當你在爲生計奔波送餐時，你可能也在無意中成爲了頂尖 AI 模型的“導師”。

據媒體報道，美國外送巨頭DoorDash近期推出了一款名爲“Tasks”的獨立應用。這款應用允許其平臺下超過 800萬名 外賣員在送餐之餘，通過完成簡單的數字化任務來賺取額外報酬。

長尾場景剋星:讓騎手採集“真實物理世界”

DoorDash， Inc. 此舉的核心目的並非簡單的業務擴張，而是爲了解決 AI 訓練中的核心痛點——高質量真實場景數據的匱乏:

任務多樣化: 騎手們通過拍攝特定的街景、錄製日常對話、記錄行走或交付動作等，爲 AI 提供最接地氣的素材。

攻克長尾場景: 相比於實驗室模擬，分佈在全球各地的800萬騎手能深入大街小巷，低成本採集到大量稀缺的、真實的物理世界“長尾場景”數據。

技術閉環:爲配送機器人 Dot 鋪路

這些由騎手們“喂”出來的數據，將直接流向DoorDash的 AI 實驗室:

模型進化: 數據將用於優化其配送機器人 Dot 的視覺識別與路徑規劃能力。

落地加速: 隨着真實世界操作數據的不斷累積，自動配送機器人在複雜環境下的生存能力將得到顯著提升，推動自動配送在更多地區從實驗室走向寫字樓和社區。

行業前瞻:外賣員會被 AI 取代嗎?

儘管DoorDash正在加速自動化的步伐，但行業專家認爲，短期內外賣員的角色依然不可替代:

複雜環境處理: 在處理最後100米的入戶交付、應對突發交通狀況等方面，人類的靈活性依然遠超當前的機器人。

角色轉型: 騎手正在從單純的“體力勞動者”向“AI 訓練師”轉型，通過與技術的協同實現價值重構。

結語:送餐路上的“數據礦工”

從大街小巷的穿梭者到 AI 模型的“喂粉員”，DoorDash正在利用其龐大的騎手網絡構建一道難以逾越的技術護城河。當800萬騎手的日常動作轉化爲驅動機器人的算法邏輯，一場關於“人機協同”的效率革命正在外賣行業悄然上演。