速度无极限：AI技术如何帮助VCARB一级方程式车队提高赛事成绩

我们与Visa Cash App RB F1车队一同深入幕后，探索数据、AI与ERP如何帮助车手实现毫秒级圈速提升，最终决定这场牵动全球车迷关注的赛事结果。

每一位关注技术领域动向的朋友，都能感受到这场关于人工智能（AI）的争夺之战。向来以高科技、高性能著称的一级方程式赛车（F1）同样不例外，各支车队正积极运用AI技术在赛事中建立优势。

早期技术采用者们已经意识到，AI方案能否成功落地完全取决于数据。而在F1赛场上，数据同样是通往成功的必由之路。F1赛车配备有300多个传感器，负责记录影响车速的每一个微小变化——从空气动力学到海拔高度，再到气温、压力、振动、车身压力、发动机性能乃至轮胎状况。

这些传感器会生成大量实时数据——在比赛期间，每秒数据量高达7 MB。也就是说在一场周末大奖赛期间，每辆赛车生成的数据总量将达到1.5 TB之巨。而且不要忘记，每支车队需要派出两辆赛车上场。

这也是一项追求极限的运动，每支车队都在努力优化自己的车辆，只求将单圈时间缩短几个毫秒。每支F1车队都专注于同一个目标——更快，再快一点。

Visa Cash App RB（VCARB）车队负责人Laurent Mekies表示，“作为一家公司，我们只为一个目标而努力——让赛车跑得更快。这也是我们唯一关心的问题。”这支F1车队的前身是Alpha Tauri，再往前则是Toro Rosso——但对于真正的F1爱好者来说，他们还有个更古老的名号，Minardi。

“首先，这意味着开发速度要尽可能快。第二，我们也有自己的上市时间表，而具体周期就是下一场比赛开始之前。前一条大家都能理解，谁的赛车跑得更快、谁就能在赛道上击败对手。但第二条很多朋友不太熟悉，却同样对F1赛车运动有着巨大影响。”

Mekies表示，如今F1赛道上10支车队中最快与最慢车队之间的性能差距，其实比以往任何时候都更小，因此寻求边际收益的必要性也比以往任何时候都更大。

“举例来说，如果把我们在阿布扎比站（2023赛季最后一场比赛）驾驶的赛车开回到9个月前的巴林站（2023赛季的第一场比赛），那其很可能呈现出碾压之势。但现实没有如果，我们当时并没能拿下巴林站。这在很大程度上取决于我们能以多快的速度完成赛车开发，能以多快的速度把车辆交付给车手。”

AI技术开辟的全新可能

根据现行规定，所有F1车队在2024赛季的成本上限为1.35亿美元，而且对这笔资金的使用方式做出了进一步限制，例如可在风洞中测试新空气动力学设计的时长、以及车手使用赛车模拟器的时间等。

AI技术的进步为车队提供了全新机会，使其能够在各个阶段（从车辆设计、制造，再到比赛日及竞争形势分析等）改善运营与效能。

正如Mekies在VCARB位于意大利法恩扎的工厂接受幕后采访时做出的解释，AI技术的进步为车队提供了全新机会，使其能够在各个阶段（从车辆设计、制造，再到比赛日及竞争形势分析等）改善运营与效能。

他还强调，“把车队当作公司来经营，那么「出赛时间」将如同「上市时间」一样重要。要想做到最好，就一定得借助ERP的力量。”

VCARB采用Epicor（车队战略合作伙伴兼赞助商）的企业资源规划（ERP）软件来支持制程及工程流程中的各个环节，包括汽车设计、汽车制造、碳纤维层压乃至组装超过1.4万个独立部件等完整的劳动密集型汽车制造流程。F1赛车中约80%的零部件都由车队定制化供应，而且会不断进行分析和更新，以提供有助于提高比赛成绩的细微改进。

作为每家制造企业都非常熟悉的通用系统，ERP似乎并不是F1赛车中最吸引的人部分。但正是这款看似平平无奇的软件，其中的数据却成为AI技术的应用金矿。VCARB车队更成为首批采用Epicor公司Prism生成式AI工具的首批客户之一。

在生成式AI技术支持下得以加速的每一个制造环节，都代表着“出赛时间”的进一步改善。VCARB车队最初主要选定三种用例：加快编码速度以更快生成报告；自动发送并接收来自供应商的报价申请；以及使用自然语言对数据库执行查询（详见下文斜体部分，VCARB F1车队如何使用生成式AI增强其ERP平台）。

让赛车跑得更快

但这一切究竟如何提高赛车成绩？VCARB车辆性能主管Guillaume Dezoteux表示，一切技术的目标都是为了缩短从确定对汽车有利的升级、到真正实现升级之间所需的时间。

他表示，“我们会查看汽车数据、与车手交流、发现改进车辆的机会，并在模拟器中测试车辆性能。每当发现了有价值的升级方案之后，接下来的工作也必须能够快速跟进。”

“使用AI技术检测竞争对手的行为模式也非常有趣。他们有自己的比赛策略，而且也会随时做出调整。这时候我们会尝试建立起能够预测对手下一步行动的方法，这在未来可能会成为非常重要的应用场景。”

Guillaume Dezoteux, VCARB车队车辆性能主管

Dezoteux援引最近的案例，车手Daniel Ricciardo在转向方面就遇到了问题：“转向手感是车手衡量性能与车辆平衡感的关键指标。我们一直在努力解决这个问题，尝试不同的选项，让转向手感更轻或者更重，并调整汽车转向助力的参数。一旦确定了新的目标，我们就会将方案交付给制造团队，从而大大缩短车辆的出赛时间。”

也就是说，让改进提早车辆上体现效果，将对车队的比赛成绩造成巨大影响。他补充称，“每支车队都在不断发展，每个人都在努力改造自己的赛车。这正是创造新机遇的又一种方式。现在决定胜负的其实就是一点微小的细节差异，因此对我们来说，确定目标并加快车辆出赛速度是件非常重要的事情。”

VCARB F1车队如何运用生成式AI增强ERP平台

编程辅助：员工使用Epicor Prism代码助手来运行生产报告，并加快自动化业务流程的创建速度。VCARB ERP经理Fabia Ferraro表示，“这是个能帮助我们编写代码的出色副手，对团队也很有帮助。毕竟工作人员不可能了解关于Epicor的一切，现在他们可以询问关于其他代码的信息——可能是我写的代码，也可能是其他人写的代码。大家还可以使用这灰助手对每一段代码进行检索，快速访问Epicor后端中的全部内容。”

自动化采购：与供应商之间的自动化交互能够加快采购速度，并优化“自造还是采购”决策。如此一来，车队就能自动向供应商网络发送报价申请（RFQ），同时配合报价解释以确定最佳价格与最快交货渠道。Ferraro解释道，“RFQ自动化对于采购工作非常重要，因为相关团队需要做出大量与车辆相关的重要决策。在这套系统的支持下，采购团队可以申请报价，而不必手动记录发往或从供应商处收到的每一封邮件、每一个附件。之后，系统还能提供带有最佳结果的汇总摘要。”该系统未来还将进一步扩展具体用途，包括实现内部采购审批自动化，以便车队负责人Laurent Mekies及公司CEO Peter Bayer也能随时随地给出采购审批意见。

对话式ERP：员工们可以使用自然语言向ERP系统提出问题，从而更快获取生产与采购方面的见解，而不再死记硬背所有报告的归档位置。Ferraro表示，“我认为这对普通用户来说才是最重要的功能，因为现在他们可以访问记录并立即获得响应，而无需咨询了解应用程序（或报告）的设计和部署方式。他们可以即时向Epicor Prism询问存储在ERP中的信息内容，大大加快决策制定速度。”

由于预算存在上限，车队的工作重点就成了评估每项决策以及赛车上的每一种潜在升级选项，据此优化改装潜力、支出及“出赛时间”的指标组合。

IT与创新主管Raffaele Boschetti强调，“最重要的一点，就是明确当赛季中最需要在哪个方向上搞开发。”

 “这绝不能笼统地用「我希望拉高赛车的性能基线」来概括。关键在于，最终结果必须要在固定预算、可用资源与可接受的交付时间之内达成。考虑到种种影响因素，生成式AI平台的核心优势就是帮助我们分析这一切，让我们知道哪些做得到、哪些做不到，再把结论跟我们当前赛季的赛车开发思路结合起来。毕竟赛车属于典型的研发项目，永远都会存在独特的权衡与取舍。”

Boschetti已经在考虑将生成式AI引入制造流程中的其他方式。例如使用零部件图像训练AI引擎，以帮助识别新造部件中的潜在缺陷。

夺取优势

对于利用AI驱动型ERP在赛场上取得速度优势的前景，Dezoteux感到无比兴奋。

他解释道，“如果着眼于单独某一场周末赛事，其实很难在赛车、轮胎，或者车辆与车手之间的交互等方面找到具有规律性的模式。”

“以伊莫拉赛道为例，我们可以查看赛事中的实时数据、分析数据内容，借此了解当前正在发生的一切。但如果说这场分站赛上的情况跟之前的比赛存在哪些联系，那这种模式是很难孤立找到的，毕竟两场比赛之间的车辆已经发生了不少变化。”

对赛道上的车辆状态进行监控不啻为一大挑战。

“坦白讲，对赛道上的车辆状态进行监控不啻为一大挑战。这时ERP系统就成了绝佳的工具，可以帮助我们持续监控赛车配置、随时了解赛车状态。之后再将结果与比赛中的各项遥测数据相比照，就能发现隐含的模式，帮助我们在未来的对抗中占据优势。”

当然，ERP并不是AI技术唯一能为VCARB F1车队贡献力量的领域。正如车队负责人Mekies所言，F1运动长期以来一直是自动化数据分析的领导者，这依托的自然就是车辆上产生的大量数据。

他强调，“我们目前的数据流分析体系已经有相当高的比例实现了自动化，估计具体比例至少达到了70%到80%。”

“但如果能够建立更多智能分析方案，例如提取需要提取的内容，或者提取那些价值尚不明确、但原则上值得关注的内容，那么这些数据应该也可以被更好地利用起来。我们长久以来一直遵循着这样的思路，而如今的数据生成量也保持着指数级增长。总而言之，我们每天都在探索充分利用这些信息的新方法。”

F1规则

工程师们则尝试利用AI技术破解F1赛事规则给车队套上的镣铐，包括限制赛季期间对汽车设计及零部件进行的测试次数。除了对风洞使用量有所限制外，现行规则对车队使用流体动力学计算（CFD）软件的总时长也有限制，这相当于束缚了技术人员模拟车辆空气动力学性能的能力。

Mekies将CFD形容为“虚拟风洞”，但凭借在数小时CFD使用过程中积累下的全部数据，AI算法带来了新的机会，即无需继续使用CFD即可提供同样的测试效果。

他解释称，“由于AI算法已经接触过上万次运行的数据，所以我们可以将车辆改动输入进去，询问其能否实现预期的性能提升。这就避免了重复使用CFD软件，不致违反F1的比赛规则。这其实是种很有趣的探索，毕竟我们并没有实际运行CFD模拟。”

AI技术还在F1比赛当中提供策略建议。随着来自我方赛车及对手赛车的大量数据持续输入，车队开始分析当前策略选项，例如何时更换轮胎或者如何应对安全车的引入——安全车会在一段时间内拖慢赛场上的整体速度。

VCARB车队CEO Peter Bayer提到，“战略决策需要在维修站内快速做出，而具体结果源自AI软件进行的数十亿次计算。一边是持续推进的比赛进度，另一边则有机器在不断分析当前发生的一切。”

“最终，有权敲定比赛策略的决策者只需要面对一、两个选项，而不像之前那样面对上百个选项。这就是AI与人类智能的结合，实在令人感到着迷。”

除了常规的发动机功率与轮胎性能等量化参数之外，AI技术也成为帮助人们大开脑洞，寻求在赛道上获取优势的新思路的重要助手。

车辆性能主管Dezoteux表示，“使用AI技术检测竞争对手的行为模式也非常有趣。他们有自己的比赛策略，而且也会随时做出调整。这时候我们会尝试建立起能够预测对手下一步行动的方法，这在未来可能会成为非常重要的应用场景。”

虚拟传感器

另一个潜在用例则是虚拟传感器。虽然安装在车辆上的那些测量力、温度、速度等指标的300多个传感器都很小巧，但毕竟仍是在增加重量，而这些重量可能会让赛车的单圈时间增加几个毫秒。这些传感器往往也很昂贵，而且可能因碰撞而损坏。使用AI之后，车队即可建立起虚拟传感器。

Dezoteux指出，“也就是说，在安装物理传感器时，AI系统会根据汽车参数学习其行为，进而收集到能够支撑传感器行为模式的相关指标——之后移除掉这些传感器，AI仍能维持这套统一传感信号系统的正常运行。”

“目前这种虚拟传感器已经能正常运行，只是准确度还不够好。但我们预计在不久的将来，我们可以在练习赛当中配置出传感器更多、价格更昂贵的赛车，用它来完善虚拟传感器系统。一旦成功，我们就能让正赛中的车辆更轻、更便宜也更简单，充分适应现行比赛规则。”

VCARB车队并不是唯一一支尝试使用AI技术的队伍。时至今日，AI研究已经成为各车队间不断超越对方、寻求在比赛当日带来最佳发挥与最快圈速的全新战场。

这意味着各车队之间，乃至与大型科技企业之间，正掀起一波新的竞争浪潮——各方争夺的正是最优秀的AI人才。

Mekies坦言，“重要的是，我们发现F1运动对于顶尖人才确实具有吸引力，所以我们车队绝不会在这场面对其他车队乃至大型科技公司的人才争夺战中落于下风。总而言之，我们必须保证F1这项运动始终拥有充足的吸引力，让更多优秀人才到这里做他们想做的开创性探索。”

在企业IT领域，人们讨论AI应用时一直在强调“人的参与”。但在F1比赛中，以人为中心的定位无需赘言，因为车辆的驾驶员就是一切。不过也有人好奇，AI是否有一天能够与刘易斯·汉密尔顿这样的顶级车手对抗？

Mekies认为“答案是否定的。F1比赛的核心并不是AI与人类的对抗，而是AI支持之下人与人之间的对抗。所以无论是在赛车运行还是在其他应用场景下，人的因素仍将始终存在——它不会被取代，只是由AI分担一些任务，帮助人类专注于只有他们能解决的工作。”

“比如说AI可以帮助我们根据当前环境条件提供最适合的车辆。比如突然开始下雨，AI会提醒对车辆进行一、二、三设置。目前这些过程仍然需要工程师们手动整理。但未来，AI算法将从赛道上生成的实时数据中获取更多见解、提供更多帮助，快速计算出需要对车辆进行哪些调整，从而更好地支持驾驶员。但这一切都是在幕后，真正在场上竞逐、观众们真正想要看到的，永远是强壮、聪明、意志坚定的人类车手。”