上周末,F1大奖赛时隔5年回归中国,热闹开场。
今年的中国站备受瞩目,因为世界一级方程式赛车锦标赛(F1)在进入中国的第20年,上海国际赛车场的发车格终于等来了第一位中国车手——周冠宇,他也成为F1历史第一位在中国站完赛的中国车手。
其实F1赛车可以在赛道上飞驰电掣,不仅考验着车手的驾驶技艺,对车队技术开发实力、团队保障能力,甚至高科技工具的掌控力都在全面考量。
在另一个热门参赛车队,梅赛德斯-AMG马石油的赛车上,除了马石油、CrowdStrike、倍耐力、Akkodis的Logo外,我们看到SAP的Logo也格外醒目。
梅赛德斯奔驰是SAP多年的客户,在车队的成本优化上做出了重要贡献。记者也在一练期间参观了梅赛德斯-AMG马石油车队的P房,亲身感受科技如何带给F1赛车更好的表现。
从P房说起
在F1赛事里,解说员都会提到P房这个词,P房即Pit House,是车队调校赛车修理赛车的地方,也可以叫做维修区。
P房是车队的心脏所在,它其实并不神秘,但又充满神秘。
观众最直观的感受就是,赛车在P房外的快速换胎,这通常会在2秒内完成。因为在赛道上0.1秒的差距都会影响到冠军的争夺,所以维修区必须争分夺秒,容不得一丝失误。
而这种态度也贯穿了F1的所有环节,赛车的每一个部件使用、生产制造、采购成本的控制都在不断精益求精。
在2021年,梅赛德斯-AMG马石油F1车队开始有了成本上限,也就是“预算帽”,车队每个赛季可花销金额有了明确限制,如果超用将受到严重处罚。在这样的情况下就需要进行成本控制优化,因为这也可以间接提高赛车在赛道上的成绩。
梅赛德斯-AMG马石油F1车队首席传播官Bradley Lord把没有预算上限,比作吃自助餐,我们可以吃最好的龙虾,在这个时期车队无需进行取舍,现在有了成本限制,车队就需要对各方面深思熟虑。
不能像以前一样吃自助餐
“因为成本存在上限,所以每一颗螺丝都非常至关重要。”
Bradley Lord说,观众在赛道上看到的竞争只不过是最后的一幕,这个竞争是很长的一个过程,从工厂开始,到科技研发、零部件生产,SAP都可以帮助我们提升竞争力。
SAP也成为了梅赛德斯-AMG马石油F1车队的幕后支持,通过SAP S/4HANA财务解决方案更有效地分配、节省和使用资源,从而应对复杂挑战。借助嵌入的SAP 商业AI功能,车队将可以做好成本预算,预测最终花费需求,并优化供应链和库存。
左:SAP全球副总裁、全球汽车行业负责人Hagen Heubach;右:梅赛德斯-AMG马石油F1车队首席传播官Bradley Lord
现在梅赛德斯-AMG马石油车队可以在单一的平台看到所有数据,实现材料、采购、使用上的追踪,这让车队可以重新审视流程,看到哪里有降低成本的可能,这些成本还可以投入到未来的开发和研究中。
比如在灵活性上,车队同时在24个地方参加赛事,零部件只要迟到一个小时就会导致赛道上的失败,SAP可以允许车队在时间非常紧凑的情况下,把零部件都送到相应的地方。
SAP全球副总裁、全球汽车行业负责人Hagen Heubach表示,SAP S/4HANA Cloud正帮助汽车企业、车队、各行各业的企业在云端打造关键业务流程能力,使用商业AI优化覆盖财务管理、物流、汽车后市场服务等业务流程。
在F1赛场外,SAP ERP也在其他赛事上广泛使用,因为预算和可持续发展是所有客户面临的共同挑战。
看到可持续的实际性进展
梅赛德斯奔驰除了生产动力单元和整车,也提供全面的F1车辆解决方案,所以对于汽车整个产品生命周期有绝对的决定权和影响力。现在梅赛德斯奔驰公司也在经历从电动化到更可持续的巨大转变,预计2026年将实现在F1中50%的电动化,及使用100%的可持续的先进的燃油。
而且F1也希望到2030年实现净零排放,也就是从生产这台车开始到世界各个地方比赛,中间的过程都是净零。
“计算碳足迹并不是一件容易的事,因为要把所有价值链连接起来。”Bradley Lord指出,SAP未来可以帮助梅赛德斯-AMG马石油车队监控碳排放足迹,更加透明化地看到可持续发展计划是否真的有效,同时提升可信度。
可持续发展在F1赛道中是越来越重要的因素。Hagen Heubach说,SAP的可持续发展控制塔(Sustainability Control Tower)可以帮助监控未来在赛道上、赛道下的可持续发展的表现。
SAP同时也在为26个行业的客户提供解决方案,解决他们面临的业务韧性、预算限制、可持续发展、新业务发展的灵活性等挑战。
Hagen Heubach也谈到,现在SAP S/4HANA已经进入云端,这样可以给企业提供更多灵活性,让企业迅速做出改变,这样才能继续点想要吃的龙虾。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。