物理AI这轮最反常识的地方，是它缺的不是“更多数据”，而是“被公认用得上的数据”。互联网上能爬的文字、图片、视频，喂不出一个能在真实环境里干活的机器人或自动驾驶系统。真正稀缺的，是带着物理因果、时空连续和应用验证的数据。可这类数据过去没有多少人愿意系统性生产，因为它太贵、太重、太慢。2026年10月20日，人民财讯和证券时报网先后报道，江苏省印发了《物理AI与世界模型高质量数据集建设行动计划（2026—2028年）》。文件提出，到2028年底，江苏要建成覆盖超过100个重点场景的物理AI高质量数据集，同时面向世界模型前沿方向建成超过10个具备因果一致性、时空连续性和应用可验证性的高质量数据集。
这一策略让我想起一段商业史上的老故事。19世纪70年代到90年代，美国联邦政府做了一件当时很多人觉得不那么市场化的事——地质测绘。国会拨款，让美国地质调查局（USGS，即美国联邦政府的地质勘测机构）系统地把全国地层、矿产、水文数据绘成地图。当时有人觉得，政府花钱画地图跟做生意有什么关系。后来铁路公司拿着地质图选线，矿业公司靠矿脉数据圈地，农业州...