DoorDash AI 点餐走出 App，直指 Uber Eats

DoorDash 通过 Apple Messages 推出 DoorDash AI 点餐，首次将发现、购物车创建和结账流程转移到文字对话中。9 月 30 日上线后，美国用户无需打开 DoorDash app，即可提出餐点需求、获取推荐、查看建议购物车并确认付款。

这一转变带来的竞争，比又一次聊天机器人发布更为重要。DoorDash 希望掌握顾客选择餐厅之前就开始的那段对话。Uber Eats 和 Grubhub 将面临压力，因为更少的菜单浏览、搜索和点击，可能改变消费者选择配送平台的方式。

该服务目前仍是设有候补名单的有限测试，并非对现有 app 的全国性替代方案。其成败将取决于 AI 智能体能否理解模糊需求、尊重饮食偏好，并避免代价高昂的购物车错误。DoorDash 还必须证明，对话式点餐能创造持久需求，而非短暂的好奇心热潮。

DoorDash AI 点餐智能体在 Messages 中创建购物车

DoorDash 正将文字对话线程变成交易型店面，而不只是新增一个搜索框。

用户可以发送“点我平时常点的”之类的请求，或描述想吃什么，而无需说出餐厅名称。DoorDash 表示，该智能体会搜索附近商家、扫描菜单、推荐选项并创建购物车。它还可以发送取自餐厅页面的食物照片。

顾客会在对话中查看并确认建议订单。获批后，已保存的付款方式将完成结账。这一设计省去了打开 app、选择商家、浏览菜单、编辑购物车并逐步完成付款页面的常规流程。

该智能体会将对话中的电话号码与顾客的 DoorDash 账户关联。这让它能够访问相关订单历史和已保存的偏好。根据该公司的产品详情，它可以记住餐点修改、酱料或固定咖啡订单等重复性选择。

DoorDash 还表示，该系统可以处理具有不同饮食需求和数量要求的多人订单。这比找到一道熟悉的菜更难。智能体必须在结账前，将多项自然语言请求转换为具体商品、修改项和数量。

另一个示例超出了餐厅配送范围。顾客可以发送一张冰箱照片，并询问餐食创意或缺少的食材。随后，智能体可以推荐杂货商品，不过用户在付款前仍需检查结果。

首个版本通过 Apple Messages 运行，面向符合资格的美国账户持有人。美国 iOS 用户可通过候补名单申请，Android 支持计划稍后推出。DoorDash 尚未公布全面开放日期。

此次推出建立在 Ask DoorDash 的基础上，该助手于 2026 年 6 月在公司 app 内推出。DoorDash 表示，Ask DoorDash 用户在上线后的前三个月发现了超过 40,000 家新餐厅。近一半相关餐厅订单流向了这些顾客此前未曾尝试过的本地商家。

这些数据来自 DoorDash 自身的市场平台数据，尚未获得独立验证。不过，它们仍解释了为何该公司愿意将界面扩展到 app 之外。如果对话式推荐能够推动发现，DoorDash 便可同时影响顾客买什么，以及在哪里购买。

这一新渠道也让 DoorDash AI 点餐更接近真正的智能体。AI 智能体是能够理解目标，并为实现目标完成多个步骤的软件。在这里，这些步骤包括发现、比较、创建购物车和准备结账。

这一差别很重要。传统聊天机器人或许能回答附近哪家餐厅卖拉面。DoorDash 的产品则试图将答案转化为一笔已完成的交易，前提是获得顾客的最终确认。

因此，这一测试检验的不只是基于消息的便利性。它测试的是 DoorDash 能否缩短模糊意图与付费订单之间的距离。这正是竞争压力的来源。

更少的点击可能成为新的竞争优势

战略上的大奖并非更智能的菜单搜索，而是成为消费者感到饥饿时第一个询问的服务。

餐饮配送 app 传统上通过餐厅选择、配送速度、促销、订阅服务和熟悉度展开竞争。它们的界面仍要求顾客做出许多细小决定。用户需要选择平台、进入品类、比较商家、查看菜单、定制商品并检查最终购物车。

DoorDash 的 AI 智能体将这些选择压缩成一项请求。一句“为四个人找晚餐，其中一份素食”就能让公司塑造候选清单。如果推荐值得信赖，顾客可能根本不会在另一款配送 app 中比较同样的需求。

这种动态让 DoorDash 有机会更早介入购买过程。它不再等着用户先选择 DoorDash 再开始搜索。文字对话线程本身成为入口，而此前订单则提供让对话持续推进所需的个性化信息。

便利本身并不能保证忠诚度。餐饮配送顾客仍会在费用、配送时间或餐厅可用性在其他平台上看起来更优时更换 app。然而，能够可靠记住复杂偏好的智能体会创造新的转换成本。

这种成本并非来自合同，而是来自积累的上下文。一位回头客可能会重视一个记得孩子过敏情况、每周午餐习惯和偏好替换选项的智能体。

该公司表示，一名普通美国用户可通过 DoorDash 接触超过 800,000 种菜单商品和杂货产品。这一估算来自 2026 年 6 月对 10,000 名美国消费者的样本。庞大的目录为智能体提供了大量选择，但也让准确排序变得更加重要。

当顾客不再浏览时，AI 就会成为把关者。出现在其推荐中的餐厅将获得曝光，其他餐厅则可能被排除在考虑范围之外。DoorDash 需要说明，可用性、偏好、赞助展示、价值和配送条件如何影响这些推荐。

该界面还为主动式商业创造了机会。DoorDash 表示，该助手最终可以根据日常习惯，就重复订单向顾客发送消息。有关晨间咖啡的提示，会让该服务从被动响应的工具变成主动创造需求的服务。

这种方式可能提高下单频率，但也有变得打扰人的风险。顾客可能欢迎相关提醒，也可能反感源源不断的自动营销消息。公司需要提供让主动建议易于理解且易于关闭的控制选项。

DoorDash 的发布正值其他企业也在尝试将商业活动带入对话之中。个人智能体越来越多地汇总选项、调用外部服务并准备交易。配送平台希望即使由另一位助手发起请求，自己仍是完成订单的系统。

这正是消息界面为何比其简洁表象更重要的原因。DoorDash 正在捍卫其在消费者意图与本地商家之间的位置。它也试图在更广泛的 AI 助手令单个配送 app 更不显眼之前，扩大这一位置。

Uber Eats 已有 AI 智能体战略

DoorDash 已将点餐移入 Messages，但 Uber Eats 正通过不同界面追求同一目标。

Uber Eats 于 2026 年早些时候为美国杂货订单推出 Cart Assistant。该测试版可将输入的清单、手写便签和食谱图片转化为可直接结账的杂货购物车。它利用当前可用性、价格信息和以往购买记录来选择商品。

Cart Assistant仍位于 Uber app 内。用户进入一家杂货店，并从该店铺页面调用助手。在下单前，他们可以编辑数量或替换已选品牌。

DoorDash 的方式减少了更多界面层级。其智能体从 Apple Messages 开始，并可在创建购物车前从本地商家中进行选择。这让 DoorDash 对无 app 点餐拥有更明确的主张，尽管有限测试限制了其即时竞争影响。

Uber 的设计让顾客在创建购物车期间保有可见的控制权。DoorDash 同样要求确认，但文字对话可能隐藏一些结构化购物车能一次性展示的细节。哪种界面更好，将取决于特定订单中速度与可检查性何者更重要。

餐厅餐食与杂货也带来不同挑战。杂货清单通常包含明确的产品、品牌或数量。一份晚餐请求可能更具主观性，尤其是在有人要求健康、慰藉、快捷或适合多人共享的食物时。

尽管现有发布材料中尚未宣布可直接比拟的 Messages 产品，Grubhub 同样面临这一转变。没有引人注目的对话式入口的平台，可能成为由外部智能体访问的若干服务之一。这将削弱平台对发现环节的控制。

Google 已经展示了这种中介模式可能的运作方式。其移动智能体功能已支持跨服务任务，其中包括 DoorDash、Uber Eats 和 Grubhub。在这一模式中，助手掌控对话，而配送平台提供库存和履约服务。

DoorDash 正试图同时占据两种位置。其面向消费者的智能体管理请求，而其市场平台处理交易。与此同时，该公司也在向其他组织构建的智能体开放点餐能力。

DoorDash 于 9 月 30 日宣布了一项独立的企业点餐连接器。它使用 Model Context Protocol，这是一项让 AI 应用连接外部服务的开放标准。参与的职场智能体可以查找商品、创建购物车、下订单并跟踪配送。

DoorDash 点名的早期测试合作伙伴包括 Vercel、Cognition、Tempo、Mercor 和 SpaceXAI。一家公司可以构建一个 Slack 机器人，收集团队午餐需求并提交合并订单。另一种智能体则可以监控办公用品并重新订购已批准的商品。

该连接器揭示了更广泛的战略。无论顾客从 Messages、Slack、企业内部智能体还是 DoorDash 自身 app 开始，DoorDash 都希望交易流经其网络。面向顾客的文字智能体是该计划中最显眼的部分，但并非全部。

Uber Eats 可以通过自己的助手、合作伙伴关系或向第三方智能体开放访问来回应。Grubhub 也可以探索类似路径。竞争正从哪款 app 拥有最流畅的菜单，转向哪个平台能出现在最有用的对话中。

在这些具体发布中，DoorDash 目前拥有最清晰的无 app 消费者定位。它尚未证明顾客偏好这种点餐方式。候补名单证明了兴趣，而重复使用将证明这一优势是否真实存在。

智能体必须赢得替用户做昂贵选择的许可

只有当顾客信任智能体的理解、推荐和最终购物车时，对话式结账才能节省时间。

餐食订单中蕴藏着许多容易出错的环节。模型可能选错餐厅分店、忽略过敏信息、混淆数量，或遗漏定制选项。当所需商品缺货时，它也可能选择价格更高的替代品。

DoorDash 在其试点指南中承认了这一局限。该公司建议顾客在付款前检查购物车，因为 AI 生成的选择可能出错。独立试点报道还指出，该服务目前仍仅面向部分美国账户持有人开放。

这一警示界定了该产品的核心取舍。系统承诺减少操作负担，但顾客仍必须核查关键细节。若验证所需的注意力与常规点餐相当，智能体便会失去很大一部分优势。

在多人订单中，风险会进一步上升。一个人可能要求素食，另一个人可能有严重过敏，第三个人则可能需要特定数量。自然语言可能会含糊地表达这些需求，而一次错误理解会影响多个人。

DoorDash 不应将偏好记忆等同于经过核实的安全信息。过去总是点不含花生的餐食，并不必然意味着顾客对花生过敏。餐厅还掌控着制作流程、食材信息和交叉污染披露，这些都超出智能体的直接视野。

价格透明度也构成另一项挑战。对话式推荐会让比较商品价格、服务费、配送费、税费和小费变得不那么直观。智能体必须在确认前清晰展示完整购物车，而不应将结账呈现为一条随意的最终消息。

推荐激励机制同样值得审视。当订单金额更高、频率更高，或通过利润更丰厚的商业合作关系完成时，DoorDash 都会受益。用户需要确信，推荐反映的是自己的需求，而非平台未披露的优化目标。

该公司表示，Ask DoorDash 可以扫描杂货库存，寻找价格更低的同类商品。它还称，这些购物车的组建速度是传统杂货购物篮的五倍。DoorDash 使用其 2026 年 6 月的市场数据得出了这一数字。

同一份公司数据称，Ask DoorDash 的杂货购物篮价值几乎高出 50%，独特商品数量则比同一批消费者的传统订单多约 60%。这些结果可以支持不同解读。助手或许帮助顾客完成了原本计划的购买，也可能是其推荐鼓励了更大的购物篮。

更大的购物篮有利于 DoorDash 和参与商家，但并不能自动证明消费者获得了更多价值。独立测试应考察替代商品、不必要的添加项、最终成本以及送达后的满意度。

隐私也将影响信任。个性化点餐依赖购买历史、已保存的支付方式、配送信息和推断出的习惯。主动推荐又增加了一层复杂性，因为系统需要决定何时应根据过往行为触发新的商业信息。

顾客需要对记忆和触达方式拥有明确的控制权。他们应能够更正偏好、删除过时的假设，并停止主动提示。一个有用的智能体不应成为记录每一次短暂口腹之欲的永久档案。

消息渠道也带来了安全方面的预期。尤其当付款和配送信息进入流程时，顾客必须知道自己正在与 DoorDash 沟通。任何基于短信的点餐产品都需要防范冒充、可疑链接和未经授权的账户访问。

这些问题都不意味着该产品无法运作。它们解释了 DoorDash 为何采用 beta 测试和候补名单模式。公司需要通过真实互动了解：对话自由度在何处带来便利，又在何处仍需要结构化控制。

最理想的 DoorDash AI 点餐体验不会取消每一个界面。它会减少重复操作，同时在恰当的时刻呈现关键选择。确认、价格明细、饮食信息和替代品控制仍应保持明确。

DoorDash 正在围绕本地商业构建智能体层

与其将 Messages 上线视为独立的餐食订购功能，不如把它看作更大商业系统的一部分。

DoorDash 在每笔交易背后运营着商家目录、消费者账户、支付、订单处理和配送协调。AI 智能体可以通过对话式请求连接这些层级。这种整合让 DoorDash 相较于必须依赖外部服务的通用助手更具优势。

该公司正将同样的逻辑扩展至餐厅、杂货、工作场所餐食和家庭补货。消费者可以通过 Messages 订晚餐。员工可以通过内部助手订午餐，而办公室智能体则可以通过企业连接器补充零食。

这些例子共享同一种机制。智能体将非结构化意图转化为结构化购物车，再将获批准的交易交给 DoorDash。即使传统市场界面消失，配送网络仍然不可或缺。

这一转变可能改变 DoorDash 衡量产品表现的方式。如果人们通过外部对话完成订单，应用会话次数和菜单浏览量的重要性就会下降。转化率、成功完成任务、纠错率和重复使用智能体，都会成为更具参考价值的指标。

商家也获得了新的发现渠道，但会失去部分展示控制权。餐厅页面可让商家组织分类、图片、描述和主推商品；智能体则可能将这一店铺页面概括为少数几个推荐选项。

DoorDash 表示，Ask DoorDash 已将近一半相关餐厅订单导向顾客从未尝试过的本地餐厅。这一说法表明，智能体或许能够扩大探索范围，而不只是重复过去的购买。长期影响将取决于推荐如何在商家之间分配注意力。

当顾客描述一道菜，而非搜索知名品牌时，小型餐厅可能受益。但如果排名系统偏向数据更丰富、履约更可靠或需求已获验证的商家，它们也可能变得更不显眼。DoorDash 尚未披露足够细节来解决这一问题。

企业连接器也为开发者和企业采购方带来类似问题。智能体可以下达周期性餐食订单或使用员工福利，但组织需要设置消费限额和审批规则，还需要留存记录，以显示每笔交易由谁发起。

Model Context Protocol 接入让 DoorDash 能够在兼容的 AI 系统中使用。但仅仅建立连接并不能解决治理问题。企业仍需要认证、同意机制、数据控制、审计，以及智能体买错商品时的恢复流程。

DoorDash 表示，员工会登录自己的账户，并在智能体代表其行动前给予同意。有限 beta 在公司层面运行，使 DoorDash 有时间观察组织如何配置该服务。更广泛的接入将需要更清晰的运营保障。

对于开发者而言，机会十分可观。点餐可以成为更大工作流中的一个操作，而不再是一个独立目的地。会议助手可以在确认出席人数后安排午餐，办公室系统则可以在库存低于阈值后补充物资。

风险在于，便利性可能鼓励过度自动化。配置不当的周期性指令可能产生不需要的订单。模糊的团体请求可能生成昂贵的购物车，而过时的工作场所政策也可能批准错误商品。

只要上下文不完整或支出金额重要，人工确认就仍然关键。正确的设计应将重复性的发现和组装工作交给智能体，同时保留可追责的审批。这一模式适用于食品配送之外的众多交易型 AI 系统。

DoorDash 更广泛的押注是，本地商业将通过多种界面获得访问。Messages 是其中一种界面，DoorDash app 仍是另一种。工作场所智能体和开发者构建的工具增加了更多入口，同时不改变底层履约网络。

如果这一策略奏效，DoorDash 将不再那么依赖说服顾客打开其 app。该公司可以转而竞争成为顾客已在使用的任意助手背后的交易引擎。这比拥有一个受欢迎的移动界面更具战略优势。

三个信号将显示短信点餐是否重要

接下来的考验不是人们是否加入候补名单，而是他们是否足够信任智能体，从而反复下达准确订单。

第一个信号是 beta 的扩展情况。DoorDash 目前通过美国候补名单和 Apple Messages 限制访问。更广泛的资格范围、Android 版本发布或正式全面上线日期，都将表明该公司相信产品表现已足以服务更广泛的用户群。

长期受限的 beta 将削弱其竞争论点。这可能表明订单准确性、结账设计、个性化或支持成本仍需改进。扩展本身不能证明成功，但停滞不前的访问范围将难以忽视。

第二个信号是重复行为的证据。DoorDash 已分享 Ask DoorDash 的探索和购物篮数据，但尚未公布 Messages 体验的留存数据。重复订单比注册人数更重要，因为好奇心可以带来令人印象深刻的候补名单，却未必改变习惯。

有用的指标包括任务完成率、购物车修改次数、取消结账次数、重复使用率和客服联系量。DoorDash 还应将简单复购与开放式推荐区分开来。重新订购熟悉的餐食所需推理少于满足一项新的团体请求。

该公司现有的数据也值得随时间谨慎比较。DoorDash 称，Ask DoorDash 在三个月内帮助用户发现了超过 40,000 家新餐厅。未来报告应说明，这些探索是否带来了满意度、重复购买，还是仅仅是一次性尝试。

第三个信号是竞争对手的反应。Uber Eats 已拥有应用内杂货助手，而通用 AI 系统可以操作受支持的配送应用。类似的消息产品、更深层的助手整合或更广泛的交易 API，都会缩小 DoorDash 的差异化窗口。

Grubhub 的反应同样重要，因为新界面改变了缺席于一段对话的成本。如果顾客习惯让智能体选择并订购晚餐，平台就需要拥有自己的智能体，或通过其他渠道获得可靠接入。

短信点餐上线让 DoorDash 在对话式食品订购方面取得了显眼的领先地位，但该产品仍处于试点阶段。它的战略价值取决于准确执行、透明结账和消费者反复建立的信任。

DoorDash AI 点餐之所以重要，是因为它将配送市场置于一个简单请求之后。该公司试图让选择 DoorDash 不再像是在选择一个 app，而更像是在发送一条消息。如果顾客在新鲜感消退后仍持续回归，这可能会给 Uber Eats 和 Grubhub 带来压力。

关注候补名单开放后会发生什么。DoorDash 是否会扩大访问范围、公布有意义的可靠性数据，并获得持续订单？这些结果将显示，对话式结账究竟是持久的分发渠道，还是只是附加在现有市场上的又一个 AI 功能。