F1冠军越来越多地由技术决定

赛车运动并不总是精密工程的展示。

威廉姆斯首席执行官詹姆斯·沃尔斯 (James Vowles) 在接受 CNBC 节目《Inside Track》采访时表示：“二十年前，当你制造汽车时，发现叉骨将穿过车身的一部分；将其钻出来，你会发现车轴处于错误的位置。”

然而，现代一级方程式赛季有 24 场比赛，而且比赛的花费也受到限制，即使是很小的错误也可能导致冠军头衔的丧失。为了避免它们，团队更加依赖数字工具。汽车设计在上传到模拟周围气流的程序之前，实际上是经过反复推敲的。与此同时，其他软件系统会在不同的天气条件下对每个螺母和螺栓进行压力测试，以确保设计能够在整个赛季中保持稳定。

迈凯轮业务技术总监 Dan Keyworth 告诉 CNBC：“一旦我们认为找到了高性能的设计，我们就会构建 60% 的版本并将其放入风洞中。”他补充说，这些原型配备了数百个传感器允许软件工程师模拟汽车在不同场景下的性能。

与无法在世界各地进行测试的完整汽车不同，这些“数字双胞胎”允许团队对真实汽车需要执行的条件进行建模。它还允许他们根据每个驾驶员的情况调整汽车。 “在到达赛道之前，您需要分析或处理很多事情，包括花时间在模拟器上，”红牛车手马克斯·维斯塔潘说道。 “一旦汽车落地，你就会真正尝试并优化它。”

通过数字孪生来实现这一点，团队可以为不同的电路制定策略。为像英国银石赛道这样的快速赛道设计的汽车将缺乏像摩纳哥这样的地方所需的抓地力和下压力，因为摩纳哥车手需要使用赛道的整个宽度。由于赛程表上有 24 场比赛，且比赛之间只有短短几天的时间，预测赛道表现对于确保工程师做好准备做出任何必要的改变至关重要。

它还允许他们实时调整策略。虽然比赛当天，车队在赛道上最多可以有 60 名运营人员，但每个团队都在与总部的分析师进行沟通。红牛性能工程主管本·沃特豪斯 (Ben Waterhouse) 表示：“我们有直接的数据链接，从赛道实时传递回我们的任务控制室。” “那里的每个人都会查看他们的计算机，并向赛道工程师提供反馈，并提供可以在赛车上实施的建议。”

随着团队从秒表和手持式发动机温度计转向每秒产生 110 万个数据点的车内传感器，这些建议变得更加准确。 “这就是人工智能和机器学习非常强大的地方，因为它的反应速度比人类快得多，”沃尔斯说。 “然而，有些领域需要人类启发，例如，如果发生了事故，人类可以非常快速地查看并确定是否会出现危险信号。”

由于成本上限将预算限制为每年 1.35 亿美元，自动化重复性任务对于确保团队有效利用资源至关重要。工程师已经将预测库存成本和组织运输的工作交给了机器，而分析师则使用模式识别算法来确定其他车队何时可能在比赛期间进站。

如果运作良好，监管可以推动团队寻找使用这些技术的新方法。
“过去，我们可以承担相当大的风险——我们是否能从中获得性能优势？”沃特豪斯说。 “但最新的法规迫使我们改变看待创新的方式；要非常注意成本并更加关注效率。”

随着人工智能和其他技术的进步，找到部署它们的方法将越来越多地决定 F1 锦标赛的胜负。科技公司纷纷涌入，为球队提供帮助，仅在过去两年就签署了大量新的赞助协议。与赞助前几代 F1 车队的烟草公司不同，科技公司参与其中。据报道，云计算巨头甲骨文不仅支付了 3 亿美元作为红牛的冠名赞助商，而且还为他们提供了云基础设施和人工智能专业知识。谷歌与迈凯伦的合作伙伴关系建立在类似的原则之上，提供技术和专业知识以换取全球平台，他们可以在其中与商业竞争对手进行测试。

这不仅是F1的新时代，也是体育运动的新时代。最伟大的竞争者不再是最好的运动员或卓越的战略家，而是最具创新精神的人。