人民网
人民网>>经济·科技

解决人工智能瓶颈 推动外卖行业发展

2022年07月08日08:04 | 来源:人民网
小字号

近年来,随着消费互联网迈向纵深,产业互联网渐入佳境,各行各业的数字化转型如火如荼。面对日趋复杂的环境,具备强大市场渗透力的数字化与智能化技术协同共进,在推动经济发展、赋能小微企业、保障民生等领域将发挥巨大作用。在新兴技术阵营中,人工智能释放的红利正让人们的生活变得更加美好。

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:美团在英特尔至强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至强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TensorFlow PS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。

(责编:董童、李源)

分享让更多人看到

返回顶部