「這不是送外賣(mài)，這是把你的身體變成訓(xùn)練數(shù)據(jù)?！巩?dāng)我讀到DoorDash這份新聞稿時(shí)，第一反應(yīng)是：這家外賣(mài)巨頭到底在打什么算盤(pán)？

答案藏在Tasks這個(gè)新產(chǎn)品里——一個(gè)讓你用手機(jī)拍自己干活，然后賣(mài)給AI公司的零工平臺(tái)。不是拍風(fēng)景，不是拍寵物，是拍你的手指怎么擰燈泡、怎么煎雞蛋、怎么把臟衣服塞進(jìn)洗衣機(jī)。

我花了兩周時(shí)間，從注冊(cè)到完成十幾個(gè)任務(wù)，摸清了這套系統(tǒng)的運(yùn)轉(zhuǎn)邏輯。這篇文章會(huì)告訴你：誰(shuí)在買(mǎi)這些數(shù)據(jù)？多少錢(qián)一雙手？以及為什么這件事可能改變我們對(duì)「零工經(jīng)濟(jì)」的理解。

第一筆買(mǎi)賣(mài)：從咖啡杯到身體支架

注冊(cè)流程出奇簡(jiǎn)單。下載Tasks應(yīng)用，登錄DoorDash賬號(hào)，第一個(gè)任務(wù)叫「onboarding quest」——把三個(gè)物品從桌子一邊移到另一邊。

我選了咖啡杯、鋼筆、筆記本電腦。打開(kāi)手機(jī)前置攝像頭，錄了15秒。沒(méi)有現(xiàn)金獎(jiǎng)勵(lì)，但DoorDash承諾寄一個(gè)免費(fèi)的手機(jī)胸掛支架。

三天后快遞到了。塑料材質(zhì)，卡扣式設(shè)計(jì)，能把iPhone固定在鎖骨位置，鏡頭朝下45度——?jiǎng)偤门牡诫p手全貌。這個(gè)成本不到10美元的硬件，是整套商業(yè)模式的關(guān)鍵鉤子。

有了支架，任務(wù)列表才完全解鎖。我看到的選項(xiàng)分成五類(lèi)：家務(wù)雜事、手工維修、烹飪料理、地點(diǎn)導(dǎo)航、外語(yǔ)對(duì)話。

家務(wù)類(lèi)最密集：鋪床、裝洗碗機(jī)、給植物換盆、倒垃圾。維修類(lèi)跨度很大，從換燈泡到澆水泥。烹飪類(lèi)幾乎被雞蛋壟斷——煎、煮、炒、攤，四種做法四種任務(wù)。導(dǎo)航類(lèi)要求你去博物館或公寓樓走動(dòng)。語(yǔ)言類(lèi)則是和AI進(jìn)行「自然對(duì)話」。

每個(gè)任務(wù)標(biāo)明了預(yù)估耗時(shí)和報(bào)酬。我選了一個(gè)「裝洗衣機(jī)」的任務(wù)，報(bào)酬7美元，預(yù)計(jì)25分鐘完成。

數(shù)據(jù)工廠的流水線體驗(yàn)

任務(wù)開(kāi)始前的準(zhǔn)備比干活本身更繁瑣。

系統(tǒng)要求我脫掉所有手套和飾品，確保指甲干凈、光線充足。然后按照腳本執(zhí)行：先拍空洗衣機(jī)，再拍我拿起臟衣籃，接著是分類(lèi)衣物、倒入洗衣液、設(shè)置程序——每個(gè)步驟必須讓雙手停留在畫(huà)面中央超過(guò)3秒。

手機(jī)每隔幾秒就發(fā)出尖銳提示音，如果手指離開(kāi)檢測(cè)框，錄音會(huì)中斷。我洗了半輩子衣服，第一次意識(shí)到自己的動(dòng)作有多不規(guī)范：左手經(jīng)常擋住右手，分類(lèi)時(shí)手指蜷縮，倒洗衣液時(shí)手腕角度不對(duì)。

重錄了四次才通過(guò)審核。最終視頻長(zhǎng)度4分37秒，有效片段2分12秒。

7美元到賬時(shí)，我算了筆賬：實(shí)際耗時(shí)47分鐘（含準(zhǔn)備和重錄），時(shí)薪約8.9美元?？八_斯州的最低工資是7.25美元/小時(shí)，看起來(lái)略高，但還沒(méi)扣除手機(jī)折舊、流量費(fèi)和 laundry detergent 成本。

更關(guān)鍵的是：這段視頻的價(jià)值遠(yuǎn)不止7美元。

誰(shuí)在買(mǎi)這些數(shù)據(jù)？

DoorDash的新聞稿寫(xiě)得含糊：「幫助AI和機(jī)器人系統(tǒng)理解物理世界?！沟Y(jié)合行業(yè)動(dòng)態(tài)，買(mǎi)家身份不難推測(cè)。

人形機(jī)器人公司需要海量「第一視角」視頻訓(xùn)練抓取模型。Figure AI、特斯拉Optimus、波士頓電力的Atlas，都在攻克「看一遍就會(huì)」的模仿學(xué)習(xí)（imitation learning，即通過(guò)觀察人類(lèi)動(dòng)作來(lái)習(xí)得技能）。

大語(yǔ)言模型公司則需要多模態(tài)數(shù)據(jù)。OpenAI的GPT-4o、Google的Gemini，都在試圖理解「人類(lèi)在廚房里到底在干什么」。

自動(dòng)駕駛公司可能也是客戶。導(dǎo)航類(lèi)任務(wù)——「探索博物館」「繞公寓樓行走」——與訓(xùn)練視覺(jué)-語(yǔ)言-動(dòng)作模型（VLA模型，即結(jié)合視覺(jué)感知、語(yǔ)言理解和動(dòng)作執(zhí)行的AI系統(tǒng)）的需求高度吻合。

DoorDash沒(méi)有透露具體合作方，但提到了「按努力和復(fù)雜度定價(jià)」。我觀察到的價(jià)格區(qū)間：簡(jiǎn)單任務(wù)（換燈泡、煎蛋）3-5美元；中等復(fù)雜度（裝洗衣機(jī)、鋪床）6-10美元；高復(fù)雜度（澆水泥、博物館導(dǎo)覽）15-25美元。

作為對(duì)比，Scale AI的同類(lèi)數(shù)據(jù)標(biāo)注任務(wù)，專(zhuān)業(yè)采集員的時(shí)薪通常在15-30美元。DoorDash用「零工」模式把成本壓到了1/3。

被封鎖的四個(gè)地區(qū)

一個(gè)細(xì)節(jié)值得玩味：Tasks在加州、紐約市、西雅圖、科羅拉多州明確不可用。我在堪薩斯州順利完成，但西海岸的朋友下載后只看到空白頁(yè)面。

這四個(gè)地區(qū)有什么共同點(diǎn)？

加州有AB5法案，嚴(yán)格限制零工經(jīng)濟(jì)平臺(tái)的用工分類(lèi)；紐約市有《人工智能偏見(jiàn)審計(jì)法》，要求算法招聘工具接受審查；西雅圖和科羅拉多州都有較嚴(yán)格的生物識(shí)別數(shù)據(jù)隱私法規(guī)。

DoorDash的地理封鎖，本質(zhì)上是在規(guī)避法律風(fēng)險(xiǎn)。你的身體視頻——包含面部、指紋、動(dòng)作模式——屬于敏感的生物識(shí)別數(shù)據(jù)。在監(jiān)管寬松的州，這些數(shù)據(jù)的歸屬和使用邊界模糊；在監(jiān)管?chē)?yán)格的地區(qū)，平臺(tái)可能面臨集體訴訟。

這種「監(jiān)管套利」策略在科技行業(yè)并不新鮮，但Tasks把它推向了極端：同一款應(yīng)用，在美國(guó)境內(nèi)創(chuàng)造了兩套完全不同的勞動(dòng)規(guī)則。

雞蛋與水泥：任務(wù)設(shè)計(jì)的隱藏邏輯

我完成了12個(gè)任務(wù)后，開(kāi)始理解這套系統(tǒng)的篩選機(jī)制。

雞蛋任務(wù)出現(xiàn)頻率最高，但報(bào)酬最低（3美元）。它的真正目的不是收集「如何煎蛋」的數(shù)據(jù)——這個(gè)場(chǎng)景已經(jīng)被YouTube視頻覆蓋殆盡——而是測(cè)試用戶的配合度和視頻質(zhì)量。

能穩(wěn)定產(chǎn)出合格雞蛋視頻的用戶，才會(huì)被推送更高價(jià)值的任務(wù)。我完成4個(gè)雞蛋任務(wù)后，解鎖了「組裝宜家家具」和「更換汽車(chē)空氣濾芯」。

水泥任務(wù)是個(gè)例外。25美元的標(biāo)價(jià)，但要求「戶外場(chǎng)地、自有材料、全程錄像」。我懷疑這是為建筑機(jī)器人公司采集特定場(chǎng)景數(shù)據(jù)，目標(biāo)用戶可能是真正的藍(lán)領(lǐng)工人，而非零工平臺(tái)上的兼職者。

語(yǔ)言任務(wù)的設(shè)計(jì)最耐人尋味。系統(tǒng)要求「自然對(duì)話」，但話題被嚴(yán)格限定：訂餐廳、問(wèn)方向、描述天氣。這些正是語(yǔ)音助手最常見(jiàn)的失敗場(chǎng)景。

我完成的一段對(duì)話，后來(lái)被要求重錄——因?yàn)槲艺f(shuō)了「今兒個(gè)天兒不錯(cuò)」，系統(tǒng)判定為「方言干擾」。標(biāo)準(zhǔn)答案是「今天天氣很好」。

身體成為基礎(chǔ)設(shè)施

Tasks的真正創(chuàng)新，不在于技術(shù)，而在于把「人類(lèi)身體」重新定義為可租賃的基礎(chǔ)設(shè)施。

傳統(tǒng)零工經(jīng)濟(jì)（Uber、DoorDash外賣(mài)）賣(mài)的是時(shí)間和地理位置：你在特定時(shí)間段出現(xiàn)在特定地點(diǎn)，完成特定服務(wù)。Tasks賣(mài)的則是身體的運(yùn)動(dòng)軌跡：手指的彎曲角度、手腕的旋轉(zhuǎn)速度、步態(tài)的穩(wěn)定性。

這種區(qū)別看似微妙，實(shí)則根本。外賣(mài)騎手的價(jià)值在送餐完成后歸零；Tasks用戶的價(jià)值在視頻上傳后持續(xù)存在——數(shù)據(jù)可以被無(wú)限次用于模型訓(xùn)練，而原始采集者不會(huì)獲得任何后續(xù)收益。

我完成的那個(gè)洗衣機(jī)視頻，理論上可以訓(xùn)練出能操作任何品牌洗衣機(jī)的通用模型。我的7美元報(bào)酬，買(mǎi)斷的是一次性拍攝勞動(dòng)，而非數(shù)據(jù)的所有權(quán)。

DoorDash的用戶協(xié)議確認(rèn)了這一點(diǎn)：「您授予我們永久的、不可撤銷(xiāo)的、全球范圍內(nèi)的許可，以使用、修改和再許可您提交的內(nèi)容?！?/p>

與Mechanical Turk的跨時(shí)空對(duì)話

2005年，亞馬遜推出Mechanical Turk，把人類(lèi)智能包裝成API接口。任務(wù)發(fā)布者調(diào)用「人工函數(shù)」，背后是無(wú)數(shù)低收入者在識(shí)別圖像、轉(zhuǎn)錄音頻。

Tasks是Mechanical Turk的物理化版本。它不再隱藏人類(lèi)勞動(dòng)——你清楚地知道是自己在擰燈泡——但把勞動(dòng)場(chǎng)景從電腦屏幕擴(kuò)展到了整個(gè)生活空間。

關(guān)鍵升級(jí)在于數(shù)據(jù)類(lèi)型。Mechanical Turk輸出的是結(jié)構(gòu)化標(biāo)簽（「這張圖里有貓」）；Tasks輸出的是原始感知數(shù)據(jù)（「手指以23度角握住門(mén)把手，施加1.2牛頓力，持續(xù)0.8秒」）。

這種數(shù)據(jù)對(duì)機(jī)器人學(xué)習(xí)至關(guān)重要。MIT的模仿學(xué)習(xí)研究表明，機(jī)器人需要觀看50-100次人類(lèi)演示才能掌握一個(gè)新動(dòng)作。Tasks的任務(wù)設(shè)計(jì)，本質(zhì)上是在批量生產(chǎn)這些「演示」。

區(qū)別在于，Mechanical Turk的工作者知道自己在做數(shù)據(jù)標(biāo)注；Tasks的用戶可能以為只是在「賺點(diǎn)外快」。平臺(tái)的界面設(shè)計(jì)強(qiáng)化了這種認(rèn)知偏差——進(jìn)度條、徽章系統(tǒng)、「任務(wù)完成」的慶祝動(dòng)畫(huà)，都在掩蓋數(shù)據(jù)的最終用途。

價(jià)格發(fā)現(xiàn)與勞動(dòng)力套利

Tasks的定價(jià)機(jī)制值得細(xì)究。

同一類(lèi)任務(wù)在不同地區(qū)價(jià)格浮動(dòng)。我看到的「煎蛋」任務(wù)固定3美元，但Reddit上有德州用戶報(bào)出4.5美元，俄亥俄州用戶看到2.5美元。這種動(dòng)態(tài)定價(jià)不是基于生活成本，而是基于「任務(wù)完成率」和「視頻合格率」的實(shí)時(shí)數(shù)據(jù)。

如果某個(gè)地區(qū)用戶頻繁重錄、審核失敗率高，系統(tǒng)會(huì)提價(jià)吸引更「熟練」的勞動(dòng)力；如果合格率高，價(jià)格就會(huì)下探到剛好能維持供給的臨界點(diǎn)。

這是經(jīng)典的勞動(dòng)力市場(chǎng)套利，但速度是前所未有的。傳統(tǒng)零工平臺(tái)（Uber、Lyft）的動(dòng)態(tài)定價(jià)以小時(shí)為單位；Tasks的調(diào)價(jià)周期可能以分鐘計(jì)，因?yàn)橐曨l審核是自動(dòng)化的。

更隱蔽的套利發(fā)生在技能層面。換燈泡任務(wù)要求「站在穩(wěn)固的梯子上，單手操作」，這排除了行動(dòng)不便者，也自然篩選出有一定家務(wù)經(jīng)驗(yàn)的用戶。平臺(tái)沒(méi)有明說(shuō)的偏好，通過(guò)任務(wù)設(shè)計(jì)自動(dòng)實(shí)現(xiàn)。

我嘗試用一個(gè)搖晃的塑料凳代替梯子，視頻被拒絕，理由是「安全隱患」。但真正的篩選標(biāo)準(zhǔn)是：無(wú)法提供穩(wěn)定第一視角的用戶，數(shù)據(jù)質(zhì)量不達(dá)標(biāo)。

機(jī)器人需要的人類(lèi)

一個(gè)悖論貫穿整個(gè)體驗(yàn)：Tasks的存在證明，AI和機(jī)器人仍然極度依賴人類(lèi)；但Tasks的設(shè)計(jì)目標(biāo)，是讓這種依賴變得不可見(jiàn)。

每次我調(diào)整手機(jī)角度、重錄動(dòng)作、等待審核時(shí)，都在為「消除人類(lèi)參與」的技術(shù)愿景提供燃料。最諷刺的任務(wù)是「訓(xùn)練機(jī)器人識(shí)別手勢(shì)」——我反復(fù)比劃「停止」「過(guò)來(lái)」「放下」，讓系統(tǒng)學(xué)習(xí)如何取代手勢(shì)交流本身。

DoorDash的新聞稿說(shuō)這些數(shù)據(jù)「幫助AI理解物理世界」。但更準(zhǔn)確的描述可能是：這些數(shù)據(jù)幫助資本以更低成本替代物理世界中的人類(lèi)勞動(dòng)。

我聯(lián)系了幾位機(jī)器人學(xué)研究者詢問(wèn)數(shù)據(jù)用途。斯坦福大學(xué)的一位博士候選人回復(fù)：「我們確實(shí)購(gòu)買(mǎi)類(lèi)似數(shù)據(jù)，但主要來(lái)自專(zhuān)業(yè)采集工作室。Tasks這種模式是新的——它的優(yōu)勢(shì)不是質(zhì)量，是規(guī)模和成本。」

質(zhì)量差距是真實(shí)的。專(zhuān)業(yè)工作室使用動(dòng)作捕捉服、多機(jī)位同步、校準(zhǔn)過(guò)的光照環(huán)境；Tasks用戶用手機(jī)胸掛，在自家廚房，靠吸頂燈照明。但規(guī)模優(yōu)勢(shì)同樣真實(shí)：專(zhuān)業(yè)工作室一天能采集幾十條數(shù)據(jù)，Tasks一天能采集幾萬(wàn)條。

對(duì)于需要海量數(shù)據(jù)覆蓋長(zhǎng)尾場(chǎng)景的模型訓(xùn)練，Tasks的模式更具經(jīng)濟(jì)理性。

零工經(jīng)濟(jì)的下一站

Tasks不是孤立實(shí)驗(yàn)。過(guò)去一年，類(lèi)似平臺(tái)密集出現(xiàn)：TaskRabbit推出「AI數(shù)據(jù)收集」標(biāo)簽，F(xiàn)ield Agent上線「智能設(shè)備訓(xùn)練」任務(wù)，甚至亞馬遜Mechanical Turk也增加了「視頻采集」類(lèi)別。

趨勢(shì)清晰可見(jiàn)：零工經(jīng)濟(jì)正在從「服務(wù)交付」轉(zhuǎn)向「數(shù)據(jù)交付」。你不是在為用戶工作，而是在為算法生產(chǎn)原材料。

這種轉(zhuǎn)變對(duì)勞動(dòng)者的影響是雙重的。短期看，Tasks類(lèi)任務(wù)提供了新的收入來(lái)源，且門(mén)檻低于傳統(tǒng)零工（不需要車(chē)、不需要體力、不需要社交技能）。長(zhǎng)期看，它加速了勞動(dòng)者自身的可替代性——你今天訓(xùn)練的數(shù)據(jù)，可能正是明天取代你的模型的養(yǎng)料。

DoorDash的財(cái)報(bào)電話會(huì)議沒(méi)有單獨(dú)提及Tasks，但CEO Tony Xu在2024年Q4提到「探索新的dasher收入機(jī)會(huì)」?？紤]到DoorDash在美國(guó)有約700萬(wàn)活躍配送員，即使只有1%轉(zhuǎn)化為T(mén)asks用戶，也是7萬(wàn)個(gè)移動(dòng)數(shù)據(jù)采集點(diǎn)。

這個(gè)密度足以覆蓋大多數(shù)美國(guó)家庭場(chǎng)景。機(jī)器人公司不再需要搭建昂貴的采集設(shè)施，只需在Tasks發(fā)布任務(wù)，就能在幾周內(nèi)獲得特定場(chǎng)景的海量數(shù)據(jù)。

我最后錄制的任務(wù)

體驗(yàn)結(jié)束前，我接了一個(gè)特殊任務(wù)：「自然行走，上下樓梯，持續(xù)10分鐘?！?/p>

報(bào)酬12美元，要求去附近的公寓樓或商場(chǎng)完成。我選了公寓樓的消防樓梯，空曠、光線穩(wěn)定、沒(méi)有行人干擾。

錄制過(guò)程中，我意識(shí)到這個(gè)任務(wù)的設(shè)計(jì)意圖：采集步態(tài)數(shù)據(jù)，用于訓(xùn)練人形機(jī)器人的平衡控制。我的每一次腳掌著地、重心轉(zhuǎn)移、扶手觸碰，都被轉(zhuǎn)化為數(shù)學(xué)模型的一個(gè)參數(shù)。

任務(wù)完成后，系統(tǒng)彈出評(píng)價(jià)：「您的行走模式非常規(guī)范，已解鎖高級(jí)任務(wù)?！刮也恢肋@是夸獎(jiǎng)還是警告——規(guī)范意味著可預(yù)測(cè)，可預(yù)測(cè)意味著容易被模擬。

12美元到賬時(shí)，我站在消防樓梯的轉(zhuǎn)角，看著手機(jī)屏幕上自己的行走回放。畫(huà)面里的那個(gè)人步伐平穩(wěn)、雙手?jǐn)[動(dòng)幅度一致、從不低頭看手機(jī)——一個(gè)理想的、標(biāo)準(zhǔn)化的、可以被算法學(xué)習(xí)的人類(lèi)樣本。

而真實(shí)的我，正在查看銀行余額，計(jì)算這周還需要完成幾個(gè)任務(wù)才能付清電費(fèi)。

這就是Tasks揭示的未來(lái)：我們的身體成為基礎(chǔ)設(shè)施，我們的動(dòng)作成為訓(xùn)練數(shù)據(jù)，我們的時(shí)間被切割成算法需要的片段。平臺(tái)不再假裝在「連接供需」，它直接成為了數(shù)據(jù)煉金術(shù)的中間商——把人類(lèi)的生物運(yùn)動(dòng)，轉(zhuǎn)化為機(jī)器的硅基智能。

DoorDash給這個(gè)產(chǎn)品的定價(jià)是7美元一雙手，3美元一次煎蛋，12美元一段樓梯。我覺(jué)得賣(mài)便宜了，但顯然，市場(chǎng)不這么想。