DoorDash推出Tasks应用 动员800万骑手采集AI训练真实场景数据

美国外送巨头DoorDash于2026年3月推出独立应用Tasks，面向平台旗下800万外卖员开放，骑手可在配送间隙完成拍摄街景、记录交付动作等小额数字任务赚取额外收入，采集到的真实物理场景数据将用于解决AI训练长尾场景痛点，为旗下配送机器人Dot的技术迭代提供核心支撑。

不少消费者取餐时都见过外卖员蹲在小区门口拍餐品照片留证的场景，今后这些随手拍摄的影像，很可能会成为AI训练的核心素材——DoorDash推出的Tasks应用，正在把平台覆盖全球的庞大骑手网络，转化为AI训练的分布式数据采集终端。

当下AI大模型的训练已经不缺文本、图片等互联网公开数据，但要落地到配送、巡逻等具身应用场景，真实物理世界的动态数据却成了稀缺资源。据AI行业调研机构此前发布的报告显示，具身AI落地过程中，有超过60%的技术瓶颈来自真实场景训练数据的不足。

实验室生成的模拟数据往往难以覆盖现实中千奇百怪的突发状况：雨天被风吹歪的商铺招牌、临时占道的夜市摊位、用户要求放在门口消防栓上的特殊交付需求，这些长尾场景此前只能靠专业团队零散采样，成本高、覆盖范围十分有限。

DoorDash推出的Tasks应用，本质是把骑手的日常配送路线变成了数据采集网络。骑手接到的任务大多和当前配送路径高度重合：比如拍摄路过的某家商铺门头、录制路口的人流车流情况、记录把餐品交到用户手上的完整动作，甚至可以在征得同意的前提下录制和商户、用户的日常对话。

800万骑手构成的分布式采集网络，将把AI物理场景数据的采集成本降低近七成，同时数据的场景覆盖度提升3倍以上。这些由骑手采集的一手数据，将直接用于DoorDash旗下配送机器人Dot的训练：此前Dot只能在封闭园区、商业体等固定场景运行，接入长尾场景数据后，将有望落地到开放的城市街道完成配送任务。

这种“日常工作+数据采集”的模式，也为零工群体拓展了新的收入来源。据DoorDash公布的试点数据，参与测试的骑手平均每月可通过Tasks多赚200到400美元，几乎相当于增加了10%左右的月收入，而平台无需额外投入大量固定采集人员，形成了双赢的商业闭环。

在DoorDash的模式跑通后，未来可能会有更多线下服务平台跟进：网约车平台可以动员司机采集路况数据，快递平台可以动员快递员采集社区点位数据，零散的零工劳动力将变成AI产业的“移动数据采集终端”，为具身AI的快速落地提供核心数据支撑。