記者觀察：解析一餐外賣蘊藏的“計算力”

每增加一個訂單，系統要在毫秒內計算出最優路徑；高峰期每小時需執行約29億次的演算法……看似是體力活的外賣業，實則囊括了諸多前沿技術，是人工智慧的生動應用。一餐外賣中蘊藏著多少“計算力”？記者對此進行了調研。

高峰期每小時執行約29億次演算法

準時吃上一頓熱騰騰的外賣，不僅小哥腿跑得勤，更要路徑算得準。通常，騎手需同時配送多筆訂單，方能保證每一筆按時送達。先去哪取，先給誰送，走什麼路線，用戶要等待多久，都要靠大數據“算”出精準答案。

算數不難，難在算式的不斷變化。與快遞物流不同，外賣配送中，既沒有指定的騎手，也沒有固定的倉庫。訂單、人力、位置等都是動態調整。人員分配、餐箱容量、路況資訊、送達時間等成為制定路線必須考慮的因素。

記者調研多家外賣平臺發現，配送模型通常涉及100多個變數，大到天氣變化、商圈繁華程度，小到餐廳、小區位置，細到住宅是否有電梯、每道菜點單概率等，都在考慮之中。

美團配送人工智慧方向負責人何仁清告訴記者，在全國範圍，高峰期每小時需執行約29億次的路徑規划算法。

“一定程度上，産品是否滿足需求，服務是否貼心，核心在於能否通過高效的演算法釋放數據價值。數字化的過程，也是消費升級和産業轉型的過程。”中國科協黨組書記懷進鵬説，計算力將成為生産、服務最為重要的競爭力。

外賣有時也“看天吃飯” 數據計算有瓶頸

也許很難想像，天氣竟是影響智慧調度非常重要的因素。難道物流還怕下雨或颳風嗎？其實不然，這裡面有個精準度的概念。

面臨巨大數據體量和毫秒級決策時，任何細微的變化都能産生放大效應。外賣配送要求系統在毫秒內為騎手找到最優路徑的概率達到97%，包括小範圍內的雨量、風速以及與之相關的道路積水、騎手運力等指標都要盡可能精細。

“我們較難精確判斷出暴雨將如何影響騎手速度。而在這類天氣中，突發事件概率上升，訂單量往往成倍增加，帶來較大供需缺口。”何仁清説，這類情況下，外賣平臺通常通過用戶引導、接力配送等方式，緩解調度和計算壓力。

天氣指標只是影響算力的一個因素。在數據計算中，面臨來自數據提取、硬體運作、計算能力等一系列挑戰，也需要演算法之外，來自産業整體的協調配套能力。

工信部資訊中心副主任李德文説，目前我國數據整體存在品質不高、價值利用率低等問題，在新型計算平臺、分佈式計算架構等方面仍與國外存在差距。數據與産業融合、産業之間數據打通等，都需要進一步提升。

系統也和騎手學習 “人工+智慧”是方向

再聰明的“大腦”也需要不斷進化。讓外賣配送更智慧，也應加強系統本身的學習能力。

何仁清説，當前，外賣配送主要依託于地圖和導航，然而市面上的導航模組並不能滿足需求，在加強地址解析模組，修正導航和定位的同時，也依靠騎手標注和反饋。“比如，依託騎手行為數據，系統會得到更加精確的資訊。當騎手執行新線路時，系統會記錄且學習。”何仁清説。

沒有人力支撐，難談算力發展。“人工+智慧”將是大數據應用發展的主流方向。

李德文説，目前大數據應用還有很大成長空間，尤其需要注重人工對技術偏差的糾正和對模型的完善，加強數據與行為之間、數據與人之間的不斷學習，提升服務智慧化和決策精準度。