Zapata AI自2023年起開始贊助印地賽車活動。上周日在納什維爾舉行的印地賽車錦標賽決賽，既標志著2024賽季的正式結束，也是機器學習解決方案創新廠商Zapata AI與傳奇賽車組織Andretti Global開展合作的第三個賽季。

當前，AI與印地賽車之間的關聯似乎并不明顯，但從量化指標的角度來看，參加印地賽事的每輛車上都有約140個數據傳感器，且每輛車每場比賽都會產生約1TB的數據。換言之，我們在很大程度上已經能夠從純數字的角度理解這一知名賽事。

為了讓這種關聯更加清晰，1TB數據對應的存儲空間相當于500個小時的高清視頻、1.7萬個小時的數字音樂或者650萬份電子文檔。

所有這些數據都要由車隊的各位工程師實時處理。這還不包括他們所面對的其他信息，例如天氣更新、空中遙測、賽道狀況、競爭對手的數據與模擬等等。

賽車決策與AI預測，均由數據驅動

在Zoom遠程采訪中，Zapata AI聯合創始人兼CEO Christopher Savoie表示，他們的先進量子模型能夠支持多個行業，包括金融、軍事、藥物開發與制造等等，但賽車確實是其中一條獨一無二的分支。

Savoie指出，“賽車的關鍵，就在于輪胎與道路的接觸點。這里是數據流速最快的地方，對應著最多的傳感器數據，也就是物聯網之類的裝置。我們需要隨時監控其間發生的變化。”

Zapata AI公司聯合創始人兼CEO Christopher Savoie坐在賽車分析指揮中心的現場數據監視器前

他補充道，“再考慮到決策對于比賽結果的決定作用，對于車手來說，這瞬息之間的分析結果往往就是「生死攸關」。而誰能更深入地理解AI模型在其中發揮的作用，誰就能占據主動。”

在Savoie看來，Zapata AI是一家技術創新企業，負責讓大型公司和政府機構能夠從AI的前景中獲益。其Orquestra平臺提供工業級AI解決方案，專門為使用基于文本和數字學習模型的超大模型生成式AI應用程序而設計。下圖所示為其技術棧構成。

Orquestra是Zapata AI的工業 生成式AI應用程序平臺，且同時采用到基于文本和數字的多種模型

Zapata AI與Andretti Global擴大合作范圍

今年，Zapata擴大了其現有的多年期、價值數百萬美元的協議，正式成為Andretti的官方AI與量子計算合作伙伴。在賽季開始前發表的聯合聲明中，Andretti Global CEO兼董事長Michael Andretti對于此番合作的寶貴價值給予了高度肯定。

“Zapata AI的生成式AI與技術專長，幫助我們解鎖了以往根本無法實現的實時比賽見解。我們期待在雙方共同奠定的良好基礎之上繼續發展，我們也很自豪能夠有他們作為我方的官方AI與量子計算合作伙伴。到目前為止，我們看到的結果已經令人印象深刻，而這一切才剛剛開始。”

現場定制化AI模型——既獨一無二，也是未來趨勢

Zapata的獨特之處，就在于該公司并不依賴于Claude或者ChatGPT等單一的集中式AI平臺，而是開發并部署較小的定制化AI模型組或集合，而是將創新的量子數學算法引入行動發生的位置。

這種類型的網絡設計被稱為邊緣計算，本質上就是將數字處理與計算能力在物理上貼近實時生成數據的位置。這不但確保了更快的數據捕捉、分析與現場決策速度，也大大降低了數據傳輸延遲。

Savoie解釋稱，“常規的訓練方式當然也很棒。但當面對這類產業用例時，真正重要的是流式傳輸實時數據，并確保AI模型能夠考量當前實際發生的狀況。而這也讓很多功能真正變得與實際銜接、發揮現實作用。”

Savoie進一步強調稱，定制化AI藝術形式是根據整個Andretti團隊過往20年的專有賽車數據訓練而來，這類似于讓飛行員在全球飛行模擬器中接受訓練。但依托于Zapata的現場比賽分析指揮中心（由兩張英偉達H100 GPU提供支持），現場AI模型可以進行實時訓練，并根據真實比賽產生的大量數據提供更新的預測場景。那么對飛行員的比喻進行延伸，這就好比是接受過模擬器訓練的飛行員進入了戰場，在實彈場景下繼續學習如何瞬間做出正確決策。

Zapata AI的現場比賽分析指揮中心（RACC）

Zapata定制化AI集成的這些實時訓練成果，使其與領域內其他現有的企業級AI產品區分開來。Savoie認為，這類模型將比當前的生成式AI模型對未來產生更為深遠的影響。

“我認為這些看似無聊的工業領域小型特定模型的組合，實際上將成為未來幕后工作與人類福祉的真正來源。”

比賽分析指揮中心內部

AI洞察：為Andretti Global提供驅動力

Zapata一直與Andretti Global的工程師們通力合作，構建并部署先進的機器學習模型，旨在更好地理解嚴重的輪胎退化分析、發現燃油節約機會、單圈時間預測，以及提供黃旗預測模型。

Savoie解釋道，“黃旗的出現，意味著賽道上發生了某些事件，例如賽車熄火、意外事故，或者是賽道上出現了碎片并迫使其他賽車必須減速。這時車輛無法正常超車，只能排成一排行駛，通常還會派出安全車進行引導。”

“而如果碰巧是在維修站或者換輪胎時出現了黃旗，那就會被安排到整個行列的最末端——因此，基于數據預測何時最有可能出現黃旗，避免失去寶貴的比賽位置將非常重要。基本上，我們的預測正確率總體上超過了80%。”

在周日的比賽中，Andretti Global車隊的車手Colton Herta贏得了賽季總冠軍。Savoie表示，他們的AI解決方案在高風險場景中表現出色。更重要的是，這種解決方案的應用范圍絕不僅限于賽車，其背后體現的即時、準確決策能力具有強大的普適性。

“各種場景的背后都是時間序列數據。我們在生產線、汽車數據、市場預測財務模型甚至是保險公司的風險模型等許多不同領域，都能看到時間序列數據的身影。從這個角度看，各類應用可謂是「事不同而理同」。”