外賣小哥可能很快就有副業可以做了。
日前，海外外賣平台DoorDash宣布在美國市場面向騎手推出「有償副業」選項。據了解，相關任務包括拍攝餐廳菜品照片、錄製非英語的自然對話視頻等，相關內容則將用於訓練AI。其每項任務的報酬會提前標明，具體金額取決於任務的複雜程度。
眾所周知，當下AI行業的市場競爭已經進入白熱化階段，而AI模型能力的迭代升級，高度依賴訓練數據的數量和質量。低質數據不僅無法訓練出強大的AI模型，還可能會引發嚴重的倫理或安全問題。並且AI模型的能力想要落地到具體場景、實現商業化變現，同樣需要大量垂直場景相關數據來做支撐。
然而隨著AI廠商的肆意採掘，網路中的公開優質數據也快速枯竭。同時全球各地的數據監管持續收緊，也使得合規紅線越來越嚴格。在這樣的情況下，也倒逼一眾AI廠商重構數據的獲取方式。例如，越來越多大廠或開始建立數據聯盟，通過整合行業內部的數據實現共享互補，或是嘗試藉助AI合成數據，試圖用虛擬數據替代真實數據訓練AI模型。
DoorDash如今依託自身覆蓋廣泛的人力網路，發動一線的從業者參與數據採集，試圖用分散式、場景化的方式破解數據稀缺的難題，顯然就是另一種開源模式的嘗試。
事實上，不只是DoorDash。此前在海外市場，Uber就已開始測試一項名為「數字任務」的創新計劃，支持司機和騎手通過完成拍攝日常物品照片、提交多語言文本文檔等任務，來獲取額外收益 。
就在日前，京東方面宣布將建設全球規模最大、場景覆蓋最全的具身智能數據採集中心。按照規劃，該中心將在兩年內積累超過1000萬小時的人類真實場景優質數據，同步採集100萬小時機器人本體數據。
為實現這一目標，京東計劃啟動數據採集行動。據悉，此次參與的總人數將達到數十萬量級，既包含京東內部超十萬名跨職業員工，還涵蓋了外部最多五十萬各行各業的從業者，例如僅宿遷一地就將動員超過十萬名市民參與。
這種「數據眾包」的設計，既能為騎手帶來額外收入，對平台而言也無需投入高額成本來搭建專業團隊。而且騎手採集的這些數據並非公開網路上通過爬蟲就能獲取，而是具備真實地理位置等信息，獨特的、無法被複制的場景數據。更進一步來說，除了滿足自身的需求，Uber、DoorDash、京東甚至還可以變成數據服務商，藉此開闢新的增長機會。
然而需要注意的是，任何看似可行的商業模式，落地時都會面臨現實中的重重考驗，「數據眾包」也不例外。一方面，騎手、司機的主業是「按時送達」，而「拍攝」則是一項額外的、按件計酬的副業。當主業與副業在時間和注意力上產生衝突時，騎手和司機又會如何選擇？不難預料，兩者的衝突就有可能會影響到所採集數據的質量。
此外，零工經濟在勞動關係與倫理方面本就存在諸多爭議，「數據眾包」的加入或將進一步加劇這一衝突。所以如何設計一套激勵體系，讓騎手、司機有動力提供高質量的數據，同時不影響到本職的服務質量，就是擺在Uber、DoorDash面前的難題。
儘管Uber、DoorDash等平台均強調任務自願、數據用途明確，但實際在數據採集過程中，隱私與合規的邊界極易模糊。例如，騎手在拍攝餐廳菜品、配送環境、錄製語音時，就不可避免可能拍到第三方的人員、商家信息，甚至可能涉及他人隱私，那麼這類數據是否能獲得相關授權，是否符合隱私保護法規，其中的風險也不容小覷。
不過一旦「數據眾包」這條路跑通，未來所有擁有大規模線下履約網路的平台，無論外賣、網約車，還是快遞平台，大概率會迅速跟進。屆時，外賣小哥、網約車司機、快遞配送員就不再僅僅是「勞動力」，而是被全面「數據化」的觸角，他們的每一次出行、每一次停留、每一次交互，都有可能會被拆解為具體的數據採集任務。
【本文圖片來自網路】
