至此，一个由餐厅、平台、外卖员、“人工+数字”派单的外卖网络初步建立。彼时的外卖系统，也正在经历进化期。在移动互联网普及之前，“人”依旧居于系统发展的核心，而随着中国互联网通信技术的不断发展，外卖网络开始走向数字化和智能化。下一节要展现的，正是这种“人机的互换”。在过去短短几年间，外卖系统踏上了数字化和智能化的快车道。“人”被赶下指挥台，取而代之的是能够不断自我学习、自我进化的算法。这样的变化牵动着数量庞大的外卖骑手。伴随着数以千万计的流动劳动者和消费者不断加入，外卖系统以极快的速度升级、进化，并开启了这场外卖经济的无限游戏。
只是，这次的技术转变，与其说是为了解决外卖行业的技术痛点，不如说是由资本推动的新一轮市场角逐。在2010年前后，受到风投资本和互联网创业潮的推动，外卖配送业成为创业“风口”。2011年，国内最早的外卖平台“饿了么”先后获得金沙江创投、经纬中国、红杉资本、大众点评等机构的投资。2013年，“美团外卖”成立，2014年，“百度外卖”加入竞争。在很短的时间内，“外卖”从无人问津的冷门业务变成了“香饽饽”。诸多外卖平台纷纷加入游戏，并着手创建自己的派单系统。
快速进化
按照这一说法，像徐开这样的调度员应该就是最初的“人工智能派单系统”。而随着外卖平台订单的不断增多，人力派单模式难以跟上快速扩张的业务需求。受制于时间和算力，即使是非常有经验的调度员，一天能够调度的订单上限也只有500—800单。而在2010年左右，当时一些第三方平台的订单已经达到几万单甚至数十万单。随着企业雇佣调度员的数量增多，成本也在不断增加。在这种情况下，许多外卖企业不再满足于线下的、人力的物流调度，而是着手建立自己的数字系统。至此，外卖网络开始由“人工派单”向“系统派单”转变。
如果把看待技术发展的视角拉长，我们就会发现，外卖系统的进化史像极了人类的发展史，两者都是充满奇幻色彩的加速度运动。科学家李四光在《人类的出现》中曾说：
人工调度，就是订单进来以后，用人把订单和骑士匹配（起来），做一个决策，派出去。在这么短的时间内去做决策是很难的，而且要考虑的因素其实是非常多的。既要考虑商户、用户所在的位置，又要考虑骑士身上已有的订单。你（指调度员）要快速在短时间内反应过来，同时还要去判断，这个订单分配给这个骑士后，他身上可能已经有几单了，后续订单顺序怎么变化，会对他的路程产生怎样的影响，以及这个订单超时了怎么办……
人类文化的发展……从新石器时代的开始到现在至多不过一万年，金属时代的开始到现在不过数千年，人们开始利用电能到现在不过一百多年，原子能的利用则仅是最近几十年的事……人类的发展不是等速度运动，而是类似一种加速度运动，即愈到后来前进的速度愈是成倍地增加。
根据“百度外卖”负责派单系统的数据架构师甘锐的说法，人工派单（人工调度）是一项“十分有挑战”的工作：
这样的观察对于外卖来说，同样适用。人力送餐在中国历史上存在了至少千年，但是互联网的出现大大加速了外卖行业的运营规模和效率。数字化的送餐进程仅有二十多年，系统派单的出现也就是过去十年间的事情，而人工智能派单则只有几年的光景。在外卖经济的发展中，技术的发展神秘又飞速。我们很难想象，过去上千年不温不火的送餐活动如今已经变成了一种遍及大街小巷、轰轰烈烈的系统化劳动。系统是如何快速进化的？哪些人参与了系统的加速升级？产生了什么影响？这些问题值得进一步探究。
单少的时候还行，单多了，确实不好协调，一个头两个大。高峰时段就是不停地打电话，挂了这个来了那个，全部都是问题。
2017年的夏天，我走访了“百度外卖”。在访谈过程中，研发团队着重强调了“算法的演进”，并试图通过人工、系统、云端、深度学习四个阶段来概括外卖技术系统自身的发展和进步（参见图8）。
曾在“饿了么”干过派单员的徐开回忆，人工派单“不好干”。他需要从早到晚地坐在电脑前盯着屏幕：
（人工派单）局限太大。我们详细分析了这个事情，分析了一些原因，决定走系统化。做这个事情的时候，是2014年，整个行业没有任何一家公司做这种外卖订单的自动调度。我们是行业里面第一家决定做大规模的系统化、人工智能自动派单的公司，也是真正的第一家开发这样一整套人工智能派单系统的（公司）。
2000年到2010年，随着互联网技术的不断发展，外卖行业的数字化进程不断加快。一些餐饮企业除了使用电话订餐，也开始研发线上订餐系统——在移动互联网兴起之前，主要是PC端的订餐服务。同时，第三方的技术服务平台开始和餐厅合作开发线上订餐系统，数字化初具规模。2010年以前，尽管物流的数字化已经提上日程，但外卖订单的匹配和对接依然主要由人工负责完成。换句话说，在这一阶段，“人”始终是协调外卖网络正常运转的核心。即便是第三方的外卖企业，也主要通过使用人力来完成订单匹配。餐厅或外卖平台的派单员需要及时接听电话、记录地址、匹配送餐时间，甚至在餐饮订单多起来的时候，进行更复杂的匹配、协调工作。
而我想知道的，恰恰是这些进化阶段背后关于“如何”的问题。人工智能的派单系统是如何做出来的？根据研发团队的说法，2014年前后，技术团队做了一个辅助人工派单的系统，但因为缺少数据积累，系统无法进行精准测算。此时的辅助派单系统“只能给一个大致的结果”，最终由人工做更进一步的筛选和决策。与此同时，工程师补充了一句话，令我印象深刻：“人工的筛选对我们来说，也是一个数据积累的过程。”
臧佳的工作是大众传播时代人力派单模式的真实写照。2000年以前，我国的外卖配送以电话接听、人力派单为主。在这一时期，电话、自行车、摩托车等沟通和传递工具出现，不少餐厅借此推出了电话订餐、打包自提、一对一送餐等业务，外卖生意得以维持并在一定程度上得到扩展。这一时期的外卖业务主要以餐厅自配送为主，也有少数的互联网O2O企业参与，如“生活半径”“朝阳美食汇”等。
辅助派单系统建立的背后，隐约浮现出了“数据的反噬”。同时，“数据积累”也道出了人工智能派单系统飞速发展的奥秘。数据作为算法发展的基础，成为人工智能发展的重要基石。对于外卖行业来说，2015年以来市场的飞速扩张为其带来了海量的数据积累。伴随着移动支付的流行和风投在外卖领域的竞争加剧，在过去的十年间，外卖市场的扩张达到了成百上千倍。这一变化可以从两个方面窥见：一方面，线上订外卖的人口数量激增，自2015年以来，线上订外卖的人口已增加到近5亿；另一方面，外卖配送人员的就业数量也显著增加。虽然截止到目前还没有关于外卖员就业人数的官方统计，但通过把主要的外卖平台就业人员相加，我发现，外卖员的就业人口实现了从个别到超过千万的增长。消费和就业人口呈百万倍量级的剧增，催生了巨大的消费需求和劳动力产出，这也成为外卖平台进行数据积累的重要条件。
夏天的时候，三十多度，热得很。中间有个市场，绕一下过去，不到两公里，走回来，全身是汗。有时候一趟还送不完，就多走一趟。
根据工程师甘锐的描述，除了调度系统，“百度外卖”的研发团队还做了一个外卖配送的“仿真系统”。该系统通过创建虚拟的外卖送餐场景来不断地训练人工智能匹配订单的能力，并可以根据多种突发情况来模拟和调整派单系统。
一次采访中，三十出头的女外卖员臧佳在回忆自己打工经历时讲道，自己的第一份工作就是“送外卖”。那时她寒暑假去镇上一家餐饮店打工。店里主要做一些日常餐食，餐饮店的对面有一个塑胶工厂，工人时常加班，会产生很多外卖订单。臧佳在店里除了负责洗餐具，就是接听对面塑胶厂的订餐电话。她需要用笔一个一个写下需要的餐品，通知后厨烹饪，待餐品做好，走路送去塑胶厂。
这个仿真系统是基于历史积累的大量数据去建立的。通过这个系统，我们可以实现的是，每个骑手，不管分配什么样的订单给他，我们可以能够预计每个订单的完成时间。……这个系统具有人工智能的自动优化能力。它像 AlphaGo一样，可以根据每天不同的、新的订单配送的情况去自动地学习，（这）使得系统越来越智能，越来越适合每一个区域的调度。
外卖作为一种发展的可能被确立下来，得益于电话的出现。沟通变得更加容易，人们对于餐食的需求可以及时、准确地传达到餐厅，电话订餐也成为传统餐饮的分支业务。例如，成立于 1965年的日本快餐巨头玉子屋，依靠电话订单将自己的外卖业务不断扩展。在国内，一些连锁公司除了堂食业务，也会通过电话订餐的形式，接受一部分外卖订单。
能够自主学习的外卖仿真系统在2015年之后逐步建立并完善，这并不是一个巧合。恰恰相反，它的完善期也正是中国外卖经济的急速拓展期。在这一时期，成千上万的外卖骑手、消费人群和调度员成为建构人工智能派单系统重要的“人力基础设施”。正如丁未在研究网约车司机时所发现的，网约车司机是帮助“滴滴”平台前期发展、“打下天下”的主力军。2018年，我和曾在“百度外卖”工作过的蒋大哥聊天，还清楚地记得他时常抱怨平台的派单系统。用他的话说，就是“东一榔头西一锤子地乱派单”。在派单系统发展的初期，骑手们正是外卖这个大系统里的“人体电池”，他们贡献自己的数字劳动，系统将数字劳动转化为有用数据，从而帮助派单系统不断地升级完善。
《东京梦华录》中还记载了当时的诸多酒家送外卖的场景。由于餐饮店众多，竞争激烈，“凡百所卖饮食之人，装鲜净盘盒器皿，车檐动使，奇巧可爱。食味和羹，不敢草略”。餐饮店将美味佳肴用精美、干净的食盒包装好，送到客人手中，在当时成为一种流行趋势。在后续漫长的餐饮发展中，外卖虽然一直不是主营业务，但却作为餐馆联络社会关系、积累运营资本的方式留存下来。由于餐食的即食性，餐馆的外送业务多面向周边熟客，基于邻里街坊、亲友关系的“方便”外卖占大多数。
数据化成为系统快速进化的秘密，而数据化的完成又完全依赖人的劳动。依托技术的发挥，“人一数据一算法一系统”的链条初步搭建成立，这也解释了外卖算法系统进化的过程。技术进化的过程，也是其不断合法化自己的过程。如何塞·范·迪克（José van Dijck）所言，数据化正在成为获取、理解和监视人们行为的合法化途径。海量数据和以“吸食”数据为主要动力的算法系统“相得益彰”，构成了当下外卖平台公司强大的算力和预测力。2018年，“美团”自然语言处理（NLP）中心开始建立“美团大脑”。根据团队的分析：
虽然“外卖”兴起是近几年的事情，但在历史上，“外卖”业务早已存在。在北宋的《清明上河图》中已经出现送餐伙计的画面。一伙计右手拿两双筷子，左手提两个饭盒，身着围裙，正出发给客人送餐。宋朝推行休养生息政策，废除了宵禁制度，百姓可以自由活动，市面上因此出现了很多酒肆瓦舍，餐饮酒食文化十分兴盛。一些客人在酒肆瓦舍玩累了，想要吃饭，可以去附近的酒楼订餐，店小二可以送餐上门。根据史书记载，当时的餐饮店“逐时施行索唤”“咄嗟可办”。
“美团大脑”是我们正在构建中的一个全球最大的餐饮娱乐知识图谱。我们希望能够充分地挖掘关联“美团点评”各个业务场景里的公开数据，比如说我们有累计40 亿的用户评价，超过10 万条个性化标签，遍布全球的3000 多万商户以及超过1.4亿的店铺。我们还定义了20 级细粒度的情感分析。……我们希望在不久的将来，当用户发表一条评价的时候，能够让机器阅读这条评价，充分理解用户的喜怒哀乐……总结商家的情况，供用户进行参考……帮助用户快速地进行决策。
系统初建
根据技术团队的解释，“美团”的知识图谱意味着人工智能技术的又一大进步：机器开始从感知智能向认知智能跃迁。所谓认知智能，可以被理解为系统开始理解人的语义，并学着像人一样思考。系统不但在计算能力、知识储备上超过人类，同时开始具备强解释性、推理能力和理解能力。通过对海量数据的分析，在未来，这样的“美团大脑”可以“帮助用户进行决策”、“指导店老板决策”、“对用户进行风险管理”等。
说回到外卖的算法系统，它的发展也是如此。它继承了先前发展的互联网技术，并在此基础上聚合了更加多样的组合和结构。需要看到的是，外卖系统的建立绝非一朝一夕，而是与外卖产业不断增强的组织化、市场业务的不断细分以及个体劳动者持续不断的劳动力供给有着密切联系。通过田野调查、访谈和资料的汇总，本章尝试在此“拼凑”外卖算法系统发展的脉络，从而跳出简单的技术研发逻辑，来展现系统发展的复杂性和围绕这项技术所展开的多元话语。
外卖平台的智能化一路高歌猛进。在过去的十年间，外卖系统经历了从系统派单到云端派单，再到深度学习的智能派单模式，而且整个过程的进展呈现出明显的加速度。虽然在系统进化的后期，我们已经很难看到人的身影，但如果把系统的进化史拉长就会发现，系统的腾飞“起于微末”，人的劳动和数据生产是其成长的关键。在“美团大脑”的知识图谱进化中，贡献力量的有商家、用户，还有千千万万奔跑在路上的外卖骑手。对于系统的进化，外卖骑手是感知最直接、最深刻的人群。这也正是下一节要讨论的议题：作为系统的使用者和系统进化的贡献者，外卖骑手如何感知系统、评价系统？他们与系统形成了怎样的关系？
在进入外卖系统智能化讨论之前，我想补充一点对于技术发展的看法。虽然智能技术进化飞速，令人目不暇接，但是我们仍旧需要清楚地意识到，一项技术能够发展到今天的样子，离不开对既往的、历史性的技术逻辑的积累。在人类历史进程中，技术的发展有着自己独特的逻辑。一项技术从来不是凭空出现的，而是带着既往技术的DNA。换句话说，技术是一个复杂的组合体。与此同时，这些技术的DNA里往往嵌套了复杂、神奇甚至难以解释的人文逻辑，因为技术的应用从来都是在特定的社会场景中展开的，而特定场景下的技术实践与诸多社会结构和社会实践，如阶层、性别、身体、空间、时间等紧紧交织在一起。