Physical AI pourrait avoir un problème de données caché derrière l'enthousiasme autour des modèles. Un robot peut disposer d'un modèle puissant et de nombreuses ressources de calcul, mais il a toujours besoin d'informations fraîches sur le monde physique : à quoi ressemble réellement un entrepôt, comment un espace évolue, où les objets sont positionnés, et à quoi ressemble l'environnement au niveau du sol. C’est là que les données spatiales deviennent une infrastructure. @vangrid_io aborde ce problème sous un angle différent : utiliser les smartphones comme nœuds de capture, transformer les captures du monde réel en données spatiales structurées, puis permettre à des demandes de données spécifiques de créer de la demande via des récompenses. L’élément important n’est pas « 3 milliards+ de smartphones ». C’est de savoir si un réseau peut transformer ces appareils en une offre fiable de vérités terrain à la demande. C’est un problème bien plus difficile à résoudre, et probablement le plus intéressant à suivre.