8 月 17 日，无锡将「红灯停表」扩展到4253 个信号灯路口。配送 AI 实时识别骑手正在等灯、暂停考核计时——苏州试点两周，订单平均补时约 2 分钟，骑手闯红灯率持续改善，多数消费者体验没有明显变化。
外卖配送时间早已不是「距离除以统一骑行速度」这么简单。美团技术团队 2018 年便披露，系统要预测接单、到店、取餐、送达，商家出餐与用户交付，平面骑行、上下楼、出餐还要分别建模。
过去的算法并非不知道路上有红灯。从 2022 年起，预估配送时间已纳入红灯与复杂路况的时间估算，再叠加多层保护规则。但那是平均值——一条路、一个区域、一类订单通常需要多久。
平均值撑得起大规模调度，却照顾不到具体的人。
假设模型给某个路口预留 40 秒，骑手当天实际等了 100 秒。多出的 60 秒，在过去会落到这一单上，由骑手消化。红灯停表增加的，是一层实时识别能力：
注：为便于理解，环节顺序作了简化。无锡公开信息显示，信号数据时延稳定在 1 秒以内；停表只调整考核时长，不改变订单的物理完成时间。
所以红灯停表重新分配的，并不是红灯时间本身，而是预测误差——这部分误差，还要不要继续由骑手独自承担。
8 月 7 日北京国贸，59 岁骑手刘德平取了两单咖啡，2.7 公里、3 个路口、3 次红灯。过去他会拐进侧路绕行，或瞄着车流抢过去；这一次，手机开始记录等灯时长——两单送完，累计 4 分多钟的等待被从考核中剔除。
一个骑手的故事说明不了什么，试点数据可以。
苏州试点两周后，美团披露：订单平均补时约 2 分钟，骑手闯红灯率持续改善，多数消费者体验没有明显变化，部分骑手接单量反而提高。
注：前三项为苏州试点已披露结果，第四项为观察清单。现有数据尚不足以证明整体效率提升——合单率、平均背单量、单位小时完成单量与单均履约成本，仍是空白。
骑手拿回两分钟，平台未必损失两分钟。
外卖平台算的并不只是骑手时速，而是整套履约效率。同样骑 5 公里，只送 1 单与顺路送 3 单，骑手速度一样，平台单均成本却完全不同。可配送时间变长，给调度系统留下了更大的订单组合空间——原本太紧无法合并的顺路订单，可能变得可以一起配送。
但真正要防的，是另一种结果：调度把新增的安全余量重新填满。红灯补回 2 分钟，任务密度再推高到刚好消耗这 2 分钟，骑手面对突发依然没有余量。判断标准应落到结果上：骑手是否又开始加速，时间压力与收入怎么变化，消费者是否准时。
红灯只是开始。9 月，北京将在朝阳、通州、经开区部分区域组织三家平台试运行。这一次，承诺的远不止停表：
过去，平台最容易管理的是结果——订单有没有超时；现在，系统越来越能还原过程——红灯、出餐、天气、门禁、电梯、转单，分别消耗了多少时间。识别能力越细，平台就越难再用一个笼统的「超时」结果，把所有责任压给骑手。
这套能力不是一夜间长出来的。配送 AI 对「红灯」以及整个履约过程的理解，经历了三次升级：
美团披露配送预测系统：接单、到店、取餐、送达分环节预测，平面骑行、上下楼、出餐分别建模。
预估配送时间加入红灯与复杂路况的时间估算，通过历史数据、模型特征与规则补时进入 ETA。
无电梯小区步行、商家出餐延误、高层电梯等待等耗时，陆续移出骑手考核；饿了么公开分阶段算法，设置异常报备与豁免。
灯态数据秒级接入，结合骑手位置与轨迹识别「正在等灯」，停车暂停、绿灯恢复续时。
注：时间线为公开披露信息的节点整理，不代表各平台内部全部版本迭代。
前两步解决的是「通常需要多久」，第三步解决的是「这次到底是谁慢了」。识别能力越细，平台就越难把时间成本都算给骑手。
责任识别本身也能变成效率。知道商家常晚出餐，就让骑手晚点到店；知道某栋楼电梯等待长，就给后续订单留出空间；知道临时封路，就提前改道。AI 识别得越准，越能把冗余放到真正需要的订单上，而不是给所有订单统一加一层安全垫。
过去十多年，外卖平台依靠地图、订单密度、路径规划和智能调度，把配送时间压缩到半小时左右。但骑手速度终究有物理与安全上限，继续从车速里挤时间，换来的效率越来越少，付出的代价越来越高。
一个常常被忽略的数字：餐厅出餐等待，约占配送时间的三分之一。
这是公开算法资料中出现过的比例。从履约链条看，出餐与取送至今仍是占时较高、波动也较大的环节——下一轮效率，大概率要从这里拆出来：
这里每省下一分钟，依靠的是系统对真实世界理解得更深，而不是要求骑手再快一点。红灯停表拿回的只是几分钟，却把外卖平台推到一条新的分界线上。
当骑手不能再无限加速，AI 调度必须证明自己能从协同里挤出效率——而不是把安全余量重新填满。下一轮真正值得抢的时间，在餐厅、路线、楼宇与订单组合里，不在车速里。
值得公开的不只是补时时长与闯灯率，还应包括合单率、平均携带订单量、单位小时完成单量、骑手收入、准时率、投诉率与单均履约成本。安全余量有没有被保留，新增效率来自更好的调度还是更高的任务密度——答案都在这些数字里。