DoorDash推出“任务”App：百万配送员变身AI数据采集师，开启零工经济新赛道

当零工经济与人工智能的浪潮交汇，一个全新的数据采集模式正在悄然兴起。最新行业动态指出，外卖配送巨头DoorDash正式推出了一款独立的“Tasks”应用，旨在将其平台上超过800万的配送员（Dashers）转化为一支庞大的AI数据采集队伍。这些配送员可以通过完成拍摄视频、录制语音等特定任务来获得额外报酬，而这些收集到的真实世界数据，将成为训练下一代AI与机器人系统的关键燃料。

从送餐到“送数据”：DoorDash如何重塑零工价值

据熟悉内情的人士透露，这款新应用的核心逻辑是将配送员的时空灵活性与AI产业的数据饥渴相结合。配送员不再仅仅运送食物，而是化身为物理世界的“数字化扫描仪”。任务类型多样，例如要求佩戴身体摄像头拍摄清洗至少五个盘子的全过程，或在特定场景下用非母语进行对话录音。

“这些数据帮助人工智能和机器人系统理解物理世界，”该公司在一份最新文件中披露，“报酬会提前显示，并根据任务的努力程度和复杂性确定。”

市场分析认为，此举标志着平台经济商业模式的又一次进化。DoorDash并非孤例，此前已有同类出行平台尝试让司机通过上传照片来训练AI模型。然而，DoorDash将其系统化、产品化，开辟了明确的“任务”赛道，这无疑走在了行业前列。

技术背景：为什么AI如此需要“真实世界数据”？

要理解这一举措的深远意义，必须了解当前人工智能模型训练的瓶颈。尽管大型语言模型（LLM, Large Language Model）在文本处理上表现出色，但要让AI真正理解并安全地操作物理世界，它需要海量、高质量、多模态的真实环境数据。这些数据包括视觉、动作、声音、语境等，极其昂贵且难以规模化获取。

传统的实验室采集或合成数据存在局限性，而遍布城市各个角落的配送员网络，恰好能提供长尾、多样、实时的场景覆盖。从餐厅后厨到酒店大堂，从居民区街道到零售商店，这些正是自动驾驶、服务机器人、零售分析等AI应用亟需攻克的“最后一公里”场景。通过这种方式，DoorDash实质上构建了一个分布式数据工厂。

应用场景与潜在影响：不止于外卖

目前，Tasks应用中的任务已显示出超越外卖生态的野心。除了为餐厅拍摄菜品实图、为酒店入口建档以优化配送路径外，更引人注目的是其与外部伙伴的合作。例如，配送员可以接受任务，为自动驾驶车辆公司关闭车门（这可能是为了收集关门力度、角度等交互数据）。

该公司文件进一步指出，收集的原始音视频素材将用于评估其内部AI模型，以及零售、保险、酒店、科技等领域合作伙伴的模型。这意味着DoorDash可能正在将自己定位为一个B2B的AI数据服务提供商。

• 对零工劳动者：提供了在送餐间隙“顺手赚钱”的新渠道，增加了收入灵活性和多样性。
• 对AI行业：开辟了一条极具成本效益和规模潜力的高质量数据获取路径，可能加速具身智能等前沿领域的发展。
• 对平台自身：深化了与配送员的绑定，创造了新的数据资产和商业变现模式，增强了平台生态的壁垒和想象力。

行业展望与挑战：数据伦理与市场格局

尽管前景广阔，这一模式也伴随着诸多挑战。数据隐私与伦理首当其冲。任务可能涉及拍摄公共或半公共空间，如何确保不侵犯他人隐私、合规使用数据，将是监管关注的焦点。目前，该应用已明确将加利福尼亚、纽约市等监管严格的地区排除在试点范围之外。

从行业竞争角度看，拥有庞大线下人力网络的平台（如出行、快递、即时零售平台）都可能复制这一模式，人力网络的数据化价值将被重新评估。未来，我们或许会看到“数据采集”成为零工经济的一个标准选项。

DoorDash此举不仅是一次产品创新，更是一次对零工经济本质的重新定义——劳动者不仅是服务的执行者，更是数字化时代基础数据的贡献者。这能否在增加劳动者收入、推动AI进步与保护个人权益之间找到平衡，将是决定其能否走远的关键。