）模、高复（fù）杂度（dù）的多人多点实（shí）时（shí）智能配送调度系统，将会（huì）进行快速计算（suàn），让用（yòng）户获得超预期（qī）的服务体验。而从2016年起，美团就依托更多智能化技术，开始研发特定（dìng）场景下的无人配送，在疫情防控期（qī）间得到（dào）检（jiǎn）验（yàn）并取得（dé）进展。

在整个外（wài）卖生态中，商户（hù）群（qún）体是美团赋（fù）能的另一核（hé）心领域（yù）。据悉，在“美团商（shāng）家大脑”中，有海量的用户评价分析和知识关（guān）联，商（shāng）家只需要（yào）一（yī）个SaaS收（shōu）银系（xì）统专业（yè）版，就能（néng）定期获取（qǔ）用户的情感曲线变化（huà）、消（xiāo）费水平、环境（jìng）偏好及（jí）相似商家等信息。同时，借助智能分析（xī），商家还（hái）可（kě）以在服务现（xiàn）状、竞争力、商圈等层面得（dé）到洞察，为从开店到（dào）店面运营管理提供决策参（cān）考（kǎo）。

面（miàn）对难题（tí）提供解决路（lù）径

据介绍，外卖只（zhī）是美团（tuán）构（gòu）建生活服务整体生（shēng）态（tài）图景的一部分（fèn），科技赋能所涉及的纷繁场景远不止于此。近年来，美（měi）团组建（jiàn）了（le）强（qiáng）大的（de）人工智能技（jì）术（shù）团队，为商家选（xuǎn）址、引流、外卖配送、经营（yíng）管理、供应链金融（róng）、营销推广等一整套服务体系提供（gòng）了（le）强大的AI能力支撑。但随着用户快速增长、智能业务不断升级，以及AI模型规模（mó）与复杂度持续上升，该（gāi）公司的业务系统面临愈（yù）发严峻的性能挑战，如（rú）何从基础设施（shī）重构、软件优化等角度化解挑战，是其必须面对的问题（tí）。

以开源深度学习框（kuàng）架TensorFlow的（de）应用（yòng）为例：美团在（zài）英特（tè）尔可扩展处（chù）理器（qì）的基（jī）础上，从多维度（dù）进行深度改进，并采用了（le）该公司推（tuī）荐的技术（shù）优（yōu）化（huà）方（fāng）案。为进一步给推荐系统等应用进行AI赋能，美团使用（yòng）TensorFlow进行（háng）模型训练，采取分布式计算（suàn）方式解（jiě）决海量参数的（de）模型计（jì）算和参数更新问题。但随着业务高速发展，不仅推荐系统模型的规模（mó）和复杂度也有所提升。还会暴露出一系列问题。性能瓶（píng）颈的凸显，会带来（lái）总体拥有成本的飙（biāo）升，可（kě）能（néng）对上层业务造（zào）成负面影（yǐng）响。

为（wéi）了解决（jué）性能瓶（píng）颈（jǐng）问题，有两条路径可供（gòng）选择：一条是迅速扩大基础设施建设规（guī）模，但（dàn）会增加成本压（yā）力，并提升系（xì）统的整体复杂度；另一条是从系统（tǒng）与软件层（céng）面进行优化，具备更高的经济性（xìng）与可（kě）行性。经过（guò）对TensorFlow框架与业务的分（fèn）析定位，美团发（fā）现业务中的TensorFlow集群均衡负载与分布式（shì）集群的通（tōng）信机制、延（yán）迟、单实例性能，都是亟需重点优化的（de）方向，与英（yīng）特尔（ěr）合作探（tàn）索第二条路径势在必行。明确方向后，美团将TensorFlow系统构建（jiàn）在基于英特尔可扩展处理器的服务器（qì）集群上，并（bìng）采用（yòng）CPU进行TensorFlow模型训练，在推（tuī）荐系统场景（jǐng）中还使用了TensorFlow PS异步（bù）训练模式，支持业务（wù）分布式训练需求。

据（jù）了解，美（měi）团从（cóng）单（dān）实例性能、分布式计算优化等多层面进行了全方位实践。新（xīn）系统在支持能力层面，可做（zuò）到千（qiān）亿参（cān）数模型、上千Worker分布式训练的近线（xiàn）性加速、全（quán）年（nián）样本在1天内完成训练，并支持在线深度学习的能力；各种（zhǒng）架构（gòu）和接口也更友好，得到了美团业务部门的认（rèn）可。