新華社北京8月24日電 題：記者觀察：解析一餐外賣蘊(yùn)藏的“計(jì)算力”

每增加一個(gè)訂單，系統(tǒng)要在毫秒內(nèi)計(jì)算出最優(yōu)路徑,；高峰期每小時(shí)需執(zhí)行約29億次的算法……看似是體力活的外賣業(yè),，實(shí)則囊括了諸多前沿技術(shù)，是人工智能的生動(dòng)應(yīng)用,。一餐外賣中蘊(yùn)藏著多少“計(jì)算力”？記者對(duì)此進(jìn)行了調(diào)研,。

高峰期每小時(shí)執(zhí)行約29億次算法

準(zhǔn)時(shí)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(zhǔn)。通常，騎手需同時(shí)配送多筆訂單,，方能保證每一筆按時(shí)送達(dá),。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(shù)據(jù)“算”出精準(zhǔn)答案。

算數(shù)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(dòng)態(tài)調(diào)整,。人員分配,、餐箱容量,、路況信息,、送達(dá)時(shí)間等成為制定路線必須考慮的因素,。

記者調(diào)研多家外賣平臺(tái)發(fā)現(xiàn)，配送模型通常涉及100多個(gè)變量,，大到天氣變化,、商圈繁華程度，小到餐廳,、小區(qū)位置,，細(xì)到住宅是否有電梯、每道菜點(diǎn)單概率等,，都在考慮之中,。

美團(tuán)配送人工智能方向負(fù)責(zé)人何仁清告訴記者，在全國范圍,，高峰期每小時(shí)需執(zhí)行約29億次的路徑規(guī)劃算法,。

“一定程度上，產(chǎn)品是否滿足需求,，服務(wù)是否貼心,，核心在于能否通過高效的算法釋放數(shù)據(jù)價(jià)值。數(shù)字化的過程,，也是消費(fèi)升級(jí)和產(chǎn)業(yè)轉(zhuǎn)型的過程?！敝袊茀f(xié)黨組書記懷進(jìn)鵬說,，計(jì)算力將成為生產(chǎn)、服務(wù)最為重要的競(jìng)爭(zhēng)力,。

外賣有時(shí)也“看天吃飯” 數(shù)據(jù)計(jì)算有瓶頸

也許很難想象,，天氣竟是影響智能調(diào)度非常重要的因素。難道物流還怕下雨或刮風(fēng)嗎,？其實(shí)不然,，這里面有個(gè)精準(zhǔn)度的概念。

面臨巨大數(shù)據(jù)體量和毫秒級(jí)決策時(shí),，任何細(xì)微的變化都能產(chǎn)生放大效應(yīng),。外賣配送要求系統(tǒng)在毫秒內(nèi)為騎手找到最優(yōu)路徑的概率達(dá)到97%，包括小范圍內(nèi)的雨量,、風(fēng)速以及與之相關(guān)的道路積水,、騎手運(yùn)力等指標(biāo)都要盡可能精細(xì)。

“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(fā)事件概率上升，訂單量往往成倍增加,，帶來較大供需缺口,?！焙稳是逭f，這類情況下,，外賣平臺(tái)通常通過用戶引導(dǎo),、接力配送等方式，緩解調(diào)度和計(jì)算壓力,。

天氣指標(biāo)只是影響算力的一個(gè)因素,。在數(shù)據(jù)計(jì)算中，面臨來自數(shù)據(jù)提取,、硬件運(yùn)行,、計(jì)算能力等一系列挑戰(zhàn)，也需要算法之外,，來自產(chǎn)業(yè)整體的協(xié)調(diào)配套能力,。

工信部信息中心副主任李德文說，目前我國數(shù)據(jù)整體存在質(zhì)量不高,、價(jià)值利用率低等問題,，在新型計(jì)算平臺(tái)、分布式計(jì)算架構(gòu)等方面仍與國外存在差距,。數(shù)據(jù)與產(chǎn)業(yè)融合,、產(chǎn)業(yè)之間數(shù)據(jù)打通等，都需要進(jìn)一步提升,。

系統(tǒng)也和騎手學(xué)習(xí) “人工+智能”是方向

再聰明的“大腦”也需要不斷進(jìn)化,。讓外賣配送更智能，也應(yīng)加強(qiáng)系統(tǒng)本身的學(xué)習(xí)能力,。

何仁清說,，當(dāng)前，外賣配送主要依托于地圖和導(dǎo)航,，然而市面上的導(dǎo)航模塊并不能滿足需求,，在加強(qiáng)地址解析模塊，修正導(dǎo)航和定位的同時(shí),，也依靠騎手標(biāo)注和反饋,。“比如,，依托騎手行為數(shù)據(jù),，系統(tǒng)會(huì)得到更加精確的信息。當(dāng)騎手執(zhí)行新線路時(shí),，系統(tǒng)會(huì)記錄且學(xué)習(xí),。”何仁清說,。

沒有人力支撐,，難談算力發(fā)展,。“人工+智能”將是大數(shù)據(jù)應(yīng)用發(fā)展的主流方向,。

李德文說,，目前大數(shù)據(jù)應(yīng)用還有很大成長(zhǎng)空間，尤其需要注重人工對(duì)技術(shù)偏差的糾正和對(duì)模型的完善,，加強(qiáng)數(shù)據(jù)與行為之間,、數(shù)據(jù)與人之間的不斷學(xué)習(xí)，提升服務(wù)智能化和決策精準(zhǔn)度,。