在外賣行業補貼熱度逐漸降溫的趨勢下，由機器算法決定的外賣配送效率成為各家平臺比拼的另一重要維度，人工智能已進入此前並沒有多少技術色彩的外賣領域。
近日，阿里雲已同餓了麽合作研發出人工智能ET新的調度引擎，正全面推行到外賣送餐領域，餓了麽後臺配送系統納入阿里雲的算法模型。美團外賣後臺的智能配送系統，以及這兩年在人工智能領域重點布局的百度均在利用機器學習與大數據指揮海量訂單的配送。三家外賣平臺已在後臺開啟一輪技術暗鬥。
“您的訂單將在XX點XX分（或35分鐘後）送到”用戶下單後顯示在手機頁面上的配送時間，背後就是智能調度在起作用。對於即時性消費的餐飲外賣，時間是用戶的剛需，如果普遍能比其他外賣平臺更快吃上訂單外賣，無疑在建立用戶黏性上發揮價值。餐飲外賣市場補貼的起伏已經證實，單純靠補貼拉動的流量並沒有忠誠度。
百度公司董事長兼CEO李彥宏針對外賣行業稱，“外賣從本質上講是物流的問題，一個外賣騎士一天要送多少單，第一單送給誰，第二單送給誰？怎樣能夠保證配送的時間是最佳的、最準時的？路徑是怎樣規劃的？其實，這是一個人工智能、機器學習的問題。”
餓了麽對外宣稱其每天配送訂單超過300萬，每天中午和晚上的高峰時段對外賣調度員而言都是巨大挑戰。以餓了麽上海商城路配送站為例，一個調度員每6秒鐘就要調度1單，他需要考慮騎手已有訂單量、路線熟悉度等。這種反應間隔已經不適合人類去做這份工作，但人工智能可以發揮它的優勢。
外賣是供需問題，以效率作為考量標準，在供需與效率之間需要智能調度去連接。機器調度背後是對大量不確定情況下產生的大數據的反複學習，以總結出其中的動態規律。具體而言，阿里雲ET會將配送站的新增訂單插入到每個騎手已有的任務中，重新規劃一輪最短配送路徑，對比哪個騎手新增時間最短。為了能夠準確預估新增時間，ET需要知道全國100萬家餐廳的出餐速度、超過180萬騎手各自的騎行速度、每個顧客下樓取餐的時間。
一般，餐廳出餐等待時間占到了整個送餐時間的三分之一。ET要想提高騎手效率，必須準確預估出餐時間以減少騎手等待，但又不能讓餐等人。要想計算騎手的送餐路程時間，ET還需要知道每個騎手在不同區域、不同天氣下的送餐速度。但餐送到了，顧客並不一定會立刻來取。顧客可能需要等三部電梯才能下來。這些ET都需要計算在內。
對不同種類的外賣進行區別對待，如果顧客點了火鍋外賣。後臺機器可自動識別其為大單，將鎖定某一個騎手專門完成配送，而不在過程中增派其他訂單任務。而對於雨雪、霧霾等天下，一方面外賣訂單會增加，另一方面路況更容易出現擁堵，對應的餐廳出餐速度和騎手騎行速度都將受到影響，這也要機器算法去反複學習。
阿里雲人工智能科學家閔萬里對第一財經記者說，與下圍棋的人工智能相比，外賣領域的人工智能有其特殊性，不確定性更大。比如，外賣用戶一般都想在30分鐘內盡可能吃上飯，但有時他提供的是一個模糊地址，對於耗時制作的菜，其餐館的繁忙程度不可控，天氣和路況會明顯影響配送速度等。這些不確定性是調度的最難點，也給算法增加了難度。
也正是這種不確定性給各家外賣平臺的技術賽跑提供了一條長賽道。在餓了麽創始人張旭豪看來，O2O平臺的流量紅利期已經過去，單純再靠流量去賺錢很難支撐整個商業模式的長期發展，接下去要靠技術創新來驅動。