DoorDash 推出 Tasks 應用：付錢給外賣員採集影片音訊，訓練 AI 與機器人

如果你平時點外賣，可能很難想像外賣小哥摘下頭盔後，下一單任務是戴著運動相機站在水槽前洗盤子。

但這正是外賣巨頭 DoorDash 正在做的事。3 月 19 日，DoorDash 正式推出 Tasks 計劃，並開始測試一款獨立的「Tasks」應用。平臺上的騎手不再只能接送餐單，還可以利用送單間隙，接一些給人工智慧和機器人採集現實世界資料的散活。

穿梭在現實裡的資料標註員

訓練大語言模型可以從網際網路上抓取文本，但想讓具身智慧機器人理解物理世界，網上的資料遠遠不夠用。

DoorDash 把主意打到了自家的 800 萬騎手大軍身上。這些騎手每天穿梭在城市的大街小巷，能接觸到最真實的物理環境。按照 DoorDash 的規劃，騎手可以在送餐間隙接一些短平快的任務。報酬會提前明示，具體金額取決於任務的複雜度和耗費的時間。

在原本的騎手應用裡，這些任務已經悄悄跑了一段時間。比如幫餐廳拍真實的菜品照片、拍下酒店複雜難找的入口，甚至還有給自動駕駛汽車搭把手。TechCrunch 提到，在 DoorDash 和 Waymo 的合作中，騎手就可以接單去幫無人駕駛出租車關上沒關好的車門。官方資料顯示，自 2024 年以來，騎手們已經完成了超過 200 萬次這類微任務。

這次新測試的獨立應用，則把重心完全轉向了更專業的 AI 和機器人資料訓練。據彭博社報道，其中一個典型任務要求騎手戴上隨身相機，拍攝自己清洗至少 5 個盤子的完整動作，而且每個洗乾淨的盤子都要在鏡頭前停留展示幾秒鐘。此外，騎手還可以錄製自己說外語的語音片段。DoorDash 表示，這些原始音影片除了用來測試自家模型，還會提供給零售、保險、酒店和科技領域的合作伙伴。

目前這項服務只在美國部分地區試水，而且明確排除了加州、紐約市、西雅圖和科羅拉多州。原因也不難猜，這些地方對零工經濟的工時和最低報酬監管極嚴，DoorDash 顯然想先在規則寬鬆的地方把模式跑通。

DoorDash 也不是唯一一家這麼幹的公司。去年底，Uber 也公佈過類似計劃，打算讓司機利用閒暇時間拍照賺錢，以此幫助訓練 AI 模型。

為什麼重要

對騎手來說，這算是一個增加收入的務實選項。送外賣經常遇到非高峰期的垃圾時間，與其坐在路邊乾等，不如順手洗幾個盤子或者拍幾張照片賺點零花錢。對傳統資料標註公司來說，這種打法則幾乎是降維打擊。以往採集具身智慧的第一人稱視角影片成本極高，通常要僱人專門在實驗室擺拍，而外賣平臺天然擁有一支散佈在全美各個角落的低成本勞動力隊伍。

對整個行業而言，這釋放了一個明確的訊號：AI 訓練的資料軍備競賽，已經從扒網頁文字全面轉向了對物理世界現實資料的爭奪。誰能用更低成本呼叫線下網路，誰就能在具身智慧模型迭代上佔得先機。Uber 和 DoorDash 盯上這塊肥肉，邏輯完全一致。

我們認為 DoorDash 這一步走得很聰明，但也藏著不少變數。把運力網路複用為資料採集網路，既攤薄了運營成本，又盤活了騎手的閒置運力。但問題在於質量控制。拍盤子、錄語音這類非標準化的現實資料，如何防止騎手為了刷單粗製濫造？更現實的隱患是合規風險。加州和紐約等關鍵市場直接被排除在外，說明這種微任務的報酬模式依然走在勞工法規的鋼絲繩上。如果未來監管認定這些零散任務也必須滿足最低時薪標準，這個看似精巧的資料生意，賬面成本恐怕就得重新算一遍了。