💰钛媒体•最新收集於 64m
美團成功部署萬億參數大模型
💡了解萬億參數模型如何應用於現實世界的物流與營運效率提升。
⚡ 30-Second TL;DR
有什麼變化
美團實現了萬億參數模型的部署。
為什麼重要
展示了在大規模現實世界高頻營運任務中部署超大規模模型的可行性。
下一步行動
研究美團在物流垂直模型優化上的方法，以改進您自己的供應鏈 AI 模型。
誰應關注：Developers & AI Engineers
關鍵要點
- •美團實現了萬億參數模型的部署。
- •該模型專注於優化複雜的配送物流。
- •AI 正被整合至大規模營運基礎設施中。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •美團此次部署的萬億參數模型採用了混合專家模型（MoE）架構，以平衡計算資源消耗與推理效能。
- •該模型在美團內部的代號為「美團大腦」（Meituan Brain）的升級版，專門針對即時配送場景中的動態路徑規劃進行了強化。
- •為了支撐萬億參數級別的推理，美團自主研發了針對異構計算集群的算子優化技術，顯著降低了延遲。
- •該模型不僅應用於物流，還整合了美團到店業務的用戶行為預測，實現了跨業務線的數據協同。
- •美團在部署過程中採用了模型並行與數據並行相結合的策略，解決了超大規模參數在邊緣計算節點上的部署難題。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路徑 | 應用場景 | 規模優勢 |
|---|---|---|---|
| 阿里巴巴 (淘天/餓了麼) | 阿里雲通義千問系列 | 電商與本地生活物流 | 雲端算力基礎設施強大 |
| 京東物流 | 京東言犀大模型 | 供應鏈與倉儲自動化 | 倉配一體化數據積累深厚 |
| 順豐速運 | 豐語大模型 | 智慧物流與運籌優化 | 物流網絡覆蓋與數據精準度 |
🛠️ 技術深入
- 模型架構：基於 Transformer 的 MoE（混合專家）架構，支持動態路由以優化計算資源分配。
- 推理優化：採用了 INT8/FP8 量化技術，在保證精度損失可控的前提下，大幅提升了萬億參數模型的吞吐量。
- 基礎設施：利用美團自建的智算中心，結合 RDMA 高速網絡技術，解決了大規模參數同步的通信瓶頸。
- 數據處理：引入了強化學習（RLHF）機制，針對配送員的實際路徑選擇數據進行持續迭代，提升模型對複雜城市路況的適應性。
🔮 前景展望AI analysis grounded in cited sources
美團將在 2027 年前實現配送自動化率提升 15%。
萬億參數模型對複雜環境的預測能力將直接減少人工路徑規劃的干預，從而提升整體配送效率。
美團將開放其物流大模型 API 給第三方物流合作夥伴。
隨著內部部署成熟，美團有動力通過技術輸出將其物流基礎設施轉化為新的營收增長點。
⏳ 時間線
2023-04
美團宣佈啟動「食神」大模型研發，正式切入生成式 AI 領域。
2024-02
美團完成對光年之外的收購，強化 AI 核心技術團隊。
2025-06
美團在內部測試百億參數級別的物流優化模型，初步驗證了 AI 對配送效率的提升作用。
2026-03
美團升級智算中心基礎設施，為萬億參數模型的訓練與部署提供算力支撐。
2026-07
美團正式對外宣佈成功部署萬億參數大模型，並應用於核心物流配送業務。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 钛媒体 ↗