理。
仅仅是一次导航的话，这个问题看起来很简单。
可首先外卖订单不同于出行导航，骑手首先需要取餐，那这个路线就变成了a==b==c。骑手先要从接单位置a，去商家位置b，再送到顾客位置c。
完成a到b步骤的时间受限于商家b的位置，以及商家的出餐速度。b的位置还不能简单的通过电子地图直线距离来获取，万一商家在商场里，那骑手还需要考虑小电驴的停车问题，以及爬楼问题。
而b到c的这个过程则更加多变。因为顾客比商家数量多的多，分布的也广的多。骑手面临着爬楼和小区能不能进等等问题。
一个外卖订单就面临各种问题了，而每个骑手手头不可能只有一个外卖订单，而是好几个外卖订单的集合。
而在算法的角度就更加复杂n倍，因为算法要兼顾所有的骑手。
假如整体的复杂度用大o来表示，每个订单的复杂度用o来表示。
那o=o*骑手的订单数量*骑手总数。
这还没完。
因为每个骑手手头的不同订单之间存在互相干扰。因为骑手送餐是串行的，必须送完一餐再送一餐，手头5份餐的时候如果多出来第6份餐，那这第6份餐很可能会影响另外5份餐的送餐效率。
这就导致了每个外卖订单的逻辑复杂度是非线性的，不但非线性还特么是随机的。
总之就是影响路径和派单的因素实在是太多了。有的因素还偏偏是获取不到的。
林远把问题总结归纳了下。
好团方面认为外卖行业最值得被优化的就是：路径和派单。而路径和派单问题因为过于复杂，因而对ai算法的模型复杂度要求很高，进而就对算力要求很大。且由于存在采集数据缺失的问题，训练出来的算法天生肯定存在缺陷。
于是，林远自然而然地就想到了要不我拿算力系统来试试？
(本章完)