紫金市八月上旬的白晝穿行在馬路上已經很是炎熱，因而林遠選擇一早便起床。
他沒有選擇坐地鐵，而是騎上了他的小電驢。因為給系統建設資料途徑必定是需要在區域的每一戶商家都跑一遍，他可不想靠自己的雙腳去跑。
劉鬍子包攬的這片區域涵蓋了整個hx區最繁華的地段。在這裡有無數的寫字樓，好團外賣紫金分部也在附近。
林遠跟公司方面申請了外出派送測試的機會，因為外賣平臺有些更新上線之前還是需要實地專人測試一下的。一般來說不會讓程式猿親自出去跑，但林遠為了在工作時間外出，就主動請纓把這個事情攬了過來。
林遠並不清楚針對商家做資料途徑建設，應該是怎麼個流程。
為此，他特地沒有吃早飯，然後一早找了家早餐店，坐進去方便仔細觀察。
按照先前的經驗，算力系統完成資料載入時是會有相關提示的。可是林遠坐進這家早餐店後，已經都快吃完兩個包子了，系統還是沒有任何反應。
最終，直到他喝完豆漿走出門，系統都沒有給出任何回應。
【你難道只能載入已經採集完成的資料？不能自行根據位置主動整理獲取？】
【身為系統，你好歹有點逼格嘛。】
儘管林遠不停朝著系統吐槽抱怨，可是系統裝死起來是不會有任何迴音的。
清早的大馬路上，林遠就那麼站在路邊，看著來來往往的車流，陷入了淡淡的失落之中。
如果不能對商家完成資料途徑建設，那自然也不可能對騎手完成同樣的建設。那這樣一來，整個外賣路徑和派送問題中最關鍵的兩個點——商家和騎手，就徹底和演算法是斷聯狀態。
什麼ai，什麼人工智慧，什麼chatgpt。別管它名頭喊得有多響，逼格吹得有多高。最後都逃不出一點--資料驅動。
再厲害的ai模型也是由資料驅動的，資料是一切的源頭。哪怕對於算力系統來說，也是同樣的。
資料代表著方向和目的地，沒有它的話，即便是千萬級別的豪車也不知往哪開。
假如林遠設想的這種資料途徑建設方式是行不通的，那麻煩還不僅止於眼前的這個外賣演算法最佳化專案，更大的麻煩來自於這算力系統的使用方式。
算力系統能在簡單引導下能主動完成資料採集，相比於採集好了資料再丟給算力系統。這就好比是自動駕駛和手動駕駛的區別。
這其中區別可就大了。
就像手動駕駛的時候不能分心幹別的事情一樣，如果資料必須手動採集後再丟給算力系統，那今後林遠將耗費n多的時間去處理這類資料採集問題。
而更進一步的麻煩是。如果以自動駕駛和手動駕駛為例，要是車子的目的是將人送到某個地方，那兩者區別也就是車上的人是否可以分心而已。可要是本身的目的不是為了送人而就是為了讓車子開到一個地方呢。
也就是說，假如駕駛的目的就是為了讓車子從一個地方到另一個地方。那自動駕駛和手動駕駛就將是天壤之別。
因為自動駕駛的話，人可以不用在車裡。人只需要給車子設定好目的地後就不用管了，一個人就可以應付成千上萬輛車子。可手動駕駛就不行了，一個人就只能應付一輛車子。
這叫什麼。
這叫底層原理影響上層應用。