近期，美表洋送巨头 DoorDash 揭橥了一款名为「Tasks」的操纵，旗下表卖员能够行使这款操纵，正在每次送餐已毕后，拍摄一段街景、送餐的视频，或者极少图片，即可得回必定的薪金。DoorDash 显露，Tasks 的事理是帮帮商家得回更确凿的线下洞察，同时让 AI 和机械人体系更好地明确实际天下。

　　换句话说，过去表卖员送的是一份餐食，而正在 Tasks 推出之后，他们不只要送餐，还要卖力提交一份锻练数据。这两年时候，大模子最常见的锻练途途常常都是先用海量网页、竹素、代码、图片这类公然或授权数据做预锻练，再靠人为标注、人为反应和后续微调，让大模子越来越伶俐。

　　而 Tasks 相似更动了 AI 锻练的宗旨，从互联网上的文本、图片，进一步卷向了实际天下自身。但这也不禁让人疑义，搜集实际数据有这么多式样，为何偏偏是表卖员呢？

　　DoorDash 此次上线的 Tasks 并不是咱们遐思中的正在表送流程里多加一项职分，而是斥地出所有独立的全新编造。骑手除了接表卖单，还能够接拍菜品照片、拍旅店入口、记实常日作为、录造表语对话等零碎职分。固然 DoorDash 显露每次已毕职分后都邑给表卖员一份薪金，但这个兼职没有专家遐思中轻松。

　　据《洛杉矶时报》报道，Tasks 里的实质不光是商家新闻搜集，还囊括录造西班牙语天然对话、拍本人洗碗、叠衣服、装洗碗机，以至处分和自愿驾驶车辆相合的现场职分。也即是说，除了送餐，表卖员思要抵达领取薪金的法式，需求做的事变并不少。

　　明眼人都能发明，DoorDash 并不是只须极少单纯的图片、视频素材，而是要更法式化、更可复用的实际天下音视频样本。越发是官方还夸大，DoorDash 目前具有超 800 万 Dashers（表卖员），掩盖都邑的每个角落。更直白地说，DoorDash 实在是正在借 Tasks 的表面，向商场通告本人具有 AI 锻练数据搜集的才华。

　　当然，回到咱们最合心的局限，表卖员正在已毕这些职分后结果能得回怎么的薪金？DoorDash 正在这方面暗昧其辞。媒体 WIRED 介入实质体验获得了一个数据样本，一个拍摄洗衣经过的职分标注为时薪 15 美元、最长 20 分钟，但按平台给出的估算，实质薪金低到唯有 0.37 美元；像扫描货架如许的职分，页面会直接显示 16 美元薪金。

　　平台确实正在给表卖员供给出格收入，但价钱并担心靖，职分代价也也各有分歧。但 DoorDash 为何蓦地同意为这些并不起眼的场景供给薪金呢？谜底也很单纯，DoorDash 要把这些音视频数据拿去本人以及协作伙伴的 AI 模子举行数据锻练。更耐人寻味的是，DoorDash 正在本年 3 月正式上线了自研的配送机械人 Dot，目前仅正在局部都邑与区域运营。

　　对待 DoorDash 而言，它要抢占的是目前 AI 大模子里最难做好的「长尾场景」，也即是除用文本、数据、图片锻练出来的法式化数据除表，还得有分开测验室也能寻常落地的场景数据援手。而这些刚好就对应了 Tasks 职分里那些奇异的需求，比方拍摄那些门口被遮住的招牌、偶尔悛改的入口、货架上摆放错杂的商品等等。

　　过去的大模子锻练，紧要靠的实在是互联网文本、图片、代码和公然视频，再加上人为标注、人为偏好排序这类后处分，重心宗旨是让模子先学会「看」和「说」。OpenAI 早期正在 InstructGPT 的论文仍然有过注释，说话模子即使参数再大，也还需求人类反应去微调。而跟着多模态和机械人的兴盛，这些数据仍然不敷用了。

　　多模态、身智能需求的数据，不再只是“杯子是什么”、“途牌长什么样”这种认知，而是更整体的物理天下体会，比方从哪个角度亲近门口、分歧材质的物体该怎样抓、不懂街道里什么新闻最影响途途推断等等。

　　比方Google DeepMind 正在 RT-2 论文里也有提到，互联网界限的视觉和说话数据，确实能帮帮机械人得回更强的语义明确才华，但真正让机械人已毕掌管和作为照射的，依然是机械人轨迹数据，也即是看到/听到了什么，接下来要做什么作为。

　　这也是为什么 DoorDash 这套 Tasks，看起来像给表卖员增添零活，本色上却很像一条低本钱的数据搜集流水线。表卖员这个职业自然就分表适合干这件事，比拟坐正在电脑前打标签的守旧标注员，表卖员最大的上风是他们原本就活正在这些杂乱场景里，每天送餐进出分歧门店、社区、写字楼和旅店，极少很杂乱的收支口，或者比正门更便开云电竞官方网站 kaiyun网站利的幼径，都由他们拍摄记实上传，造成确凿的可用的锻练数据。

　　往更深一点说，这个行动实在也是正在胀舞具身智能的兴盛。DeepMind 正在 2025 年揭橥 Gemini Robotics 时就有提到，进入物理天下之后，模子要同时处分感知、空间明确、状况臆度、筹备和掌管，这比纯净正在屏幕里天生文本杂乱得多。像 Google 近两年做的机械人大模子，都正在处分一个题目，那即是怎么让机械人不光会背固定作为，而是真的看懂实际场景、明确人类指令，再已毕对应操作。为了做到这一点，模子既需求互联网里的图文常识，也需求巨额确凿天下里的操作数据。

　　当然，表卖员之因而适合被加进 AI 锻练流程里，倒也不所有是由于「性价比」，更多的照样由于模子要走向确凿天下，最缺的恰是这种更具「活人感」的操作。试思一下，假使聘任巨额专业的工程师做这类到实际天下里搜集数据的活儿，他们未必醒目得比表送员更好。

　　客观来说，DoorDash 的 Tasks 安置即是帮帮企业迅速得回“地面新闻”的器械，提前囤积一批能让 AI 和机械人更懂实际天下的底层素材。但究竟上，自愿化配送早仍然不是稀罕的观念了。

　　正在中国大陆，美团仍然把自愿配送车和无人机落实到确凿配送场景。据美团官刚正在 2025 年宣布的数据，截至 2024 年开云电竞官网登录 开云电竞网站末，自愿配送车累计已毕近 500 万单，自愿驾驶里程占比 99%，还帮帮骑手省略了抢先 240 万公里的途途奔忙；无人机累计订单则抢先 45 万单。这份数据阐明，起码正在校园、幼区、机场这类线途安靖的场景里，自愿配送的作用仍然抵达合格线以上。

　　海表商场里，Serve Robotics 本年 3 月通告和 White Castle 通过 Uber Eats 推出机械人配送效劳，前者仍然正在美国多个都邑落地机械人配送，并正在 2025 年末已毕了 2000 多台机械人铺排。另有Starship Technologies，它们家的自愿配送机械人累计仍然已毕了 900 万次配送。

　　正因云云，DoorDash 现正在让骑手就手给 AI “喂”数据这件事，就显得相称微妙。目前 DoorDash 自家的 Dot 配送机械人正在公然的案例里，自愿化配送获胜率仍然够高，但场景照样相对局部，终归机械人最难啃下的硬骨头，照样门口招牌被盖住了、幼区入口偶尔换了、表卖收件点身分过错等等琐碎的题目。DoorDash 动作美国商场的表卖巨头之一，天然也了解自愿配送今朝的逆境。

　　DoorDash 最伶俐的地方就正在此，它一边坚持让表卖员络续送餐，并用必定的薪金勉励他们已毕 AI 数据搜集的职分；另一边则是用这些数据举行深度锻练，为即将到来的自开云电竞官网登录 开云电竞网站愿配送机械人做计算。但说终究，表送骑手短期时候里，照样这条流程里最弗成欠缺的一局限，他们的事务也很难被自愿化配送庖代。

　　但永远来看，当平台一边积攒实际天下数据、一边促进自愿配送落地，人和机械的相合不妨会缓缓从协同事务，改观为被庖代。工夫先进当然值得相信，自愿配送、具身智能和实际天下数据搜集，本色上都正在胀舞行业作用晋升，也有机缘把极少反复、劳累的症结交给体系去已毕；但另一方面，表卖和即时配送平素都不是一门只合心“送货”的生意，它内中有太多需求和客户疏通疏通推断和杂乱处境处分的题目。是以，起码正在相当长一段时候里，配送这件事依旧要靠人来兜底。

　　原文题目:表卖员给AI打工？从送餐到「喂」数据，800万骑手成AI锻练师。

　　维科杯·OFweek 2025（第十届）物联网行业年度评比投票，即将已毕！

　　“维科杯·OFweek 2025（第十届）物联网行业年度评比”搜集投票正式开启！

　　Mediatom序次化告白变现：API和SDK接入为斥地者供给更多掌管权！