AI驶入快车道：F1车队Alpine与Audi运用机器学习作为“战力倍增器”

【新加坡】尽管人工智能（AI）凭借ChatGPT在2023年迅速进入公众视野，但各类企业使用这项技术的时间要长得多，并称之为“机器学习”等更具技术性的名称。

前来新加坡参加比赛周末的十支一级方程式（F1）车队也同样长期使用该技术，其中数据处理是关键应用场景。这场赛事最终以乔治·拉塞尔（George Russell）夺冠和McLaren车队卫冕告终。据AWS称，一辆F1赛车拥有约300个传感器，每秒可产生110万个遥测数据点。

2022年，Mercedes-Benz F1车队每辆赛车在整个比赛周末产生的数据量最初为1TB，后来增长到约11TB的数据在其位于英国的工厂之间来回传输。

这些数据大多格式不一，并且很难从中提炼出洞见，以转化为赛道上宝贵的毫秒级速度优势。解析数据的时间越长，留给赛车其他部分研发的时间也就越少。

因此，人工智能在F1世界的应用变得尤为关键，其重要性远超Google的大语言模型Gemini或Adobe Photoshop的生成式AI等面向公众的应用。

尽管在周日（10月5日）的新加坡大奖赛上，Alpine和Sauber车队的车手最终占据了末五名中的四个位置，但他们在三天比赛中产生的数据量方面仍然极具竞争力——而人工智能处理这些数据的速度，远快于企业资源规划公司SAP的HANA等上一代系统。

在周四的一次媒体参观活动中，Alpine车队的技术与综合合作伙伴关系主管伊恩·戈达德（Ian Goddard）将人工智能形容为“游戏规则的改变者”。

人工智能不仅可以帮助工程师解决技术方程式，还能通过声音识别缺陷、建立赛道数据与模拟器数据之间的关联，并释放资源用于其他地方——从而起到战力倍增器的作用。

戈达德说：“在一级方程式中，我们总是在谈论性能，但如果人工智能能提升运营效率……如果整个工厂的效率提高了，那么（升级部件）就能更快地应用到赛车上。”

SEE ALSO

The road to and beyond F1: Alpine drivers Gasly and Colapinto talk investments and driver academies

Short-term boosts, long-term wins: Stocks to watch as Singapore F1 Grand Prix pushes off

The lucrative world of F1: A peek under the hood of the drivers’ salaries

Russell wins Singapore Grand Prix, McLaren takes constructors’ title

More

紧跟F1领域的人工智能发展步伐

在新加坡大奖赛的排位赛中，从杆位得主、Mercedes-Benz车队的乔治·拉塞尔到第十名的Aston Martin车手费尔南多·阿隆索（Fernando Alonso），他们之间的差距不到一秒。

如此微小的差异可能导致赛季末的奖金分配大相径庭：排名第二的Mercedes车队能赢得约1.24亿美元，而排名第七的Aston Martin车队仅为8300万美元。

研发速度的加快也可以为F1车队节省成本，从而进一步提高盈利能力。

利用人工智能实现这一目标仍处于“早期阶段”，且发展日新月异，以至于在F1领域近三十年、见证了赛车研发无数次变革的戈达德，也难以预测短短几年后它将被如何应用。

Audi F1项目负责人马蒂亚·比诺托（明年Audi将正式接管Sauber）在周日也表达了同样的看法，他将机器学习描述为对F1研发过程的“一次巨大”颠覆——这尤其重要，因为车队有几年窗口期可以借此抢占先机，超越竞争对手。

与现实世界一样，相关法规的制定仍落后于人工智能和机器学习的发展速度。戈达德表示，他预计最终会有规则来规范人工智能的使用，但无法预测这将在何时或以何种方式发生。

在周日的一场媒体圆桌会议上，全球赛车运动管理机构国际汽车联合会（FIA）表示，它欢迎人工智能等新技术的使用。FIA也警告称，不希望F1变成一场“看谁能买到最好超级计算机的战争”，但同时指出，针对F1车队人工智能硬件的正式规则仍需大约三到四年才能出台。

比诺托说：“这对所有车队来说都是一个巨大的机会。谁能在这方面最敏锐，谁就可能获得最大的利益。”

戈达德表示，人工智能在F1的应用已经发展到了一个新阶段，车队正用它来解决那些“六个月前甚至都没想到过的问题，更不用说如何解决了”。

然而，比诺托提醒说，尽管每支F1车队都在投资利用人工智能来加速赛车研发，但他们对这项技术的真正潜力仍缺乏“充分的理解”。

戈达德对这项技术的潜力则显得更为兴奋，他表示，F1车队中几乎每个角色——无论是工程还是业务流程——都已或将被人工智能所增强。他说，当前的挑战在于如何信任其输出结果，并将其与现有结果进行关联验证。

对于2026年及以后，Audi计划像其他车队一样，利用人工智能进行技术开发和数据采集流程改进，但比诺托认为，真正的区别在于将人工智能部署在正确的部门，而不是一味追求最前沿的功能。

他说：“如果你不专注于正确的方向，（人工智能）很快就会变成……一种精力的浪费。”

F1预算帽对人工智能的限制

F1的预算帽，即车队在一个赛季内的支出上限，在决定如何将预算分配给风洞测试等传统研发路径或人工智能应用时，也起着关键作用。

从2023年到2025年，该上限为1.35亿美元（并根据通货膨胀进行调整）。为反映新规则和不同的会计流程，该上限将变为2.15亿美元。

戈达德解释道：“我们在预算帽内花的每一美元，都必须经过严格的论证——‘这笔钱能换来最大价值吗？’这关乎赛道上每毫秒性能所对应的成本。”

尽管FIA可能希望阻止车队之间展开超级计算机的军备竞赛，但车队自身在不确定是否为最佳资金用途的情况下，对于花费1000万美元购买“全球最大超级计算机”之类的设备也持谨慎态度。

尽管存在这些限制，车队仍有办法在赛车研发之外，利用人工智能提高效率，而这些领域不受预算帽的管辖。

比诺托说：“你仍然可以在预算帽之外，将人工智能用于非相关活动。在预算帽之外使用人工智能，仍有很多可以学习的地方。”

这些用途可能包括市场营销和粉丝互动（如IBM为Scuderia Ferrari提供的服务）、赞助活动，甚至供应链管理。当员工和工程师不再被拖慢效率的细节所困扰时，投入的每一美元都能比使用人工智能之前发挥更大的作用。

与许多行业中人工智能引发失业恐慌不同，它在F1的未来似乎不仅在于让每一毫秒的性能都至关重要，更在于让每一美元的效率都更高。

比诺托表示，这将为整个F1围场带来更具可持续性和效率的流程。