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。