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。

　　高峰期每小時執行約29億次算法

　　准時吃上一頓熱騰騰的外賣，不僅小哥腿跑得勤，更要路徑算得准。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，走什麼路線，用戶要等待多久，都要靠大數據『算』出精准答案。

　　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，核心在於能否通過高效的算法釋放數據價值。數字化的過程，也是消費昇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，這裡面有個精准度的概念。

　　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，突發事件概率上昇，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，都需要進一步提昇。

　　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，外賣配送主要依托於地圖和導航，然而市面上的導航模塊並不能滿足需求，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。

　　沒有人力支橕，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，提昇服務智能化和決策精准度。