一级方程式赛车一直是一项由极限定义的运动,毫秒之差决定胜负,人类技能被推向极限。但在引擎轰鸣声和进站换胎的精彩表演背后,隐藏着一股更安静、看不见却日益决定这项运动成功的力量:技术。在甲骨文红牛车队,数据、人工智能和云计算已经变得与轮胎、空气动力学和马力同样重要。
在阿布扎比赛季收官战之前,Computer Weekly参观了甲骨文红牛车队的车库,观察人类专业知识和技术创新如何共同推动赛道上最具统治力的车队之一。甲骨文红牛车队合作伙伴组负责人杰克·哈灵顿解释了车队如何使用技术做出可能决定赢得世界冠军与功亏一篑之间差异的决策。
哈灵顿表示:"甲骨文为我们提供了赛道内外的性能支持。自2021年以来,每一次进站决策,每一个战略决定,让马克斯·维斯塔潘赢得世界冠军的决策,都是在甲骨文云基础设施上做出的。"
数据驱动的核心战略
甲骨文红牛车队战略的核心是数据。每辆赛车在每个比赛环节产生高达2TB的遥测数据,输入到由实时传感器、摄像头和引擎监控系统组成的网络中。轮胎温度被精确跟踪到每一度,引擎性能通过数百个变量进行测量。这些已知数据与未知因素(如安全车、红旗、缓慢进站或意外超车)相结合,创造出一个庞大且不断变化的比赛条件全景。
为了处理这种复杂性,车队严重依赖从金融界借鉴的蒙特卡洛模拟方法。哈灵顿说:"在比赛周末之前,我们运行接近40亿次蒙特卡洛模拟。然后,在练习赛结束后,我们重新运行数十亿次模拟,整合最新的遥测数据。这让我们能够为可能在赛道上面临的几乎每一种情况做好准备。当意外发生时,我们很可能已经建模过了。"
人工智能与决策制定
人工智能在帮助工程师处理这些数据并实时做出明智决策方面发挥着关键作用。车队开发了AI驱动的模型,扫描体育法规和历史比赛结果,提供指导和支持。
哈灵顿说:"它不是为我们做决定,而是为人类决策提供信息。在一级方程式中,最重要的传感器是车手。技术放大了人类判断力,但不会取代它。"
这种AI和人类专业知识的协同作用在阿布扎比大奖赛期间表现得很明显。在关键的安全车时期,来自赛车的数据和实时模拟被实时传输到甲骨文云基础设施。车队快速评估了多个"假设"情况,并做出了分秒必争的进站决定,最大化了赛道位置同时最小化了时间损失。片刻之后,这个决定得到了回报,展示了AI如何为战略提供信息而不会覆盖仍然是赛车运动核心的人类本能。
驾驶员在回路中的作用
甲骨文红牛车队还利用驾驶员在回路中的模拟器,哈灵顿将其描述为"世界上最酷的电脑游戏"。这些模拟器允许驾驶员虚拟体验赛车,测试操控特性、G力和空气动力学设置,然后再踏上赛道。
从这些训练中收集的数据直接输入到比赛周末的赛车配置中。驾驶员和模拟之间的这种持续反馈循环确保理论性能与人类能够执行的相匹配。
除了赛车性能,甲骨文红牛车队还使用AI识别未来的驾驶人才。历史上,车队依靠少数几个初级方程式系列赛来发现新兴明星。AI允许车队撒更大的网,分析来自卡丁车比赛和小型国际赛车系列的数据,这些数据原本会被忽视。
哈灵顿说:"AI帮助我们在其他人之前找到下一个马克斯·维斯塔潘。我们评估雨天技能或设备限制等性能指标,做出人类无法单独处理的预测。"
赛道外运营
技术也支撑着业务和运营效率。薪资、人力资源和财务规划系统都整合到甲骨文云中,AI简化了流程,使资源能够导向对性能至关重要的领域。AI被应用于成本上限管理,允许车队优化每一项投资以追求速度和可靠性。
也许甲骨文红牛车队技术应用中最雄心勃勃的是其2026年引擎项目。随着新法规的出台,赛道上的每个引擎都将是全新的,采用内燃机和混合动力50/50的分配。甲骨文红牛车队完全在甲骨文云上运行复杂的计算流体动力学模拟,在任何物理组件存在之前,建模15000转每分钟的燃烧、气流和燃料点火。
哈灵顿回忆说:"不到四年前,我们没有设施、没有员工、没有模拟。在12个月内,我们开发了世界上最先进的引擎制造项目之一。甲骨文云让我们能够随着团队扩张而扩展模拟,比传统本地系统多运行约20%的迭代。这让我们能够探索更多设计,优化性能,并自信地投入制造。"
这些模拟如此详细,以至于车队可以在构建单个引擎之前,在数字化环境中建模气缸内的燃料燃烧、通过涡轮增压器的气流和能量回收集成。在毫秒至关重要的运动中,快速安全地迭代设计的能力是一个重大的竞争优势。
人类直觉与技术优势的结合
对于甲骨文红牛车队来说,AI、云计算和人类专业知识的结合是一个获胜公式。蒙特卡洛模拟、AI信息化的进站决策和先进的引擎建模为车队提供了技术优势,但人类直觉仍然是至关重要的。
哈灵顿说:"技术赋能于人。它让我们能够发挥最佳表现,但最终,是人类的决策、车手和工程师决定了胜负之间的差异。"
阿布扎比大奖赛结束后,赛季落下帷幕,赛车驶离赛道,车队的数字心跳在幕后继续跳动。对于甲骨文红牛车队来说,未来是明确的:先进模拟、AI信息化战略和人类直觉构成了冠军级性能的引擎。
Q&A
Q1:甲骨文红牛车队如何利用数据和AI来制定比赛策略?
A:车队每个比赛环节产生高达2TB的遥测数据,通过蒙特卡洛模拟方法在比赛周末前运行接近40亿次模拟。AI驱动的模型扫描体育法规和历史比赛结果提供指导,但AI不会做最终决定,而是为人类决策提供信息支持。
Q2:甲骨文红牛车队的引擎开发项目有什么特别之处?
A:针对2026年新法规,车队在甲骨文云上完全运行计算流体动力学模拟,能够在任何物理组件存在之前建模15000转每分钟的燃烧、气流和燃料点火。这比传统本地系统多运行约20%的迭代,让团队能探索更多设计并优化性能。
Q3:技术在甲骨文红牛车队中扮演什么角色?
A:技术赋能于人但不取代人类判断。甲骨文云基础设施支撑了维斯塔潘自2021年以来的所有世界冠军决策。驾驶员在回路中的模拟器、AI人才识别系统等都服务于人类专业知识,最终仍是人类决策、车手和工程师决定胜负差异。
好文章,需要你的鼓励
Linux基金会宣布成立代理AI基金会,为AI智能体基础设施开发提供厂商中立的监督。尽管业界承认AI智能体存在安全问题,高德纳咨询公司警告许多企业项目可能因缺乏商业价值而被取消,但基金会仍致力于为AI公司提供中立平台。Anthropic、Block和OpenAI分别贡献了三个项目,包括模型上下文协议、开源AI智能体框架和机器可读文档标准。
快手科技研究团队提出了熵比截断机制,用于解决强化学习训练中AI容易"走偏"的问题。该方法通过监控AI学习前后思维活跃度变化,在关键时刻进行精准干预,既保证训练稳定性又维持探索能力。在数学推理任务中,此方法显著提升了模型性能并改善了训练稳定性,为AI训练领域提供了新的解决思路。
微软计划在未来四年内向印度投资175亿美元,这是该公司在亚洲的最大投资。投资将用于建设新数据中心、AI基础设施和技能培训项目。此举正值全球科技巨头加速在印度布局,该国庞大的互联网和智能手机用户群体使其成为关键战场。投资还包括在海德拉巴建设新数据中心区域,并与印度政府合作将AI能力整合到公共数字平台中。
EditThinker是北京航空航天大学与美团等机构联合研发的图像编辑AI框架,让AI在编辑图片时能够像人类一样进行反复思考和优化。该系统通过"批评-优化-重试"的循环机制,将传统的一次性编辑转变为迭代改进过程,在四个权威测试平台上显著提升了现有编辑模型的表现,特别是在需要复杂推理的编辑任务中效果突出。