DoorDash 的 AI 路线：先找配送问题，再决定是 agent、机器人还是人
No Priors 对谈 DoorDash 两位联合创始人，拆解 Ask DoorDash、DOT 机器人和人类配送员如何按真实配送约束分工。
单集信息
| 字段 | 内容 |
|---|---|
| 播客 | No Priors: Artificial Intelligence | Technology | Startups |
| 主持人 | 本集开头未明确报姓名 |
| 嘉宾 | Andy Fang，DoorDash co-founder；Stanley Tang，DoorDash co-founder |
| 集标题 | Building an Autonomous Delivery Experience with DoorDash Co-Founders Andy Fang and Stanley Tang |
| 发布日期 | 2026 年 7 月 9 日（按新加坡时间显示） |
| 原集链接 | 节目视频 |
DoorDash 先问配送问题，再选技术
这集最值得记住的不是 DoorDash 做了一个机器人，而是它对 agent、robot 和 human Dasher 的分工没有先验答案。Stanley Tang 说，团队做 robotics / autonomy 的起点总是实验，但实验之前要先问：要解决什么客户问题，真正的 use case 是什么，然后倒推技术方案。反过来，先造出技术，再回头找问题，最后往往得到一个不太合适的产品。1
这套方法解释了为什么 DoorDash 没有把所有配送都交给同一种自动化设备。平台平均配送距离约 3 到 5 miles，典型配送时间约 15 分钟。只在 sidewalk 上以每小时 2 米移动的机器人，覆盖不了这个约束；4,000 磅的 robo-taxi 也不适合处理送货场景，因为取货和交付的动作逻辑不同。DoorDash 把难题称作 first and last 100 feet：真正麻烦的地方，通常不在地图上的长距离，而在停车、进门、找到正确的 gate 或 storefront。1
Ask DoorDash 的价值不是聊天
Andy Fang 回顾了 DoorDash 的自然语言入口。团队最初押注 voice，但后来发现 voice 并不是关键；更有效的是自然对话，让用户把脑中的细节直接说出来。餐厅推荐因此不再只是关键词匹配，买菜也不再只是逐个搜索商品。用户会说「帮我把冰箱补满」「把平时买的东西再来一份」，或描述一个周末要和家人一起做的 pasta dinner。
转录中给出了两个很具体的结果：使用 Ask DoorDash 搜餐厅的轨迹里，50% 是去尝试此前从未下单过的地方；在 grocery 场景，basket size 增加了 40%。这两个数字比「对话体验更自然」更有信息量。前者说明系统改变了发现餐厅的路径，后者说明自然语言可能在购物任务里带来更完整的需求表达。它们是节目中被直接说出的结果，不应外推成所有用户或所有订单的结论。1
下一步的难点是新鲜信息。Andy Fang 说，DoorDash 想把互联网上正在流行的内容、各种论坛里人们正在讨论的东西带进搜索，因为模型本身的知识截止时间太早。目标不是给聊天加热闹，而是让用户更信任推荐。这里也有一个现实限制：外部信息越新，验证、排序和责任归属就越复杂。节目没有给出一个已经解决这些问题的通用方案。
DOT 不会替代整张配送网络
DoorDash 从 2018 年开始研究 robotics / autonomy。其自研的 DOT 是一个 autonomous delivery robot，重量 300 lb，最高速度 20 mph，约为汽车体积的十分之一，按节目说法属于 fully autonomous L4，并已在 Phoenix 运行接近两年。它不只走 sidewalk，也会进入 bike lane 和 road，目标是 dense suburbs。1
这个设计的关键不是把 DOT 说成万能设备，而是承认不同运力各有边界。DOT 可以做 strip mall 到住宅、3 到 5 mile 的 suburban delivery；drone 更适合 rural area、道路基础设施差且订单较轻的场景；复杂的多步骤 grocery order 仍然适合 human Dasher。Stanley Tang 的说法是，这不是 all or nothing 的选择，而是一套 multimodal strategy。
真实世界的工程成本也比 demo 高得多。一个摄像头被灰尘盖住、地上有 leaves、一侧车轮压在 leaves 上而另一侧在 asphalt 上，都可能改变扭矩控制。转录还提到 regen braking system 可能压过电池，出现 electric shock 的故障情形。早期系统用 Jenkins script 启动，规模扩大后却会半数时间崩溃；如果每次启动需要 30 或 45 分钟，问题就不再是研发体验，而是生产力。GPS pin 也不必然等于正确门口，apartment complex 的 front door、gate 和 storefront 都要单独处理。1
数据优势也意味着责任
Stanley Tang 说，DoorDash 可以从 100 亿条配送数据里提取信息，每月有超过 4,000 万消费者下单。更独特的是 first and last 100 feet 的真实 drop-off 数据：人类 Dasher 到底把东西放在哪里，这些信息不在 Google Maps 里，只存在于 DoorDash 的配送网络中。1
但数据多不等于自动驾驶简单。Waymo 的方案不能直接复制到 DOT 上，平台要面对每天 7 天、每天 10 小时运行时的脏污、取货、停车、充电和地址误差。对工程团队来说，稀有 edge case 才是系统能否交付的分水岭。
这集适合谁，哪些可以跳过
- 做 agentic commerce、配送平台或机器人产品的人，最该听客户问题倒推技术、多模态运力和 first and last 100 feet 的部分。
- 做推荐或搜索的人，可以重点听 Ask DoorDash 的 50% 新餐厅轨迹和 grocery basket size 增长，但不要把它当成全平台统计。
- 只想了解 DOT 外形和发布口号的人，可以跳过组织招人和启动脚本的细节；这集真正的增量在于，DoorDash 如何把 agent、robot、drone 和 human 放进同一张现实约束表里。
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.