外賣員居然成了 AI 訓練數(shù)據(jù)最重要的一環(huán)？

近期，美國外送巨頭 DoorDash 發(fā)布了一款名為「Tasks」的應用，旗下外賣員可以使用這款應用，在每次送餐結(jié)束后，拍攝一段街景、送餐的視頻，或者一些圖片，即可獲得一定的報酬。DoorDash 表示，Tasks 的意義是幫助商家獲得更真實的線下洞察，同時讓 AI 和機器人系統(tǒng)更好地理解現(xiàn)實世界。

（圖源：knowledgewharton）

換句話說，過去外賣員送的是一份餐食，而在 Tasks 推出之后，他們不僅要送餐，還要負責提交一份訓練數(shù)據(jù)。這兩年時間，大模型最常見的訓練路徑通常都是先用海量網(wǎng)頁、書籍、代碼、圖片這類公開或授權(quán)數(shù)據(jù)做預訓練，再靠人工標注、人工反饋和后續(xù)微調(diào)，讓大模型越來越聰明。

而 Tasks 似乎改變了 AI 訓練的方向，從互聯(lián)網(wǎng)上的文本、圖片，進一步卷向了現(xiàn)實世界本身。但這也不禁讓人疑問，采集現(xiàn)實數(shù)據(jù)有這么多方式，為何偏偏是外賣員呢？

平臺的數(shù)據(jù)生意，全靠外賣員

DoorDash 這次上線的 Tasks 并不是我們想象中的在外送流程里多加一項任務，而是開發(fā)出完全獨立的全新體系。騎手除了接外賣單，還可以接拍菜品照片、拍酒店入口、記錄日常動作、錄制外語對話等零散任務。雖然 DoorDash 表示每次完成任務后都會給外賣員一份報酬，但這個兼職沒有大家想象中輕松。

據(jù)《洛杉磯時報》報道，Tasks 里的內(nèi)容不只是商家信息采集，還包括錄制西班牙語自然對話、拍自己洗碗、疊衣服、裝洗碗機，甚至處理和自動駕駛車輛有關的現(xiàn)場任務。也就是說，除了送餐，外賣員想要達到領取報酬的標準，需要做的事情并不少。

（圖源：DoorDash）

明眼人都能發(fā)現(xiàn)，DoorDash 并不是只要一些簡單的圖片、視頻素材，而是要更標準化、更可復用的現(xiàn)實世界音視頻樣本。尤其是官方還強調(diào)，DoorDash 目前擁有超 800 萬 Dashers（外賣員），覆蓋城市的每個角落。更直白地說，DoorDash 其實是在借 Tasks 的名義，向市場宣布自己擁有 AI 訓練數(shù)據(jù)采集的能力。

當然，回到我們最關注的部分，外賣員在完成這些任務后究竟能獲得怎樣的報酬？DoorDash 在這方面含糊其辭。媒體 WIRED 參與實際體驗得到了一個數(shù)據(jù)樣本，一個拍攝洗衣過程的任務標注為時薪 15 美元、最長 20 分鐘，但按平臺給出的估算，實際報酬低到只有 0.37 美元；像掃描貨架這樣的任務，頁面會直接顯示 16 美元報酬。

平臺確實在給外賣員提供額外收入，但價格并不穩(wěn)定，任務價值也也各有不同。但 DoorDash 為何突然愿意為這些并不起眼的場景提供報酬呢？答案也很簡單，DoorDash 要把這些音視頻數(shù)據(jù)拿去自己以及合作伙伴的 AI 模型進行數(shù)據(jù)訓練。更耐人尋味的是，DoorDash 在今年 3 月正式上線了自研的配送機器人 Dot，目前僅在個別城市與地區(qū)運營。

（圖源：DoorDash）

對于 DoorDash 而言，它要搶占的是目前 AI 大模型里最難做好的「長尾場景」，也就是除用文本、數(shù)據(jù)、圖片訓練出來的標準化數(shù)據(jù)之外，還得有離開實驗室也能正常落地的場景數(shù)據(jù)支持。而這些恰好就對應了 Tasks 任務里那些奇怪的需求，比如拍攝那些門口被遮住的招牌、臨時改過的入口、貨架上擺放混亂的商品等等。

外賣員跑過的路，正在變成 AI 的訓練場

過去的大模型訓練，主要靠的其實是互聯(lián)網(wǎng)文本、圖片、代碼和公開視頻，再加上人工標注、人工偏好排序這類后處理，核心目的是讓模型先學會「看」和「說」。OpenAI 早期在 InstructGPT 的論文已經(jīng)有過解釋，語言模型即便參數(shù)再大，也還需要人類反饋去微調(diào)。而隨著多模態(tài)和機器人的發(fā)展，這些數(shù)據(jù)已經(jīng)不夠用了。

多模態(tài)、身智能需要的數(shù)據(jù)，不再只是“杯子是什么”、“路牌長什么樣”這種認知，而是更具體的物理世界經(jīng)驗，比如從哪個角度靠近門口、不同材質(zhì)的物體該怎么抓、陌生街道里什么信息最影響路徑判斷等等。

比如Google DeepMind 在 RT-2 論文里也有提到，互聯(lián)網(wǎng)規(guī)模的視覺和語言數(shù)據(jù)，確實能幫助機器人獲得更強的語義理解能力，但真正讓機器人完成控制和動作映射的，仍然是機器人軌跡數(shù)據(jù)，也就是看到/聽到了什么，接下來要做什么動作。

（圖源：Google）

這也是為什么 DoorDash 這套 Tasks，看起來像給外賣員增加零活，實質(zhì)上卻很像一條低成本的數(shù)據(jù)采集流水線。外賣員這個職業(yè)天然就非常適合干這件事，相比坐在電腦前打標簽的傳統(tǒng)標注員，外賣員最大的優(yōu)勢是他們本來就活在這些復雜場景里，每天送餐進出不同門店、社區(qū)、寫字樓和酒店，一些很復雜的出入口，或者比正門更方便的小路，都由他們拍攝記錄上傳，形成真實的可用的訓練數(shù)據(jù)。

（圖源：supplychaindive）

往更深一點說，這個行為其實也是在推動具身智能的發(fā)展。DeepMind 在 2025 年發(fā)布 Gemini Robotics 時就有提到，進入物理世界之后，模型要同時處理感知、空間理解、狀態(tài)估計、規(guī)劃和控制，這比單純在屏幕里生成文本復雜得多。像 Google 近兩年做的機器人大模型，都在解決一個問題，那就是怎樣讓機器人不只會背固定動作，而是真的看懂現(xiàn)實場景、理解人類指令，再完成對應操作。為了做到這一點，模型既需要互聯(lián)網(wǎng)里的圖文知識，也需要大量真實世界里的操作數(shù)據(jù)。

當然，外賣員之所以適合被加進 AI 訓練流程里，倒也不完全是因為「性價比」，更多的還是因為模型要走向真實世界，最缺的正是這種更具「活人感」的操作。試想一下，假如聘請大量專業(yè)的工程師做這類到現(xiàn)實世界里采集數(shù)據(jù)的活兒，他們未必能干得比外送員更好。

DoorDash 押注的未來，早已不新鮮了

客觀來說，DoorDash 的 Tasks 計劃就是幫助企業(yè)快速獲得“地面信息”的工具，提前囤積一批能讓 AI 和機器人更懂現(xiàn)實世界的底層素材。但事實上，自動化配送早已經(jīng)不是新鮮的概念了。

在中國大陸，美團已經(jīng)把自動配送車和無人機落實到真實配送場景。據(jù)美團官方在 2025 年公布的數(shù)據(jù)，截至 2024 年底，自動配送車累計完成近 500 萬單，自動駕駛里程占比 99%，還幫助騎手減少了超過 240 萬公里的路途奔波；無人機累計訂單則超過 45 萬單。這份數(shù)據(jù)說明，至少在校園、小區(qū)、機場這類線路穩(wěn)定的場景里，自動配送的效率已經(jīng)達到及格線以上。

（圖源：Forber）

海外市場里，Serve Robotics 今年 3 月宣布和 White Castle 通過 Uber Eats 推出機器人配送服務，前者已經(jīng)在美國多個城市落地機器人配送，并在 2025 年底完成了 2000 多臺機器人部署。還有Starship Technologies，它們家的自動配送機器人累計已經(jīng)完成了 900 萬次配送。

正因如此，DoorDash 現(xiàn)在讓騎手順手給 AI “喂”數(shù)據(jù)這件事，就顯得十分微妙。目前 DoorDash 自家的 Dot 配送機器人在公開的案例里，自動化配送成功率已經(jīng)夠高，但場景還是相對局限，畢竟機器人最難啃下的硬骨頭，還是門口招牌被擋住了、小區(qū)入口臨時換了、外賣收件點位置不對等等瑣碎的問題。DoorDash 作為美國市場的外賣巨頭之一，自然也明白自動配送當前的困境。

DoorDash 最聰明的地方就在此，它一邊保持讓外賣員繼續(xù)送餐，并用一定的報酬鼓勵他們完成 AI 數(shù)據(jù)采集的任務；另一邊則是用這些數(shù)據(jù)進行深度訓練，為即將到來的自動配送機器人做準備。但說到底，外送騎手短期時間里，還是這條流程里最不可缺少的一部分，他們的工作也很難被自動化配送取代。

（圖源：BGR）

但長期來看，當平臺一邊積累現(xiàn)實世界數(shù)據(jù)、一邊推進自動配送落地，人和機器的關系可能會慢慢從協(xié)同工作，轉(zhuǎn)變?yōu)楸蝗〈?。技術(shù)進步當然值得肯定，自動配送、具身智能和現(xiàn)實世界數(shù)據(jù)采集，本質(zhì)上都在推動行業(yè)效率提升，也有機會把一些重復、辛苦的環(huán)節(jié)交給系統(tǒng)去完成；但另一方面，外賣和即時配送從來都不是一門只關注“送貨”的生意，它里面有太多需要和客戶溝通溝通判斷和復雜情況處理的問題。因此，至少在相當長一段時間里，配送這件事依然要靠人來兜底。