北京时间7月13日下午，百度外卖就智能物流调度系统4.0进行了媒体沟通会，介绍新系统的革新之处，同时表示，未来百度外卖希望这套智能物流系统能够在更多的物流场景（例如快递）中得到应用。
外卖的配送执行过程并不难，难点在于如何有效协调资源，满足消费者对于餐品的时间期待，以及最大化多名外卖骑士的配送效率。其中涉及的因素，除了确定的餐厅和客户的距离之外，出餐时间、骑士的行路时间、附近骑士的繁忙程度以及当时的路况环境都是实时变化的因素。这部分的数据有极大的不确定性，因而如何合理派送订单对于系统和算法的挑战毋庸置疑。
新系统采用了更为复杂的深度学习模型，利用百度外卖以往的大数据记录来进行学习并进行预测，这样外卖的配送时间将得到更精确的估计，误差总体不超过5分钟。因此，用户能够在更为合理的时间范畴内预估，及时收到点送的外卖，而外送骑士的派送效率也将大大提高。
百度外卖的调度系统首席架构师徐明泉介绍，从人工派单到智能物流调度系统4.0，期间进行了多次革命性的调整。
最初的调度员实时监测屏幕，通过寻找附近的空闲骑士进行判断。这种方式显然耗用大量持续投入的人力成本，调度的峰值是每天800单。在转为系统派单后，人工调度方式阶段积累的数据是机器判断的学习基础。第二代的调度系统是单机版的系统派单，系统通过计算商家和用户之间的距离等因素自动派单。考虑到不同餐厅的出餐效率，第三代的系统将即时可以取送和需要等待餐厅配餐的订单分开，在云端进行整合调度，尽可能的给骑士安排取餐点和目的地相近的多张订单，保证整体的效率配置最优。目前采用的智能物流调度系统4.0，不仅引入了更多的考虑因素，也应用了深度学习算法做更为精确的训练和估计。
从调度系统1.0到4.0，每次的计算量都是10倍-100倍的增长，最终反馈的结果是：送餐的平均用时从60分钟左右缩短为30分钟，每天外卖骑士能够派单量也翻了一倍多。
调度系统4.0同时搭载了以下几个功能来更好地进行数据的利用：时光机功能能够做到每一个时间点的回溯，可以根据骑士和用户的反馈来实时分析当时的决策判断过程，指导未来算法的演进；实时监测功能帮助记录每一个节点的派送状况；和Alpha Go类似，系统的仿真预测可以用学习后调整的算法重新梳理历史数据的优化进行比对，也可以对未来的推广活动作出运力需求的预测；另外还有寻宝系统，来给出指导线下运营的落地意见。
百度外卖CTO耿艳坤表示，百度外卖通过几年来积累的餐饮行业的用户行为和交易数据，以及同用户在百度体系的网络行为，目前能够做到精确的用户画像并呈现千人千面的内容展示。这种将大量非标准化的、分散的巨量数据综合，并帮助统筹决策的需求，其他场景也会面临到。例如在快递行业，有时用户希望更精确地知道快递的到手时间，这一系统的作用就会更加放大。百度外卖的新的智能物流系统，长远意在建立一个更为通用的时间管理解决方案。
这不由让人想到百度外卖和顺丰之间日益亲密的关系。从去年6月底开始，顺丰开始帮助百度外卖进行某些商区的餐品配送，而未来，合作的商圈范围将进一步扩大。
外卖调度系统对于时间的要求要远大过快递的配送，百度外卖期待的场景辐射在目前看来，必要性还存在疑问。但毋庸置疑的是，百度外卖用这一套体系说明，他们作为科技公司的严肃性。
