我們與Visa Cash App RB F1車隊一同深入幕後，探索數據、AI與ERP如何幫助車手實現毫秒級圈速提升，最終決定這場牽動全球車迷關注的賽事結果。
每一位關注技術領域動向的朋友，都能感受到這場關於人工智慧（AI）的爭奪之戰。向來以高科技、高性能著稱的一級方程式賽車（F1）同樣不例外，各支車隊正積極運用AI技術在賽事中建立優勢。
早期技術採用者們已經意識到，AI方案能否成功落地完全取決於數據。而在F1賽場上，數據同樣是通往成功的必由之路。F1賽車配備有300多個傳感器，負責記錄影響車速的每一個微小變化——從空氣動力學到海拔高度，再到氣溫、壓力、振動、車身壓力、發動機性能乃至輪胎狀況。
這些傳感器會生成大量實時數據——在比賽期間，每秒數據量高達7 MB。也就是說在一場周末大獎賽期間，每輛賽車生成的數據總量將達到1.5 TB之巨。而且不要忘記，每支車隊需要派出兩輛賽車上場。
這也是一項追求極限的運動，每支車隊都在努力優化自己的車輛，只求將單圈時間縮短几個毫秒。每支F1車隊都專注於同一個目標——更快，再快一點。
Visa Cash App RB（VCARB）車隊負責人Laurent Mekies表示，「作為一家公司，我們只為一個目標而努力——讓賽車跑得更快。這也是我們唯一關心的問題。」這支F1車隊的前身是Alpha Tauri，再往前則是Toro Rosso——但對於真正的F1愛好者來說，他們還有個更古老的名號，Minardi。
「首先，這意味著開發速度要儘可能快。第二，我們也有自己的上市時間表，而具體周期就是下一場比賽開始之前。前一條大家都能理解，誰的賽車跑得更快、誰就能在賽道上擊敗對手。但第二條很多朋友不太熟悉，卻同樣對F1賽車運動有著巨大影響。」
Mekies表示，如今F1賽道上10支車隊中最快與最慢車隊之間的性能差距，其實比以往任何時候都更小，因此尋求邊際收益的必要性也比以往任何時候都更大。
「舉例來說，如果把我們在阿布達比站（2023賽季最後一場比賽）駕駛的賽車開回到9個月前的巴林站（2023賽季的第一場比賽），那其很可能呈現出碾壓之勢。但現實沒有如果，我們當時並沒能拿下巴林站。這在很大程度上取決於我們能以多快的速度完成賽車開發，能以多快的速度把車輛交付給車手。」
AI技術開闢的全新可能
根據現行規定，所有F1車隊在2024賽季的成本上限為1.35億美元，而且對這筆資金的使用方式做出了進一步限制，例如可在風洞中測試新空氣動力學設計的時長、以及車手使用賽車模擬器的時間等。
AI技術的進步為車隊提供了全新機會，使其能夠在各個階段（從車輛設計、製造，再到比賽日及競爭形勢分析等）改善運營與效能。
正如Mekies在VCARB位於義大利法恩扎的工廠接受幕後採訪時做出的解釋，AI技術的進步為車隊提供了全新機會，使其能夠在各個階段（從車輛設計、製造，再到比賽日及競爭形勢分析等）改善運營與效能。
他還強調，「把車隊當作公司來經營，那麼「出賽時間」將如同「上市時間」一樣重要。要想做到最好，就一定得藉助ERP的力量。」
VCARB採用Epicor（車隊戰略合作夥伴兼贊助商）的企業資源規劃（ERP）軟體來支持製程及工程流程中的各個環節，包括汽車設計、汽車製造、碳纖維層壓乃至組裝超過1.4萬個獨立部件等完整的勞動密集型汽車製造流程。F1賽車中約80%的零部件都由車隊定製化供應，而且會不斷進行分析和更新，以提供有助於提高比賽成績的細微改進。
作為每家製造企業都非常熟悉的通用系統，ERP似乎並不是F1賽車中最吸引的人部分。但正是這款看似平平無奇的軟體，其中的數據卻成為AI技術的應用金礦。VCARB車隊更成為首批採用Epicor公司Prism生成式AI工具的首批客戶之一。
在生成式AI技術支持下得以加速的每一個製造環節，都代表著「出賽時間」的進一步改善。VCARB車隊最初主要選定三種用例：加快編碼速度以更快生成報告；自動發送並接收來自供應商的報價申請；以及使用自然語言對資料庫執行查詢（詳見下文斜體部分，VCARB F1車隊如何使用生成式AI增強其ERP平台）。
讓賽車跑得更快
但這一切究竟如何提高賽車成績？VCARB車輛性能主管Guillaume Dezoteux表示，一切技術的目標都是為了縮短從確定對汽車有利的升級、到真正實現升級之間所需的時間。
他表示，「我們會查看汽車數據、與車手交流、發現改進車輛的機會，並在模擬器中測試車輛性能。每當發現了有價值的升級方案之後，接下來的工作也必須能夠快速跟進。」
「使用AI技術檢測競爭對手的行為模式也非常有趣。他們有自己的比賽策略，而且也會隨時做出調整。這時候我們會嘗試建立起能夠預測對手下一步行動的方法，這在未來可能會成為非常重要的應用場景。」
Guillaume Dezoteux, VCARB車隊車輛性能主管
Dezoteux援引最近的案例，車手Daniel Ricciardo在轉向方面就遇到了問題：「轉向手感是車手衡量性能與車輛平衡感的關鍵指標。我們一直在努力解決這個問題，嘗試不同的選項，讓轉向手感更輕或者更重，並調整汽車轉向助力的參數。一旦確定了新的目標，我們就會將方案交付給製造團隊，從而大大縮短車輛的出賽時間。」
也就是說，讓改進提早車輛上體現效果，將對車隊的比賽成績造成巨大影響。他補充稱，「每支車隊都在不斷發展，每個人都在努力改造自己的賽車。這正是創造新機遇的又一種方式。現在決定勝負的其實就是一點微小的細節差異，因此對我們來說，確定目標並加快車輛出賽速度是件非常重要的事情。」
VCARB F1車隊如何運用生成式AI增強ERP平台
編程輔助：員工使用Epicor Prism代碼助手來運行生產報告，並加快自動化業務流程的創建速度。VCARB ERP經理Fabia Ferraro表示，「這是個能幫助我們編寫代碼的出色副手，對團隊也很有幫助。畢竟工作人員不可能了解關於Epicor的一切，現在他們可以詢問關於其他代碼的資訊——可能是我寫的代碼，也可能是其他人寫的代碼。大家還可以使用這灰助手對每一段代碼進行檢索，快速訪問Epicor後端中的全部內容。」
自動化採購：與供應商之間的自動化交互能夠加快採購速度，並優化「自造還是採購」決策。如此一來，車隊就能自動向供應商網路發送報價申請（RFQ），同時配合報價解釋以確定最佳價格與最快交貨渠道。Ferraro解釋道，「RFQ自動化對於採購工作非常重要，因為相關團隊需要做出大量與車輛相關的重要決策。在這套系統的支持下，採購團隊可以申請報價，而不必手動記錄發往或從供應商處收到的每一封郵件、每一個附件。之後，系統還能提供帶有最佳結果的匯總摘要。」該系統未來還將進一步擴展具體用途，包括實現內部採購審批自動化，以便車隊負責人Laurent Mekies及公司CEO Peter Bayer也能隨時隨地給出採購審批意見。
對話式ERP：員工們可以使用自然語言向ERP系統提出問題，從而更快獲取生產與採購方面的見解，而不再死記硬背所有報告的歸檔位置。Ferraro表示，「我認為這對普通用戶來說才是最重要的功能，因為現在他們可以訪問記錄並立即獲得響應，而無需諮詢了解應用程序（或報告）的設計和部署方式。他們可以即時向Epicor Prism詢問存儲在ERP中的資訊內容，大大加快決策制定速度。」
由於預算存在上限，車隊的工作重點就成了評估每項決策以及賽車上的每一種潛在升級選項，據此優化改裝潛力、支出及「出賽時間」的指標組合。
IT與創新主管Raffaele Boschetti強調，「最重要的一點，就是明確當賽季中最需要在哪個方向上搞開發。」
「這絕不能籠統地用「我希望拉高賽車的性能基線」來概括。關鍵在於，最終結果必須要在固定預算、可用資源與可接受的交付時間之內達成。考慮到種種影響因素，生成式AI平台的核心優勢就是幫助我們分析這一切，讓我們知道哪些做得到、哪些做不到，再把結論跟我們當前賽季的賽車開發思路結合起來。畢竟賽車屬於典型的研發項目，永遠都會存在獨特的權衡與取捨。」
Boschetti已經在考慮將生成式AI引入製造流程中的其他方式。例如使用零部件圖像訓練AI引擎，以幫助識別新造部件中的潛在缺陷。
奪取優勢
對於利用AI驅動型ERP在賽場上取得速度優勢的前景，Dezoteux感到無比興奮。
他解釋道，「如果著眼於單獨某一場周末賽事，其實很難在賽車、輪胎，或者車輛與車手之間的交互等方面找到具有規律性的模式。」
「以伊莫拉賽道為例，我們可以查看賽事中的實時數據、分析數據內容，藉此了解當前正在發生的一切。但如果說這場分站賽上的情況跟之前的比賽存在哪些聯繫，那這種模式是很難孤立找到的，畢竟兩場比賽之間的車輛已經發生了不少變化。」
對賽道上的車輛狀態進行監控不啻為一大挑戰。
「坦白講，對賽道上的車輛狀態進行監控不啻為一大挑戰。這時ERP系統就成了絕佳的工具，可以幫助我們持續監控賽車配置、隨時了解賽車狀態。之後再將結果與比賽中的各項遙測數據相比照，就能發現隱含的模式，幫助我們在未來的對抗中占據優勢。」
當然，ERP並不是AI技術唯一能為VCARB F1車隊貢獻力量的領域。正如車隊負責人Mekies所言，F1運動長期以來一直是自動化數據分析的領導者，這依託的自然就是車輛上產生的大量數據。
他強調，「我們目前的數據流分析體系已經有相當高的比例實現了自動化，估計具體比例至少達到了70%到80%。」
「但如果能夠建立更多智能分析方案，例如提取需要提取的內容，或者提取那些價值尚不明確、但原則上值得關注的內容，那麼這些數據應該也可以被更好地利用起來。我們長久以來一直遵循著這樣的思路，而如今的數據生成量也保持著指數級增長。總而言之，我們每天都在探索充分利用這些資訊的新方法。」
F1規則
工程師們則嘗試利用AI技術破解F1賽事規則給車隊套上的鐐銬，包括限制賽季期間對汽車設計及零部件進行的測試次數。除了對風洞使用量有所限制外，現行規則對車隊使用流體動力學計算（CFD）軟體的總時長也有限制，這相當於束縛了技術人員模擬車輛空氣動力學性能的能力。
Mekies將CFD形容為「虛擬風洞」，但憑藉在數小時CFD使用過程中積累下的全部數據，AI算法帶來了新的機會，即無需繼續使用CFD即可提供同樣的測試效果。
他解釋稱，「由於AI算法已經接觸過上萬次運行的數據，所以我們可以將車輛改動輸入進去，詢問其能否實現預期的性能提升。這就避免了重複使用CFD軟體，不致違反F1的比賽規則。這其實是種很有趣的探索，畢竟我們並沒有實際運行CFD模擬。」
AI技術還在F1比賽當中提供策略建議。隨著來自我方賽車及對手賽車的大量數據持續輸入，車隊開始分析當前策略選項，例如何時更換輪胎或者如何應對安全車的引入——安全車會在一段時間內拖慢賽場上的整體速度。
VCARB車隊CEO Peter Bayer提到，「戰略決策需要在維修站內快速做出，而具體結果源自AI軟體進行的數十億次計算。一邊是持續推進的比賽進度，另一邊則有機器在不斷分析當前發生的一切。」
「最終，有權敲定比賽策略的決策者只需要面對一、兩個選項，而不像之前那樣面對上百個選項。這就是AI與人類智能的結合，實在令人感到著迷。」
除了常規的發動機功率與輪胎性能等量化參數之外，AI技術也成為幫助人們大開腦洞，尋求在賽道上獲取優勢的新思路的重要助手。
車輛性能主管Dezoteux表示，「使用AI技術檢測競爭對手的行為模式也非常有趣。他們有自己的比賽策略，而且也會隨時做出調整。這時候我們會嘗試建立起能夠預測對手下一步行動的方法，這在未來可能會成為非常重要的應用場景。」
虛擬傳感器
另一個潛在用例則是虛擬傳感器。雖然安裝在車輛上的那些測量力、溫度、速度等指標的300多個傳感器都很小巧，但畢竟仍是在增加重量，而這些重量可能會讓賽車的單圈時間增加幾個毫秒。這些傳感器往往也很昂貴，而且可能因碰撞而損壞。使用AI之後，車隊即可建立起虛擬傳感器。
Dezoteux指出，「也就是說，在安裝物理傳感器時，AI系統會根據汽車參數學習其行為，進而收集到能夠支撐傳感器行為模式的相關指標——之後移除掉這些傳感器，AI仍能維持這套統一傳感信號系統的正常運行。」
「目前這種虛擬傳感器已經能正常運行，只是準確度還不夠好。但我們預計在不久的將來，我們可以在練習賽當中配置出傳感器更多、價格更昂貴的賽車，用它來完善虛擬傳感器系統。一旦成功，我們就能讓正賽中的車輛更輕、更便宜也更簡單，充分適應現行比賽規則。」
VCARB車隊並不是唯一一支嘗試使用AI技術的隊伍。時至今日，AI研究已經成為各車隊間不斷超越對方、尋求在比賽當日帶來最佳發揮與最快圈速的全新戰場。
這意味著各車隊之間，乃至與大型科技企業之間，正掀起一波新的競爭浪潮——各方爭奪的正是最優秀的AI人才。
Mekies坦言，「重要的是，我們發現F1運動對於頂尖人才確實具有吸引力，所以我們車隊絕不會在這場面對其他車隊乃至大型科技公司的人才爭奪戰中落於下風。總而言之，我們必須保證F1這項運動始終擁有充足的吸引力，讓更多優秀人才到這裡做他們想做的開創性探索。」
在企業IT領域，人們討論AI應用時一直在強調「人的參與」。但在F1比賽中，以人為中心的定位無需贅言，因為車輛的駕駛員就是一切。不過也有人好奇，AI是否有一天能夠與劉易斯·漢密爾頓這樣的頂級車手對抗？
Mekies認為「答案是否定的。F1比賽的核心並不是AI與人類的對抗，而是AI支持之下人與人之間的對抗。所以無論是在賽車運行還是在其他應用場景下，人的因素仍將始終存在——它不會被取代，只是由AI分擔一些任務，幫助人類專注於只有他們能解決的工作。」
「比如說AI可以幫助我們根據當前環境條件提供最適合的車輛。比如突然開始下雨，AI會提醒對車輛進行一、二、三設置。目前這些過程仍然需要工程師們手動整理。但未來，AI算法將從賽道上生成的實時數據中獲取更多見解、提供更多幫助，快速計算出需要對車輛進行哪些調整，從而更好地支持駕駛員。但這一切都是在幕後，真正在場上競逐、觀眾們真正想要看到的，永遠是強壯、聰明、意志堅定的人類車手。」
