DoorDash 推出 Tasks 应用：付钱给外卖员采集视频音频，训练 AI 与机器人

如果你平时点外卖，可能很难想象外卖小哥摘下头盔后，下一单任务是戴着运动相机站在水槽前洗盘子。

但这正是外卖巨头 DoorDash 正在做的事。3 月 19 日，DoorDash 正式推出 Tasks 计划，并开始测试一款独立的「Tasks」应用。平台上的骑手不再只能接送餐单，还可以利用送单间隙，接一些给人工智能和机器人采集现实世界数据的散活。

穿梭在现实里的数据标注员

训练大语言模型可以从互联网上抓取文本，但想让具身智能机器人理解物理世界，网上的数据远远不够用。

DoorDash 把主意打到了自家的 800 万骑手大军身上。这些骑手每天穿梭在城市的大街小巷，能接触到最真实的物理环境。按照 DoorDash 的规划，骑手可以在送餐间隙接一些短平快的任务。报酬会提前明示，具体金额取决于任务的复杂度和耗费的时间。

在原本的骑手应用里，这些任务已经悄悄跑了一段时间。比如帮餐厅拍真实的菜品照片、拍下酒店复杂难找的入口，甚至还有给自动驾驶汽车搭把手。TechCrunch 提到，在 DoorDash 和 Waymo 的合作中，骑手就可以接单去帮无人驾驶出租车关上没关好的车门。官方数据显示，自 2024 年以来，骑手们已经完成了超过 200 万次这类微任务。

这次新测试的独立应用，则把重心完全转向了更专业的 AI 和机器人数据训练。据彭博社报道，其中一个典型任务要求骑手戴上随身相机，拍摄自己清洗至少 5 个盘子的完整动作，而且每个洗干净的盘子都要在镜头前停留展示几秒钟。此外，骑手还可以录制自己说外语的语音片段。DoorDash 表示，这些原始音视频除了用来测试自家模型，还会提供给零售、保险、酒店和科技领域的合作伙伴。

目前这项服务只在美国部分地区试水，而且明确排除了加州、纽约市、西雅图和科罗拉多州。原因也不难猜，这些地方对零工经济的工时和最低报酬监管极严，DoorDash 显然想先在规则宽松的地方把模式跑通。

DoorDash 也不是唯一一家这么干的公司。去年底，Uber 也公布过类似计划，打算让司机利用闲暇时间拍照赚钱，以此帮助训练 AI 模型。

为什么重要

对骑手来说，这算是一个增加收入的务实选项。送外卖经常遇到非高峰期的垃圾时间，与其坐在路边干等，不如顺手洗几个盘子或者拍几张照片赚点零花钱。对传统数据标注公司来说，这种打法则几乎是降维打击。以往采集具身智能的第一人称视角视频成本极高，通常要雇人专门在实验室摆拍，而外卖平台天然拥有一支散布在全美各个角落的低成本劳动力队伍。

对整个行业而言，这释放了一个明确的信号：AI 训练的数据军备竞赛，已经从扒网页文字全面转向了对物理世界现实数据的争夺。谁能用更低成本调用线下网络，谁就能在具身智能模型迭代上占得先机。Uber 和 DoorDash 盯上这块肥肉，逻辑完全一致。

我们认为 DoorDash 这一步走得很聪明，但也藏着不少变数。把运力网络复用为数据采集网络，既摊薄了运营成本，又盘活了骑手的闲置运力。但问题在于质量控制。拍盘子、录语音这类非标准化的现实数据，如何防止骑手为了刷单粗制滥造？更现实的隐患是合规风险。加州和纽约等关键市场直接被排除在外，说明这种微任务的报酬模式依然走在劳工法规的钢丝绳上。如果未来监管认定这些零散任务也必须满足最低时薪标准，这个看似精巧的数据生意，账面成本恐怕就得重新算一遍了。