以日常“点外卖”为例，骑手、用户和商家分别构成就业、民生、经济的缩影，如果人工智能可以实现对这三大群体的赋能，就可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“让外卖触达世界每个角落”的愿景。而人工智能之所以能发挥作用，离不开ICT基础架构的升级与深度学习框架的跃迁。
科技力量改变外卖生态
一份外卖在30分钟内送达，已成为生活常态。但是，做到这一点并不简单：以一个骑手送5份订单为例，就要面向5个不同的商家和用户，配送路线的组合达到上万种。而在热门的外卖平台上，高峰期外卖日订单量巨大，涉及骑手人数也众多，实现30分钟送达的目标，路线组合更是天文数字。同时，对于老年人和儿童用户来说，能通过语音操作无障碍完成点外卖的全部流程，就更凸现了人性化设计。
据美团方面介绍，该公司的“技术助力生活”项目，其中一项重要工作就是寻求骑手调度的最优解。1万多名工程师在用人工智能技术提高效率的同时，通过定期做骑手来体验送餐过程中的痛点，不断优化解决方案。此外，该公司结合“智能交互”技术打造的服务引擎，具备语音能力，能让老年人和儿童以便捷的交流方式获取服务。尤其当用户的需求送达公司的“超脑系统”后，这一大规模、高复杂度的多人多点实时智能配送调度系统，将会进行快速计算，让用户获得超预期的服务体验。而从2016年起，美团就依托更多智能化技术，开始研发特定场景下的无人配送，在疫情防控期间得到检验并取得进展。
在整个外卖生态中，商户群体是美团赋能的另一核心领域。据悉，在“美团商家大脑”中，有海量的用户评价分析和知识关联，商家只需要一个SaaS收银系统专业版，就能定期获取用户的情感曲线变化、消费水平、环境偏好及相似商家等信息。同时，借助智能分析，商家还可以在服务现状、竞争力、商圈等层面得到洞察，为从开店到店面运营管理提供决策参考。
面对难题提供解决路径
据介绍，外卖只是美团构建生活服务整体生态图景的一部分，科技赋能所涉及的纷繁场景远不止于此。近年来，美团组建了强大的人工智能技术团队，为商家选址、引流、外卖配送、经营管理、供应链金融、营销推广等一整套服务体系提供了强大的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模型规模与复杂度持续上升，该公司的业务系统面临愈发严峻的性能挑战，如何从基础设施重构、软件优化等角度化解挑战，是其必须面对的问题。
以开源深度学习框架TensorFlow的
应用为例：美团在英特尔可扩展处理器的基础上，从多维度进行深度改进，并采用了该公司推荐的技术优化方案。为进一步给推荐系统等应用进行AI赋能，美团使用TensorFlow进行模型训练，采取分布式计算方式解决海量参数的模型计算和参数更新问题。但随着业务高速发展，不仅推荐系统模型的规模和复杂度也有所提升。还会暴露出一系列问题。性能瓶颈的凸显，会带来总体拥有成本的飙升，可能对上层业务造成负面影响。
为了解决性能瓶颈问题，有两条路径可供选择：一条是迅速扩大基础设施建设规模，但会增加成本压力，并提升系统的整体复杂度；另一条是从系统与软件层面进行优化，具备更高的经济性与可行性。经过对TensorFlow框架与业务的分析定位，美团发现业务中的TensorFlow集群均衡负载与分布式集群的通信机制、延迟、单实例性能，都是亟需重点优化的方向，与英特尔合作探索第二条路径势在必行。明确方向后，美团将TensorFlow系统构建在基于英特尔可扩展处理器的服务器集群上，并采用CPU进行TensorFlow模型训练，在推荐系统场景中还使用了TensorFlowPS异步训练模式，支持业务分布式训练需求。
据了解，美团从单实例性能、分布式计算优化等多层面进行了全方位实践。新系统在支持能力层面，可做到千亿参数模型、上千Worker分布式训练的近线性加速、全年样本在1天内完成训练，并支持在线深度学习的能力；各种架构和接口也更友好，得到了美团业务部门的认可。
