近年來，隨著消費互聯網邁向縱深，產業互聯網漸入佳境，各行各業的數位轉型如火如荼。面對日益複雜的環境，具備強大市場滲透力的數位化與智慧化技術協同共進，在推動經濟發展、賦能小微企業、保障民生等領域將發揮巨大作用。在新興科技陣營中，人工智慧釋放的紅利正讓人們的生活變得更加美好。
以日常「點外賣」為例，騎士、使用者和商家分別構成就業、民生、經濟的縮影，如果人工智慧可以實現對這三大群體的賦能，就可以滿足不同場景下的配送需求，提升配送效率與使用者體驗，進而實現「讓外送觸達世界每個角落」的願景。而人工智慧之所以能發揮作用，離不開ICT基礎架構的升級與深度學習架構的躍遷。
一份外送在30分鐘內送達，已成為生活常態。但是，要做到這一點並不簡單：以一個騎士送5份訂單為例，就要面向5個不同的商家和用戶，配送路線的組合達到上萬種。而在熱門的外送平台上，高峰期外賣日訂單量龐大，涉及騎士人數也眾多，實現30分鐘送達的目標，路線組合更是天文數字。同時，對於老年人和兒童使用者來說，能透過語音操作無障礙完成點外送的整個流程，就更凸現了人性化設計。
根據美團方面介紹，該公司的「技術助力生活」項目，其中一項重要工作就是尋求騎手調度的最優解。 1萬多名工程師在用人工智慧技術提高效率的同時，透過定期當騎士來體驗送餐過程中的痛點，不斷優化解決方案。此外，該公司結合「智慧互動」技術所打造的服務引擎，具備語音能力，能讓老年人和兒童以便捷的溝通方式取得服務。尤其當用戶的需求送達公司的「超腦系統」後，這一大規模、高複雜度的多人多點即時智慧配送調度系統，將會進行快速計算，讓用戶獲得超預期的服務體驗。而從2016年起，美團就依托更多智慧化技術，開始研發特定場景下的無人配送，在疫情防控期間經過檢驗並取得進展。
在整個外送生態中，商家群體是美團賦能的另一個核心領域。據悉，在「美團商家大腦」中，有大量的用戶評估分析和知識關聯，商家只需要一個SaaS收銀系統專業版，就能定期獲取用戶的情緒曲線變化、消費水平、環境偏好及相似商家等資訊.同時，借助智慧分析，商家還可以在服務現況、競爭力、商圈等層面得到洞察，為從開店到店面營運管理提供決策參考。
據介紹，外賣只是美團建構生活服務整體生態圖景的一部分，科技賦能所涉及的紛繁場景遠不止於此。近年來，美團組成了強大的人工智慧技術團隊，為商家選址、引流、外送配送、經營管理、供應鏈金融、行銷推廣等一整套服務體系提供了強大的AI能力支撐。但隨著用戶快速成長、智慧業務不斷升級，以及AI模型規模與複雜度持續上升，該公司的業務系統面臨愈發嚴峻的性能挑戰，如何從基礎設施重構、軟體優化等角度化解挑戰，是其必須面對的問題。
以開源深度學習框架TensorFlow的應用為例：美團在英特爾可擴展處理器的基礎上，從多維度進行深度改進，並採用了該公司推薦的技術優化方案。為進一步給予推薦系統等應用進行AI賦能，美團使用TensorFlow進行模型訓練，採取分散式運算方式解決大量參數的模型計算與參數更新問題。但隨著業務高速發展，不僅推薦系統模型的規模和複雜度也有所提升。還會暴露出一系列問題。效能瓶頸的凸顯，會帶來整體擁有成本的飆升，可能對上層業務造成負面影響。
為了解決效能瓶頸問題，有兩條路徑可供選擇：一條是迅速擴大基礎設施建設規模，但會增加成本壓力，並提升系統的整體複雜度；另一條是從系統與軟體層面進行最佳化，具備更高的經濟性與可行性。經過TensorFlow框架與業務的分析定位，美團發現業務中的TensorFlow集群平衡負載與分散式集群的通訊機制、延遲、單一實例性能，都是亟需重點優化的方向，與英特爾合作探索第二條路徑勢在必行。明確方向後，美團將TensorFlow系統建置在基於英特爾可擴充處理器的伺服器叢集上，並採用CPU進行TensorFlow模型訓練，在推薦系統場景中也使用了TensorFlow PS非同步訓練模式，支援業務分散式訓練需求。
據了解，美團從單一實例效能、分散式運算最佳化等多層面進行了全方位實踐。新系統在支援能力層面，可做到千億參數模型、上千Worker分散式訓練的近線性加速、全年樣本在1天內完成訓練，並支援線上深度學習的能力；各種架構和介面也更友好，並得到了美團業務部門的認可。
以上是解決人工智慧瓶頸 推動外送產業發展的詳細內容。更多資訊請關注PHP中文網其他相關文章！
