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”

新華社記者張辛欣

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”?記者對此進(jìn)行了調(diào)研。

新華網(wǎng)圖

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)最為重要的競爭力。

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。”何仁清說,這類情況下,外賣平臺通常通過用戶引導(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、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?！氨热?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)用還有很大成長空間,尤其需要注重人工對技術(shù)偏差的糾正和對模型的完善,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。