新華社北京8月24日電 題:記者觀察:解析一餐外賣蘊藏的“計算力”

新華社記者張辛欣

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,是人工智能的生動應用。一餐外賣中蘊藏著多少“計算力”?記者對此進行了調研。

新華網圖

高峰期每小時執行約29億次算法

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,走什么路線,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、路況信息、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多個變量,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。

美團配送人工智能方向負責人何仁清告訴記者,在全國范圍,高峰期每小時需執行約29億次的路徑規劃算法。

“一定程度上,產品是否滿足需求,服務是否貼心,核心在于能否通過高效的算法釋放數據價值。數字化的過程,也是消費升級和產業轉型的過程。”中國科協黨組書記懷進鵬說,計算力將成為生產、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

也許很難想象,天氣竟是影響智能調度非常重要的因素。難道物流還怕下雨或刮風嗎?其實不然,這里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產生放大效應。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%,包括小范圍內的雨量、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。”何仁清說,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、硬件運行、計算能力等一系列挑戰,也需要算法之外,來自產業整體的協調配套能力。

工信部信息中心副主任李德文說,目前我國數據整體存在質量不高、價值利用率低等問題,在新型計算平臺、分布式計算架構等方面仍與國外存在差距。數據與產業融合、產業之間數據打通等,都需要進一步提升。

系統也和騎手學習 “人工+智能”是方向

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

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

沒有人力支撐,難談算力發展。“人工+智能”將是大數據應用發展的主流方向。

李德文說,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,提升服務智能化和決策精準度。