美团点评，近6万员工规模公司，超过1万的工程师团队，近400亿美元市值。

最近一季营收190亿元，第一大收入源外卖业务，贡献111.72亿元，占比59%，是这家中国第四大互联网公司直接实力所在。

按照美团点评最新数据，在外卖业务中，每天要调度的骑手超过53万，餐饮外卖日均交易笔为1940万单。

但这一切还不止冰冷理性的数据，因为在每一单过程中，商家出餐、配送距离、电梯楼梯、道路状况，以及风霜雨雪等时空因素，均在其中。

然而得益于美团配送网络，目前一切有条不紊，即便订单还在日增月涨，基于智能大脑的配送网络依然有序运行，调度系统高峰期每小时进行着29亿的路径计算次数。

当然，AI和算法驱动世界向前，早已司空见惯。

不过最让人惊叹的是，这样一个规模庞大、情况复杂，且需实时计算的算法模型背后，只50名算法工程师而已。

好一个自动化范例。

技术变革风云

AI主导，算法派单，并不难理解。

53万骑手——规模和数量都不容小觑，但得益于AI大脑和中枢，他们可以调度有序、高速运转。

它承集四面八方汇集而来的每一笔订单，然后又经过实时计算处理，最后精细又精确地分配到骑手，并且在配送过程中协助骑手完成整个任务。

它是一个统一的中枢，同时也是每个骑手个性化助理。

美团也解释过基本原理，先通过感知将线下业务数字化，再对这些“大数据”进行分析，然后“智能化”打造AI模型，最终应用于落地配送，让AI无所不在。

但总结易而启动难，其实在美团外卖成立伊始，情况截然不同。

那时美团外卖采取的策略是“人工派单+骑手抢单”。

即用户下单之后，形成订单池，骑手会根据自己的情况抢单派送。

这就要求每一级渠道都有强运营效率，极度依赖配送点站长，极度依赖人类成熟经验。

据当时负责系统搭建的同学回忆说，在派单系统上线之前通常情况是先组建外卖配送群，然后一有单来，每个站点的派单员再往群里分销，有人接就接，没人接派单员就通过电话等方式直接指定骑手配送。

缺陷也是天然的。

首先，效率很低，因为依赖人工分发，每分钟最多只能派出5-6单，且非常依赖调度员的能力，站长强则强，站长弱就弱。

其次，用户体验难以保证。抢单决策完全出自骑手当时当地情况，一旦具体骑手贪多嚼不烂、错误预估配送时间，走错路等，就会直接影响用户体验。

更核心的问题是，人类经验难以标准化快速培训。外卖骑手行业人员流动性不小，倚重骑手能力的抢单模式，一旦换成新人，又需要时间适应业务，既不是提升效率的好方法，更不利于规模化拓展。

但历史进程里的美团，没得选。

美团外卖在2013年正式推出，已是后来者。当时饿了么已经成立5年，重兵都在外卖配送，到2015年百度也已叫响O2O，说要先花200亿砸出份额。

说起搞外卖，美团不仅是新玩家，他们自己内部也是新业务。

所以想要后来居上，打法就变得关键。

想要快速突进快速抢占市场份额，最大限度争取骑手就成关键所在。

而且抢单系统开发本身并不复杂，骑手可以自主抢单，多劳多得，有利于激发积极性，在竞合战争中组建所向披靡的配送大军。

但很快，随着美团外卖的业务单量大幅增长，抢单固有的缺陷愈发明显。时不时爆发的用户投诉，开始让美团上下重新思考问题。

当时，技术潮水也开始向另一个方向流动。

一边是打车市场竞争白热化，算法调度一派开始展现优势。另一边，外卖市场里百度也在2014年开始试水智能派单系统，用户体验和效果也还不错。

如果只为赢得短期市场份额，当前方案也能凑合，但如果要面向未来，AI大脑、算法调度，不搞不行。

从高层开始，美团也开始了不断测试论证和讨论的过程，最终由当时美团外卖的直接负责人王莆中及联合创始人王慧文牵头拍板，要打一场自我变革的技术转型仗。

△美团联合创始人、高级副总裁王慧文

成熟业务新技术，飞行中换引擎

要革命，先有人，美团挑战显而易见，现成无人。

一方面，调度派单并不是一个成熟的工程问题，没有现成模型可用，固有技术团队搞不定。

另一方面，美团派单所需的系统，是一个动态的时空全局调度系统，而且涉及配送全周期优化，打车那一套算法在外卖配送领域并不适用。

于是，人自然难招，团队组建非常不易。

美团配送技术团队负责人孙致钊是2015年6月加入配送技术团队的，当时的配送团队刚刚从外卖划分出来，甚至还没有一个正式的算法团队。

他回忆说，那个时候他的判断是，这个问题非常复杂，难以靠单一学科来解决，这个领域需要复合型人才，而这类人才市场没有直接对口，更不用说相关人才还稀缺。

而且人才进来后，也是边学边干，状态近乎产学研一体化，孙致钊回忆当时从各行业挖来不少专家，互联网做搜索的，传统工业界做工业优化的，也有传统物流方向的等等，都被他们列入招聘范围中。

其中既包括从清华大学自动化系出来的运筹优化专家郝井华博士，也包括来自百度凤巢的资深算法专家何仁清等众多专业方向的人才。

事实证明，这样复杂的派送系统需要机器学习、运筹优化等多学科交叉融合解决，团队成员背景多样化带来的思想碰撞与发酵，为业务最终的实现带来了最优的解法。

人才建队问题之外，大家面对的首先是对这样一个新问题的探索与定义，而在弄清问题根本之后，就进入了到了不断寻找和优化解法的过程中，在这里，定义需求和建模维度是解决问题过程中面临的巨大的挑战。

要搭建一个满足如此复杂的外卖业务需求的配送系统，需要考虑的维度太多了，比如：

在派单系统未上线前，在订单的配送过程中，骑手在商家、用户处的取餐和交付时间会占到整个订单配送时长的一半以上。那么如果可以准确估计出餐和交付时间，就可以减少骑手的额外等待，也能避免“餐等人”的现象。

商家出餐时间的长短，跟品类、时段、天气等因素都有关，而交付时间更为复杂，用户在几楼、是否处于午高峰时段、有没有电梯等等，都会影响骑手（到了用户所在地之后）交付订单给用户的时间。

在这个过程中，每个骑手都是一个动态因素，是否熟悉配送区域的道路，当天配送状态是否正常，是不是配送“熟手”也都影响着整体的配送效率。

而且，这还是一个需求动态增长的过程。在郝井华他们开始搭建完善配单系统的时候，美团外卖的业务也在不断发展。比喻起来，像极了给高速运行中的汽车换引擎。

同时，系统稳定性也在承压。

系统开发过程后，日配送单量与日俱增。美团专送从2015年12月的44万单，半年后突破130万单，而2016年年初上线的新系统，在150万单峰值时，发生了第一次宕机。

美团负责系统工程的同学回忆说，当时技术团队正在开需求会，系统突然开始报警，访问性能开始下降。但之前没有丝毫征兆，只是相关系统的运行数据会变慢，因为业务增长速度过快，它达到临界值就突然崩溃了。

让工程师们冷汗的是宕机时间——中午，外卖高峰期。

后来，美团技术团队用时近1小时，先修复了系统性能和容量问题，并在这件事情后期，引入了行业内比较先进的全链路压测，来确保系统的性能保障，打好预防针。

此外，复盘问题的过程中，团队还陆续设计出了很多其他的方案确保系统能够应对各种异常情况，比如打造降级系统，在异常情况下保护主链路，以备不时之需，亦或是通过供需平衡系统在单量突然翻几倍、运力突然极度紧张等极端场景下最大限度保障用户体验。

历史进程中的时代难题

如果你问郝井华什么是这一路走来最难的部分，他会告诉你比宕机印象更深刻的是，人机共生时代里的新难题。

事情可以从2015年12月20日讲起。

那一天周日，派单系统加持下的美团外卖，挑选了北京回龙观作为试点。

虽然试点开始前，郝井华就已经带领团队跟回龙观片区的外卖站站长做好了充分的沟通。而且在宣讲的过程中，站长也花了不少功夫调节。

但这次试点，还是给了他们最尖锐反馈。

整个系统打磨中，工程师们面对的都是数据、代码和模型。

然而现在，一个个活生生的骑手，直接表达了他们的抵触情绪，如何让他们接受技术带来的帮助，成了工程师们全新的挑战。

因为上线派单系统，就意味着既得利益重新分配。

过去，业绩好的骑手，要么能力确实强，要么跟站长关系不错，远近亲疏、利益维系，现在上线的新系统，却要把曾经的秩序全打破？！

骑手抵触，因为订单可能会变少，也不相信机器凭何决策及派单。

站长也抵触，因为新系统一来，自己的“威权”就被革了命。

试点没落两天，外卖骑手的抱怨声越来越大。

面对着线下巨大的推进阻力，当时业务团队面对着巨大的压力，甚至开始对“算法派单”这件事情是否可行产生了极大的疑问。这些压力和疑问被一层一层的汇报上去，最后到了“老王”王慧文那里。

没有太多摇摆的过程，在了解试运营期间确实提升了配送效率的数据后，王慧文就给大家打了一剂强心针，表示问题确实不容小觑，但长期视野来看，利大于弊，要想办法推行下去。

紧接着，工程师们开始从电脑后走出来，去真正见识什么是“问题”。

“这并不只是一个单纯的技术问题，只需要优化单一的技术目标就行了，”郝井华说。“这更是一个系统工程。”

配送算法工程师们开始到一线跟站长沟通，为了拉近跟站长的距离，也常常买两包烟塞给他们，希望首先获得站长支持。同时，通过直接与站长及一线骑手的沟通，了解业务第一线的问题并先从“人”的经验上为“机器”找方法。

另一方面，工程师还鉴于骑手对机器派单的不信任，开发了调度回放功能，通过可视化复盘，让骑手知晓AI给他配送那个“不合理订单”背后的“思考”。

没过多久，骑手们就发现效率更高了，配送更省心了，收入也增加了。

此后，派单系统走出回龙观、走出北京，开始在全国推广。

可以做更多了

现在，美团外卖平均每单的配送时间为30分钟——每天都在进一步优化中。

在这个基础上，也有了更大的想象空间。

派单系统搭建完成之后，就进入了精细优化的阶段。精细化运营同样是一个边摸索边前进的过程，在业务飞速增长的过程中，每一个技术创新的上线背后都需要足够的信任空间，从美团外卖的当家人王莆中开始，上下都给予了配送技术团队最大的创新空间。

在这个过程中，互联网背景出身的算法负责人何仁清充分发挥了其自身优势，带领着配送算法团队结合互联网大数据的理念，机器学习加运筹优化，在精细化方面和全面性上进一步提升配送流程的运行效率。

比如，后台算法对骑手、商户、用户的数据描绘越来越精细化；对配送网络规划的不断升级；不仅实时规划调度轨迹，更开始对配送需求进行预测，提前调配运力应对不同场景需求……

2017年，还有外界“意想不到”的进展，美团悄悄布局硬件了。

为了让骑手配送过程更安全，也出于效率提升考虑。美团与科大讯飞合作开发了面向骑手的智能语音助手，提供软硬件一体的解决方案，打造了一款代号“MT-R1”的AI交互耳机，在唤醒、识别，交互等方面，都进入规模化商用。

这样延伸而来的技术应用还很多。

按照郝井华的说法，在完成从0到1后，团队现在更多要做的是去解决由每个1%组成的长尾问题，但是每个看似不大的进步，随着业务的增长，这每一个1%的进度，都直接带来了调度效率的提升和体验的改善。

“在目前的2100万的日订单量级下，每个1%的进步，都意味着每天至少提升超过20万用户的体验”，郝井华说道。

有意思的是，在派单系统上线过程中，也诞生了一个“小传统”，现在美团配送团队的技术工程师入职，都会先被派到一线体验几天。

这不仅是出于“不忘初心”，而且也是为了更了解骑手、向优秀骑手学习经验，才能把这些人类能力，教会AI。

是时候谈未来

王兴说：科技创新的根本目的是普惠大众。

而AI也正在带来更深更远的价值。

对于外卖配送战场。美团属于后发者，但现今已是超60%市场份额的头号玩家，派单系统在其中的贡献，功不可没。

明面上，从抢单到配单，带动了效率提升，同时也降低了行业准入门槛。

当个外卖骑手很难吗？似乎不难。但快速成为一个优秀的外卖骑手容易吗？肯定不容易。

美团以优秀骑手为师，通过配送网络，为每一个骑手都配备了AI能力。

而AI日夜不停进化迭代，未来每一个新骑手，都能在其辅助下快速成长——人类经验传承的方式，正在被改变。

更主要的是，以智能调度为核心的配送网络，会成为新一代商业基础设施。

而运力竞争、运力调度技术的竞争，将是核心中的核心。

现在，美团已经初步织就了一张网。这张网里有虚拟世界和现实世界的连接，也有技术中枢和终端（骑手）的连接，更有商家和用户之间的连接。

当下我们看到最多的是外卖配送，未来则可能是一切需要即时送达的服务。

在配送领域，还有比外卖更在意即时性的品类吗？外卖以外，B2C零售可送、生鲜宅配可送、服装可送，甚至任何可跑腿代购的领域，没有不能切入的，这也是美团正在做的事情。

当下我们看到的是人类骑手的配送，未来则会让更多无人配送方式补充其中，协助骑手提高效率。

就在今年，美团还宣布推出了无人配送开放平台，将其需求、场景和资源开放，让更多自动驾驶玩家参与进来，开始试水无人配送，而在这其中配送技术也是美团做无人配送的重要底气。

这不仅是潜力的展示，也是对配送技术实力和行业地位的自信。

也不知当初坚定搞配送技术转型时，美团是否看得如此长远？但为今情势，他们打造的专门技术平台，正成为无人配送等更长远方向的重要助力。

想象空间实在不小。

美团经验

当然，美团曾经遭遇的问题，也是这个时代正在遭遇的问题。

AI狂飙突进，利益关系和分工格局面临变革，但我们真准备好了吗？

如果你是骑手，如何共处？如果你是站长，如何共处？如果你跟美团一样转型变革，又如何处理好人机共处？

美团复盘总结的“转型”经验是这样的：

首先，变革之下，阵痛难免，高层要坚决，保持“长期有耐心”，在持续变化的过程中看问题。

在外卖业务高速发展的过程中，如果因为骑手抵触选择折中或停止推进，可能后来的发展就不会是现在的结果。

技术变革，不进则退，必须不断面对和解决问题，因暂时的阻碍而妥协只能功亏一篑。

其次，到一线去，深入一线才能真正看到问题所在。

美团配送技术升级解决的问题，也是AI时代共同的挑战。过往互联网技术浪潮，均以线上为主，迭代可以很轻很快。

但AI正在打通虚拟世界和现实空间，每个技术都直接作用到人，如果不到一线去，没有同理心，就很难知道数据背后的核心挑战。

而且身处前线，也能体验到最直接反馈，完善建模维度，也更容易发现新需求。

第三，不怕慢、不怕重，AI带来方法论重估。

过去互联网中，“小步快跑、快速迭代”是金律，但放在线上线下连通的AI系统中需要调整。

系统虽然仍部署在线上，但实际运营却在线下，牵一发而动全身，这是AI+产业中最显而易见的挑战。

最后，大道至简，拥抱新技术，不断自我革命。

外界常问王兴，美团的边界在哪里？

他的回答是：太多人关注边界，而不关注核心。

那美团的核心又是什么？

这家从千团大战中胜出，笑傲外卖O2O江湖，如今长成中国第四大市值的科技公司。

你说美团的核心是什么？

— 完—

活动报名

年度评选申请

加入社群

量子位AI社群开始招募啦，欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进专业群请在量子位公众号（QbitAI）对话界面回复关键字“专业群”，获取入群方式。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态