DoorDash 周四宣布推出独立的 Tasks 应用，允许配送员通过完成特定任务来训练 AI 和机器人系统，同时赚取额外收入。
应用功能
任务类型
配送员可以完成的活动包括：
-
拍摄日常任务视频
- 例如：拍摄洗碗过程
- 需要佩戴 Body Camera
- 每个步骤需保持镜头数秒
-
多语言录音
- 录制自己说不同语言
- 用于训练语音识别系统
-
门店信息更新
- 拍摄餐厅菜单实物照片
- 拍摄酒店入口照片帮助配送员定位
-
Waymo 合作任务
- 为自动驾驶汽车关门
- 已在 Dasher 应用中列出
报酬机制
DoorDash 表示：
"报酬预先显示，根据任务的复杂程度和工作量确定。"
原始音频和视频素材将用于：
- 评估 DoorDash 内部 AI 模型
- 为零售、保险、酒店和科技行业合作伙伴提供训练数据
市场背景
类似项目
DoorDash 并非第一家利用配送 workforce 训练 AI 模型的公司：
- Uber（2025 年末）：让司机上传照片训练 AI 模型
- Amazon Mechanical Turk：传统的数据标注平台
- Scale AI：专业的 AI 训练数据公司
行业趋势
零工经济平台正在探索新的收入来源：
- 核心业务增长放缓：配送市场竞争加剧
- AI 数据需求激增：训练数据成为稀缺资源
- 现有劳动力优势：配送员已分布各地，可执行多样化任务
技术意义
物理世界数字化
DoorDash Tasks 总经理 Ethan Beatty 表示：
"Tasks 的目标是帮助更多企业了解地面情况并获取新洞察，同时让 Dashers 以自己的方式灵活赚取收入。"
"美国有超过 800 万名 Dashers，他们几乎可以到达任何地方，并且希望在配送之外灵活赚钱。这是一个数字化物理世界的强大能力。"
数据价值
DoorDash 的配送网络提供了独特的数据采集优势：
- 地理覆盖：遍布美国各地
- 场景多样：餐厅、酒店、住宅等多种环境
- 实时性：可以获取最新的门店信息
- 成本效益：利用现有配送网络，无需专门团队
覆盖范围
当前可用性
- 地区：美国部分地区
- 排除：加利福尼亚州、纽约市、西雅图、科罗拉多州
- 平台：独立 Tasks 应用 + Dasher 应用内任务
未来计划
DoorDash 计划：
- 扩展到更多任务类型
- 进入更多国家市场
- 增加 AI 和机器人训练相关任务
争议与挑战
隐私问题
配送员拍摄视频可能涉及：
- 顾客隐私：视频中可能包含个人信息
- 商家权益：门店内部照片的知识产权
- 数据安全：视频素材的存储和使用
劳工权益
- 任务定价：报酬是否公平反映工作量
- 工作分类：配送员是否应被视为正式员工
- 保障缺失：独立承包商缺乏传统员工福利
监管环境
某些地区对数据采集有严格规定：
- 加州：AB5 法案限制独立承包商分类
- 纽约市：配送员最低工资标准
- 欧盟：GDPR 对生物识别数据的限制
商业模式分析
DoorDash 的收益
- 新收入来源：向企业出售训练数据服务
- 成本优势：利用现有配送网络，边际成本低
- 数据壁垒：积累独特的物理世界数据集
配送员的收益
- 灵活增收：在配送间隙完成任务
- 技能提升：接触 AI 和机器人技术
- 多样化工作：减少单纯配送的单调性
潜在风险
- 核心业务分心：可能影响配送服务质量
- 声誉风险：数据采集可能引发隐私争议
- 监管风险：劳工分类可能面临法律挑战
行业影响
DoorDash 的举措可能推动更多零工经济平台探索 AI 数据服务：
- Instacart：购物数据采集
- Uber Eats：类似 Tasks 应用
- Lyft：驾驶数据用于自动驾驶训练
未来展望
AI 训练数据市场预计将持续增长：
- 市场规模：预计 2030 年超过 500 亿美元
- 竞争格局：科技巨头、初创公司、传统数据公司多方竞争
- 技术演进：从人工标注向自动化、半自动化发展
DoorDash Tasks 的推出，标志着零工经济平台正在寻找 AI 时代的新定位，利用现有网络优势开辟第二增长曲线。