记者观察：解析一餐外卖蕴藏的“计算力”

每增加一个订单，系统要在毫秒内计算出最优路径；高峰期每小时需执行约29亿次的算法……看似是体力活的外卖业，实则囊括了诸多前沿技术，是人工智能的生动应用。一餐外卖中蕴藏着多少“计算力”？记者对此进行了调研。

高峰期每小时执行约29亿次算法

准时吃上一顿热腾腾的外卖，不仅小哥腿跑得勤，更要路径算得准。通常，骑手需同时配送多笔订单，方能保证每一笔按时送达。先去哪取，先给谁送，走什么路线，用户要等待多久，都要靠大数据“算”出精准答案。

算数不难，难在算式的不断变化。与快递物流不同，外卖配送中，既没有指定的骑手，也没有固定的仓库。订单、人力、位置等都是动态调整。人员分配、餐箱容量、路况信息、送达时间等成为制定路线必须考虑的因素。

记者调研多家外卖平台发现，配送模型通常涉及100多个变量，大到天气变化、商圈繁华程度，小到餐厅、小区位置，细到住宅是否有电梯、每道菜点单概率等，都在考虑之中。

美团配送人工智能方向负责人何仁清告诉记者，在全国范围，高峰期每小时需执行约29亿次的路径规划算法。

“一定程度上，产品是否满足需求，服务是否贴心，核心在于能否通过高效的算法释放数据价值。数字化的过程，也是消费升级和产业转型的过程。”中国科协党组书记怀进鹏说，计算力将成为生产、服务最为重要的竞争力。

外卖有时也“看天吃饭” 数据计算有瓶颈

也许很难想象，天气竟是影响智能调度非常重要的因素。难道物流还怕下雨或刮风吗？其实不然，这里面有个精准度的概念。

面临巨大数据体量和毫秒级决策时，任何细微的变化都能产生放大效应。外卖配送要求系统在毫秒内为骑手找到最优路径的概率达到97%，包括小范围内的雨量、风速以及与之相关的道路积水、骑手运力等指标都要尽可能精细。

“我们较难精确判断出暴雨将如何影响骑手速度。而在这类天气中，突发事件概率上升，订单量往往成倍增加，带来较大供需缺口。”何仁清说，这类情况下，外卖平台通常通过用户引导、接力配送等方式，缓解调度和计算压力。

天气指标只是影响算力的一个因素。在数据计算中，面临来自数据提取、硬件运行、计算能力等一系列挑战，也需要算法之外，来自产业整体的协调配套能力。

工信部信息中心副主任李德文说，目前我国数据整体存在质量不高、价值利用率低等问题，在新型计算平台、分布式计算架构等方面仍与国外存在差距。数据与产业融合、产业之间数据打通等，都需要进一步提升。

系统也和骑手学习 “人工+智能”是方向

再聪明的“大脑”也需要不断进化。让外卖配送更智能，也应加强系统本身的学习能力。

何仁清说，当前，外卖配送主要依托于地图和导航，然而市面上的导航模块并不能满足需求，在加强地址解析模块，修正导航和定位的同时，也依靠骑手标注和反馈。“比如，依托骑手行为数据，系统会得到更加精确的信息。当骑手执行新线路时，系统会记录且学习。”何仁清说。

没有人力支撑，难谈算力发展。“人工+智能”将是大数据应用发展的主流方向。

李德文说，目前大数据应用还有很大成长空间，尤其需要注重人工对技术偏差的纠正和对模型的完善，加强数据与行为之间、数据与人之间的不断学习，提升服务智能化和决策精准度。