DoorDash的AI数据苦力：我试了一周

凌晨两点，我把手机绑在胸口，蹲在洗衣机前录视频。每次手稍微出框，手机就刺耳地尖叫。这不是什么怪癖内容——我在给DoorDash的新应用Tasks打工，时薪大概够买两杯咖啡。

这个和外卖完全无关的App，正在把普通人变成AI训练的"人肉传感器"。你的双手、你的家务、你的日常，被明码标价收购。

从送外卖到"卖身体数据"

DoorDash今年悄悄上线的Tasks，逻辑简单粗暴：让用户穿戴设备录制第一人称视频，教AI和机器人理解物理世界。官方话术很体面——"帮助AI系统理解真实环境"，但本质上就是众包数据采集。

启动流程堪称诡异。注册后第一个任务：把桌上三个物品移到另一边。我挪了咖啡杯、钢笔、笔记本，没拿到钱，换来一个免费的手机胸带——方便后续"深度绑定"。

目前任务分五类：家务杂活、手工维修、烹饪、场景导航、外语对话。家务从铺床到换花盆土；维修从换灯泡到倒水泥；烹饪几乎全是鸡蛋——煎、煮、炒；导航包括逛博物馆、绕小区走；外语对话要求"自然交流"。

定价策略很有意思。DoorDash说" upfront显示报酬，按难度定价"，但实际我看到的任务多在3-8美元区间。录制10分钟叠衣服视频，报酬5美元。折算下来时薪约15-25美元，低于美国多数州最低工资。

更隐蔽的成本：设备损耗、时间碎片化、以及把私人生活彻底工具化。你家的厨房、卧室、浴室，变成AI公司的训练场。

谁在购买这些"数字身体"？

DoorDash没有公开客户名单，但行业图谱很清晰。生成式AI公司需要海量视频理解物理交互；人形机器人公司需要模仿学习数据；自动驾驶需要室内导航样本。

一个关键细节：加州、纽约市、西雅图、科罗拉多州的用户被明确禁止参与。这几个地方恰好在数据隐私立法上最激进。DoorDash的规避策略，暴露了业务的法律灰色地带。

我在堪萨斯州完成了测试。任务审核速度参差不齐，有的几小时到账，有的卡了两天。提现门槛和外卖业务打通，最低1美元可提，但实际到账要扣手续费。

技术层面的设计值得玩味。视频必须满足苛刻的帧率、光照、手部可见度要求。系统会自动检测手指是否出框——这就是开头那声刺耳警报的来源。不合格的视频会被打回，时薪进一步缩水。

这种质量控制机制，把"零工"变成了"计件苦力"。你不是在"完成任务"，是在被算法审计。

AI数据工厂的流水线

Tasks不是孤例。整个AI行业正在构建庞大的"人类数据基础设施"。Scale AI的Remotasks、Amazon的Mechanical Turk、甚至Tesla的"数据标注员"招聘，都是同一套逻辑：用最低成本获取训练数据。

但DoorDash的切入角度更激进——它利用了已有的零工网络。美国有超过700万注册Dashers（外卖骑手），Tasks可以直接转化这个池子。不需要重新获客，边际成本趋近于零。

这对骑手意味着什么？一个危险的"双向锁定"。外卖订单波动大时，Tasks提供"兜底收入"；但长期看，它把骑手困在更廉价的数据劳动里。送外卖至少还有"配送"的实体价值，录视频完全是出售生物特征。

更深层的问题：数据定价权的彻底不对称。你录的10分钟洗碗视频，可能被用于训练价值数十亿美元的机器人模型。5美元报酬 vs 潜在百万倍价值捕获，这是数字时代的新型剥削公式。

DoorDash的 press release 里有一句关键表述："未来会扩展任务类型和用户群"。翻译一下：现在只是试点，规模化后会更激进。

身体数据化的临界点

我完成的最后一个任务，是"自然行走并描述周围环境"。戴着胸带手机在公寓楼转圈，感觉自己像被远程操控的探测车。这种异化感，比任何理论分析都更直接。

Tasks代表的趋势很明确：AI训练正在下沉到日常生活最琐碎的层面。不需要专业标注员了，普通人的身体就是数据源。第一人称视角视频（ego-centric video）是机器人模仿学习的圣杯，而DoorDash找到了最便宜的采集方式。

行业术语叫"行为克隆"（behavior cloning）——让AI通过观察人类动作学习技能。理论上，100万段叠衣服视频能让机器人掌握这项任务。问题是：谁贡献了数据？谁拥有模型？谁获得收益？

DoorDash的模式把这三个问题的答案，推向了极端不平等。用户既不知道数据去向，也无法分享下游价值，甚至连基本的劳动保障都没有。Tasks的条款里明确写着"独立承包商"关系，规避了最低工资、社保、工伤赔偿。

这种架构的讽刺性在于：你在帮助训练可能取代自己的技术。今天录洗碗视频换5美元，明天机器人学会洗碗，你连这5美元都赚不到。

监管真空与平台套利

为什么DoorDash能这么操作？因为"个人生物数据出售"在美国几乎不受监管。GDPR（通用数据保护条例）在欧洲管得严，但美国没有联邦层面的等效法律。州级立法如加州CCPA，主要针对"可识别个人信息"，而"匿名化"的动作视频处于模糊地带。

DoorDash的地理封锁策略，说明他们清楚法律风险。但这也创造了"监管套利"空间：把数据劳动转移到保护薄弱的州，再卖给全球AI公司。堪萨斯州的洗碗视频，可能训练着硅谷的机器人、深圳的智能硬件、迪拜的自动化酒店。

这种全球价值链的底层，是无数被算法拆解的身体动作。每个5美元的任务，都是数据殖民主义的微观单元。

更隐蔽的是技术依赖的构建。一旦用户习惯了"胸带+手机"的工作流，平台可以无限扩展任务类型。今天是家务，明天可能是医疗护理、儿童看护、老年陪伴——所有需要"人类触感"的场景，都可以被数据采集。

DoorDash的野心不止于AI训练数据。他们在测试一种全新的"人类能力交易平台"，把人的感官、动作、语言，全部模块化出售。

零工经济的下一阶段

Tasks的上线时机很有意味。2024-2025年，AI投资狂热与零工经济平台化同时加速。DoorDash股价在过去一年翻倍，但外卖业务增长见顶。他们需要新故事——"AI基础设施提供商"比"外卖公司"性感得多。

资本市场的逻辑是：控制数据入口，比控制配送网络更有价值。Tasks让DoorDash从"劳动中介"升级为"数据管道"。骑手/任务者不再是服务对象，而是原材料。

这种转型对劳动者的影响是双重的。短期看，多了一种收入选择；长期看，议价能力进一步丧失。当你出售的是"身体数据"而非"劳动服务"，连组织工会都变得困难——你的对手是跨国的AI模型训练流程，不是具体的雇主。

我试图在App里找到"数据使用说明"或"客户披露"，但只找到笼统的"帮助AI理解物理世界"。这种信息不透明，是系统性设计。如果用户知道自己训练的是哪家公司的机器人，可能会要求更高报酬，或拒绝参与。

DoorDash的解决方案是：把数据供应链彻底黑箱化。用户只看到任务和报酬，看不到价值流向。

技术民主化的悖论

AI行业喜欢谈论"技术民主化"——让普通人也能从AI进步中受益。Tasks展示了这种话语的残酷现实：民主化意味着普通人以最低成本参与，而收益高度集中。

一个对比：OpenAI的承包商时薪通常在15-30美元，有基本培训和质量反馈。DoorDash的Tasks时薪中位数约12美元，无培训、无反馈、无职业发展。平台利用零工经济的既有基础设施，把数据劳动压到价格地板。

更讽刺的是"灵活性"叙事。Tasks确实可以随时开启——凌晨两点想赚5美元？打开App录个洗碗视频。但这种灵活性是单向的：平台可以随时调整任务价格、审核标准、地理覆盖，用户没有任何谈判筹码。

我在测试中遇到一次任务被拒：光线不足，手部识别失败。重新录制花了20分钟，时薪跌到3美元以下。这种"质量风险"完全转嫁给劳动者，平台零成本。

这种风险分配机制，是Tasks商业模式的核心。它把AI训练的不确定性，拆解成无数个微型的、可弃置的人类劳动单元。

机器人需要人类教它做人

回到那个凌晨的洗衣房场景。我蹲在洗衣机前，手机绑在胸口，手指必须保持在画面中央。每次出框，警报响起，心跳加速。

这个画面浓缩了AI时代的某种真相：最先进的智能系统，依赖最原始的人类劳动。机器人学习"像人一样做事"，需要真人先把自己变成教学工具。

DoorDash Tasks把这个过程工业化、规模化、廉价化。它不是技术创新，是组织创新——如何更高效地动员人类身体，为AI资本服务。

我卸载App前看了一眼累计收入：47美元，耗时约6小时，折合时薪7.8美元。这还没算手机折旧、电费、以及那种难以量化的异化感。

但真正的成本在更长的时间尺度上。当足够多的洗碗、叠衣、行走视频被采集，机器人将掌握这些技能。然后Tasks这类平台会消失——不是出于道德，而是因为不再需要人类教师。

那个时刻，今天的"数据零工"会发现，自己亲手训练了替代者。而DoorDash早已转型，成为机器人服务的中介平台，收取另一笔佣金。

这就是Tasks揭示的未来图景：人类劳动的终极形态，是教机器如何让自己失业。最讽刺的是，我们还得为此付费——用时间、用身体、用那些本该属于自己的生活片段。

至少，我得到了一个免费的手机胸带。也许将来可以挂在墙上，作为这个时代的考古标本。