DoorDash推出Tasks众包应用 骑手提交AI训练素材可获收益

美国本地即时配送平台DoorDash于2026年3月正式上线众包任务应用Tasks，面向平台旗下数百万骑手开放。该应用内的任务包含日常场景拍摄、多语种语音录制等，骑手完成任务提交的内容将用于AI模型训练，可获得额外报酬。这一模式既解决了AI训练真实场景数据缺口问题，也为灵活就业群体开辟了新的增收路径。

多模态大模型、具身智能的爆发式发展，正在让AI训练数据的需求结构发生快速变化：相较于此前批量采购的互联网公开数据，真实、非结构化的线下日常场景数据，正在成为各家AI企业争抢的稀缺资源。

据AI数据服务行业统计，2025年全球多模态训练数据的市场规模同比增长127%，其中真实线下场景的数据缺口超过60%，传统的定点采集、 studio拍摄模式根本无法满足需求。
此前包括OpenAI、谷歌在内的AI企业都曾尝试通过普通众包平台采集场景数据，但普通众包用户的场景覆盖范围有限，且数据质量参差不齐，采集成本始终居高不下，已经成为制约多模态AI落地的核心瓶颈之一。

本次DoorDash推出的Tasks应用，正是瞄准了这一供需矛盾：平台骑手天然具备覆盖广、场景多元的优势，他们日均接触社区、商超、餐饮门店等数十种线下场景，路线覆盖城市的各个角落，采集到的视频、语音数据完全符合AI对“生活化场景”的训练要求。
目前Tasks平台的任务类型包括拍摄特定场景的环境视频、录制指定语种的日常沟通话术、标注线下门店的物理空间信息等，单任务报酬从1美元到20美元不等，骑手可以在跑单间隙灵活接单，无需额外付出通勤成本。DoorDash官方表示，所有提交的数据都会经过敏感信息匿名化处理，避免泄露骑手或路人的隐私。

这种“线下配送网络+AI数据采集”的模式，已经引发了行业的广泛关注。行业分析师预估，这类依托现有线下流动群体的数据采集模式，能让AI企业的场景数据采集成本降低40%左右，同时可以让灵活就业者的单位时间收入提升15%以上，后续Uber、Instacart等拥有线下网络的平台都有可能跟进类似项目。
不过该模式也存在待解的争议：目前DoorDash尚未明确骑手对其提交的数据是否享有长期收益权，数据版权、收益分配的相关规则仍待完善，这也将是未来众包数据采集行业需要明确的核心规范。