2023年7月31日凌晨，何殺后國際汽聯世界電動方程式錦標賽Formula E第九賽季在倫敦收官，出重經過最后兩回合的爭背激戰，遠景車隊捧得年度總冠軍，數據這是驅動該賽事定級為世界級錦標賽以來，獨立車隊首次戰勝廠商車隊奪得年度總冠軍。何殺后

　　遠景車隊是出重FE賽場上為數不多的非廠商車隊，車隊擁有者遠景科技集團是爭背一家綠色科技與新能源企業，卻為何能在保時捷、數據捷豹、驅動瑪莎拉蒂、何殺后邁凱倫等一眾廠商車隊中殺出重圍？背后涉及到的出重是，電動方程式和新能源共同的爭背底層基因——數據驅動。

　　奪冠之路并不輕松

　　拿到這個總冠軍的數據過程并不輕松，雖然遠景帶著25分的驅動領先，等同于一個分站賽冠軍的積分優勢進入收官戰，但第一回合，遠景的主要競爭對手捷豹車隊的兩位車手表現出色，埃文斯拿到冠軍+桿位，追平積分。

　　倫敦站第一回合對遠景來說無異于從巔峰跌入谷底的經歷，車隊能否快速調整狀態，應對第二天的終極決戰，當時情況并不明朗，這都讓最終戰的氛圍更加緊張。

　　在終極決戰中，遠景的兩位車手拿下冠軍+桿位以及一個第六的成績，幫助車隊最終加冕第九賽季車隊總冠軍，也是GEN3賽車投入賽場之后的首個車隊總冠軍。

　　在拿下第九賽季總冠軍的同時，遠景車隊也成了Formula E歷史上獲得積分最多的車隊，總得分超過1600分，而第二名日產車隊的總得分未及1500分。

　　遠景車隊是目前FE圍場內為數不多從第一賽季至今連續參賽，且核心技術、工程團隊未發生重大變化的車隊，雖然車隊所有者自2018年從最初的維珍變為了遠景，但這種變化并沒有給車隊帶來動蕩，從結果看則是踩下了加速踏板。遠景車隊選擇了數據驅動的道路，讓數據成為推動車隊前進的源動力。

　　不拼馬力，拼算力

　　數據驅動是一個經常在各種文章中看到，但又不太明白其具體含義的新詞。讓我們把這個詞放在汽車運動和能源領域中分別來一探究竟。

　　汽車運動最早比拼的是車輛的機械性能，引擎的動力有多強，底盤有多穩，決定著最終的勝負歸屬。

　　后來車手的技術水平也成了決勝關鍵，再后來，車隊的策略安排在比賽中起到越來越重要的作用，而現在，軟件才是車隊制勝的關鍵。

　　在車輛研發階段，軟件工程師人數已經過半，比賽工程師研究的更多的不再是機械，而是軟件，調整賽車使用的也不再是扳手、螺絲刀，而是方向盤上的旋鈕、鍵盤和鼠標。

　　車隊日常的測試工作出現在賽道上的時間越來越短，而在模擬器和布滿高性能服務器的機房當中的時間則越來越長。

　　這些就是汽車運動中的數據驅動，軟件能力、計算科學滲透到了汽車運動從研發設計到比賽測試的方方面面。

　　車手從過去只注重駕駛技術，到現在越來越多地需要車手發展自己的數據能力，在比賽中，車手除了對賽道的感知要一如既往的敏感，還需要對圈速、電量、電耗、能效這些數據建立越來越敏感的感知能力，只有這樣，才能成為數據驅動賽車新時代的合格車手。

　　在Formula E當中，這種趨勢最為明顯，廠商車隊依靠大力投入往往可以快速獲得競爭優勢，但隨著時間拉長，在數據驅動這條正確道路上積累了足夠優勢之后，遠景這樣的車隊就展現出了更加出眾的競爭力。

　　而且Formula E賽事組織者對賽車機械性能進行了嚴格的限制，比如統一電池供應，嚴格限制最大可用電量，限制電機的最大功率、最大扭矩等，各支車隊的賽車在機械性能上幾乎無法拉開差距，想要建立優勢，只能依靠仿真模擬和軟件能力。

　　我們以第九賽季倫敦站兩回合的比賽為例，具體看看數據驅動對賽車到底有多重要。

　　第九賽季倫敦站是Formula E建立以來最為特殊的一站比賽，因為倫敦站的賽道相對較短，而且速度較慢，所以車輛的耗電水平偏低。

　　所以國際汽聯大幅降低了倫敦站比賽中可用電量的標準，單站比賽的可用電量減少了超過10KWh，縮減幅度超過四分之一，這在以往的比賽中從未出現。

　　這種大幅度的變化無異于將倫敦站的比賽變成了一場全新的比賽，此前基于38.5KWh可用電量建立的比賽模型幾乎全部作廢，車隊必須在倫敦站比賽之前進行大量仿真模擬工作。

　　而這些工作的效果好壞關鍵就要看車隊此前建立的賽車數據模型是否可靠，也就是儲存在服務器當中的那臺數字化的賽車和真實世界的賽車相比，仿真度到底有多高。

　　遠景車隊董事總經理兼CTO Sylvain Filippi介紹了遠景賽車數據模型的構成，“在電腦中制作賽車的數據模型，我們需要四個子系統的數據模型。第一是底盤模型；第二是電池管理模型； 第三是動力總成模型，這是最重要的也是最復雜的；第四是輪胎模型。這四個模型加起來就是一臺完整的賽車，讓賽車的數據模型在根據具體情況建立起來的賽道數據模型中跑起來，并獲取海量的模擬數據，就是車隊的模擬工程師團隊每天都要進行的工作?！?/p>

　　模擬工程師是車隊獲勝的幕后英雄，因為他們根本就不會出現在賽場上。在非比賽日，車隊的性能工程師和賽事工程師，也就是在賽場上你經?？吹降哪切┡吭陔娔X前聚精會神操作的人，也會加入到模擬工作中，幫助改進賽車。

　　“具體到倫敦站比賽前的準備工作，因為可用電量大幅減少，車隊必須在銀石總部進行全面模擬，使用賽車的數據模型，根據實際情況調整電池電量，判斷如何以最快的速度用規定能量跑完38 圈?！盨ylvain表示。

　　Sylvain解釋說，車隊先通過模擬獲得完整的比賽數據，在抵達倫敦到真實賽道上跑幾圈后，車隊就可以從賽車上獲得真實數據，如果兩個數據高度吻合，那證明車隊在銀石總部所做的一切工作都是正確的，這個比賽周末就會輕松不少。

　　但如果模擬不準確，那基本上之前所做的一切工作都可以扔進垃圾桶了，所有策略、能量管理以及所有與真實情況不相符的模擬結論都要推倒重來。

　　毫不夸張地說，賽車數據模型仿真度的高低是Formula E比賽表現好壞的決定性因素。最理想的狀態就是在不同的動力輸出下（排位賽動力、正賽動力等），真實的單圈時間幾乎與模擬結果完全相同，模擬器的速度軌跡和真實世界的速度軌跡完美重合，同時能量消耗曲線也與模擬高度一致。

　　而在變幻莫測的正賽中，能量消耗在每一圈甚至每一個彎角都在變化。在這里，Formula E賽事完全開放給各家車隊研發自由度最高的領域就是針對不同的賽事場景開發各種不同的軟件設置，在汽車運動中，這些不同的軟件設置叫做“Maps”。這是各家車隊在正賽一個小時左右時間內，拼真本事的關鍵。

　　賽前車隊會根據當前比賽的特點，將數百上千種可能用到的“Maps”預裝到賽車電腦中，這里有能量管理策略、攻擊模式策略、動力映射、干濕地不同模式等等。車隊只需要通過無線電告知車手，將方向盤上的某個旋鈕轉到幾號位置，嘗試將賽車置于最佳模式，調整車隊的策略。

　　九年來，遠景車隊積累的“Maps”已經達數千，成為車隊競爭力的基礎，隨著軟件成果的不斷積累，今后即便遇到全新的分站賽，因為此前積累足夠雄厚，車隊也可以做到游刃有余。

　　作為一項由數據驅動的賽事，在數據積累和數據挖掘方面做得越好的FE車隊，在后期往往會有更顯著的優勢，因為隨著賽車數據模型的仿真度越來越接近100%，車隊在模擬器上可以進行的模擬工作就會越來越多，效果也會越來越好，就可以在比賽周末游刃有余地應對突發情況。

　　從馬力驅動到數據驅動，數據模型給汽車運動帶來了全新的變化，讓這項運動從一項主要依靠動力、技術和勇氣的運動變為一項更加依賴于嚴謹測試、精準預判和聰明大腦的運動，如果說過去的賽車場上，還能找到某些依靠天賦和本能開車的車手，未來的新能源賽車場上，很可能是數據型車隊和車手的天下。

　　在Formula E的賽場上，速度、電耗、可靠性的“不可能三角”如何破解，數據能力至關重要。