与 DoorDash 联合创始人 Andy Fang、Stanley Tang 一起打造自主配送体验

摘要

• Ask DoorDash 已经在改变需求：50%的餐厅订单最终来自用户从未尝试过的商家，杂货订单的购物篮金额约高出40%。 自然语言下单释放了餐厅发现、饮食规划、拍冰箱照片补货和一键复购等场景，因为用户可以“直接把脑子里的想法自然地转成这个界面能理解的表达”。Andy称，餐厅发现率是 DoorDash 历史上最难推动的指标之一。
• DoorDash 认为，智能体商业将成为分发层，而不只是其App里的另一种交互界面。 Ask DoorDash 会吸收互联网和论坛上的最新趋势，DoorDash CLI 还可以让储藏室摄像头在库存见底时自动触发补货。Andy对更长期趋势的判断明确带有推测成分：如果“网站上的智能体流量超过人类流量”，今天重新创建的 DoorDash 会“更加智能体优先”。
• DOT 的存在，是因为时速2–3英里的道路机器人和重达4,000磅的Robotaxi都不适合 DoorDash 常见的3–5英里配送。 这款专门设计的中间形态重约300磅，车身约为汽车的1/10，最高时速20英里，可穿行于道路、自行车道和人行道；它已在 Phoenix 运营约两年，并于去年达到完全自主L4。Andy认为，更准确的比喻是“自动驾驶摩托车、踏板车或自行车形态的车辆”。
• DoorDash 所称的自动驾驶护城河，是10 billion次已完成配送所揭示的真实取货、路径规划和交付行为，而不是泛泛的用户档案。 DoorDash 年配送量超过30亿单，月活消费者超过4,000万，因此可以把郊区订单分配给 DOT、把轻量级农村订单交给无人机，再把复杂杂货订单交给 Dashers。历史上的人工交付记录还解决了标准地图图钉无法处理的“最开始和最后100英尺问题”。
• 随着规模化推进，瓶颈已从证明自动驾驶可行，转向硬件和运营的工业化。 真实部署暴露出摄像头沾污、路边落叶导致轮胎一侧打滑、再生制动带来的电气冲击、仓库和充电需求，以及一个一半时间会崩溃、每次耗时30–45分钟的启动脚本；前100台机器人靠手工制造，但接下来的1,000台或10,000台需要供应链纪律。随着自动驾驶“越来越不再是约束”，DoorDash 与 Rivian 分拆出的 Also 建立了合作。
• DoorDash 的AI支出从1月到6月增长约20倍，随后持平，迫使管理层从庆祝采用转向衡量回报。 DashBench 用真实编码任务比较模型和测试框架，包括更便宜的开放权重模型能否在较简单的工作上保留足够智能。尚未解决的问题是：模型在清洗后的实验室任务上“表现极佳”，面对杂乱的企业数据却只能“勉强可用”。
• Stanley预计，10年后 DoorDash 的 Dashers 会更多而不是更少，尽管届时已有机器人、无人机和AI。 DoorDash 目前拥有超过900万名 Dashers，数量同比增长25%，并希望扩大到5倍或10倍；如果只靠人力，最终意味着“美国一半的人每月都在送货”。他的判断是，所有配送形态会共同增长，而更低成本的配送也可能刺激足够多的新增需求，进而继续扩大人工配送队伍。

精读

上游暂未提供，后续同步将继续补齐。