人工智能、数据和分析正在改变2023年的一级方程式赛车

一级方程式赛车（F1）一直以来都是一项以技术为核心的运动。每辆赛车以每小时250英里的速度驰骋在赛道上，背后则是一个由工程师和科学家组成的团队，他们利用数据、分析和高性能计算等最新创新技术，为争夺每一个优势而奋力拼搏。

人工智能（AI）目前正在掀起一股改变各行各业的颠覆浪潮。同样，人工智能也在改变赛车的设计、比赛表现和车迷体验。

甲骨文红牛车队首席执行Christian Horner说了这么一段话，“数据是车队的命脉。每一个性能要素都由数据驱动，例如我们如何进行比赛、如何开发赛车、如何选择和分析车手等等。”

笔者是F1车迷，我很高兴能有机会参观了几支世界级车队并与之共事，包括最近的红牛和迈凯轮车队。

因此我有机会深入了解一些尖端技术（尤其是人工智能和数据分析方面的技术）如何用于赛车，例如发挥竞争优势进而使赛车以前所未有的速度冲过终点线。我在本文中将分享一些见解并探讨F1这项技术驱动程度最高的全球运动的未来发展方向。

计算流体力学

一辆车的空气动力学是影响赛道性能的最重要因素之一。模拟车辆在高速行驶时空气流动与车辆的相互作用是计算流体力学（CFD）领域的一部分。深入研究赛车性能的计算流体力学要素则是当今F1技术的一个关键用例。

赛车在实际比赛和练习时生成的数据会被收集。平均每辆赛车安装的传感器达300多个，平均每辆赛车每场比赛传输的遥测数据约3GB。

笔者最近采访了Rob Smedley。他在F1的职业生涯里曾为威廉姆斯、法拉利效力，现在担任F1技术顾问。

在过去的一年中，计算流体力学领域取得了一项重要进展，应用CFD得以重新定位F1这项运动与车迷期望之间的关系。F1根据车迷的反馈知道观众希望看到更加“车轮贴车轮”的比赛。但基于目前广泛使用的空气动力学“尾流模型”是不太容易进行这种类型的比赛，因为车辆尾部会产生强烈的湍流，使其他赛车难以贴近。

因此，F1、管理机构FIA及技术合作伙伴AWS开展了一个合作项目，项目的目的是研究车辆空气动力学设计改动，希望在2022-2023赛季的比赛里赛车能贴得更近一些。

Smedley 告诉笔者，这样做的结果是“一个赛车贴得更近的赛事”。

CFD在F1中有三大用法。三大用法亦是新车设计过程的一部分：用于测试新部件的性能、用于研究其对空气动力学的影响以及用于在赛车运作不尽如人意时排除故障。

要达到目的并非没有挑战。进行这项CFD研究需要大量的高性能计算能力和高技能的专家，这是运行复杂的模拟必须具备的条件。

尽管如此，三家团队表示好处仍远远超过成本，CFD技术因此为团队节省了大量的时间和金钱。

模拟、数字孪生和虚拟赛车

F1团队利用人工智能驱动的模拟对几十亿个潜在的比赛参数进行了模拟，目的是找出那些最有可能导致有利结果的变量。

AWS、戴尔和甲骨文等合作伙伴提供了尖端数据和分析专业技术，因此可以准确地预测所有因素的影响，包括天气、竞争对手行为、维修站策略、赛道条件、碰撞和机械故障等等。

测试赛车的耐久性也用到模拟，这种模拟可以评估新的设计在高速赛车中的表现。这使得工程团队能够在模拟阶段发现薄弱点和潜在故障点。这比在赛道上发现它们要便宜得多。车队对每个赛季用于开发和设计赛车的资金有严格限制，这时候节省开支就是一个重要的因素。

威廉姆斯车队的老板James Vowels曾表示，现代F1比赛期间可以产生和传输大量的数据，人工智能是唯一可以实现其隐藏价值的技术。他最近告诉英国广播公司（BBC），“我们使用的原型车几乎每场比赛都换成不一样的……不同的赛道，不同的轮胎……利用建模工具运行几百万个比赛场景，堪称正道。”

训练车手也可以利用人工智能驱动的模型和模拟，车手可以在模拟中学习赛道和提高赛车技能，无须冒受伤或车辆受损的风险。各车队在比赛期间生成和捕获的大部分数据车队可以选择保密，但车队有义务向F1以及对手车队提供某些信息，其中包括比赛日赛车在赛道上行驶路径的GPS数据。其他车手利用这些真实世界的数据可以针对对手的模拟模型比赛进行训练。

一级方程式赛车最近被纳入了AWS Deep Racer项目。AWS Deep Racer项目是个由机器学习驱动的、基于云的3D赛车模拟器，赛车手利用模拟的自动驾驶车辆相互对决，也是比谁能以最快的时间完成预定的圈数。Smedley是该项目的参与者之一，他和车手Daniel Ricardo一起生成数据，协助赛车导航。他告诉笔者，“这个项目的格局大……目的是更接近一级方程式赛车……甚至是一辆完整规模的一级方程式赛车在赛道上自主行驶。”

合作伙伴的力量

F1车队和F1赛车联盟本身的一项重要战略是与技术提供商建立合作伙伴关系。

迈凯轮车队总经理Zack Brown在谈到车队与数据专家Alteryx的合作关系时告诉笔者，“我认为Alteryx对我们的帮助在于……获取数据是一回事，但如何将数据合并、快速获取数据并获得最相关的数据则是另一回事。否则，就只是一堆噪音。”

他表示，“你握有的数据越准确，数据的类型越多……你的决策就可以越好。”

车队选择了正确的战略合作伙伴就可以从专业技术以及对技术应用方式和领域的新见解中获益，进而可以集中精力去赢得比赛。

迈凯轮车队的另一个合作伙伴是戴尔公司。戴尔公司提供高性能计算解决方案，可以推动车队的许多模拟和CFD项目，其中一个系统从运动中的赛车收集数据，收集的数据可以输送给仿真并创建更精确的数字孪生，该系统每秒能够传输10万个数据点。

梅赛德斯AMG Petronas车队与数据专家TIBCO的合作长达六年，合作成功将数据转化为洞察力，可以为比赛策略和赛车设计提供依据。

去年的车手及车队冠军红牛车队与甲骨文公司的合作亦取得巨大成功。红牛车队利用美国软件和数据库巨头甲骨文公司的专业技术为自己完成赛车模拟、工程开发和车迷参与运营提供支持。

甲骨文公司首席执行官Christian Horner表示，“甲骨文云在我们今年每场大奖赛的胜利或取得重大成就都发挥了关键作用。”

云洞察和参与

我们讨论F1数据的最后一个用例涉及到提供洞察力，鼓励车迷更深入参与和互动。

F1是一项复杂的运动。一场F1比赛中发生的事情往往远比在家中观看电视的观众所看到的要多得多。毕竟摄像机一次只能覆盖一段赛道。而如果是在看台上观看现场直播，那么视野就更加有限了。

F1在与AWS长达五年的合作中得益良多。F1能够利用包括实时赛车定位数据和计时数据在内的信息，因此可以在比赛期间向观众提供见解，同时进行摄像机转播和解说。

Zak Brown表示，“F1赛道长5公里，涉及20辆赛车。而镜头每次只能集中在一辆、两辆或三辆赛车上……剩下的4.5公里长的赛道上会出现各种动作，这些可以形成比赛策略进一步展开的关键。”

识别和突出这些洞察力涉及到机器学习算法的使用，机器学习算法可以利用所有可用的数据源围绕比赛创建一个叙事方式。

Brown表示，“我们在屏幕上显示这些数据洞察，帮助车迷的理解。我们发现，车迷们非常喜欢这一类的洞察。”

F1技术的未来

ChatGPT和Stable Diffusion等应用程序拥有巨大的创新潜力，也普遍受到欢迎，生成式人工智能成了当前技术领域的热门话题。F1赛事组织者对这项技术同样充满期待，期待生成式人工智能对F1未来赛事尤其是对车迷体验的意义。

Smedley 告诉笔者，“事关利用人工智能技术、利用生成式人工智能对全球5亿车迷群进行建模……试图更好地理解他们，并为他们提供他们真正想要的产品。”

Smedley 表示，“要知道，一级方程式赛车永远不应该失去其DNA：20名角斗士出场……进入这些‘地面战斗机’……在周日下午进行两个小时的比赛。”

他表示，“F1不应该失去这种DNA。但我们应该可以围绕它进行调整，为粉丝尤其是为新粉丝群体提供更多他们想要的东西。”

正如我们所看到的，人工智能和机器学习肯定有可能做得到。可以肯定的是，我们可以靠技术继续创造更激烈的赛车比赛，为我们带来更快、更强劲、更符合空气动力学的赛车，为车迷创造激动人心、身临其境的体验。