从普通自行车到一级方程式赛车，路途遥远。但正是在短短六年间，基于人工智能的初创公司 Neural Concept 及其联合创始人兼首席执行官 Pierre Baqué 实现了这一质的飞跃。
2018年，该公司初具雏形的软件帮助研发出全球空气动力学性能最佳的自行车。如今，十支一级方程式车队中有四支使用了该技术演进后的版本。
一路上，Baqué的公司获得了空客和赛峰等航空航天供应商的合同，在2022年完成了910万美元的A轮融资。目前拥有50名员工的瑞士公司Neural Concept正朝着B轮融资迈进，其软件帮助威廉姆斯车队等历史悠久的F1车队重返世界顶级赛车运动的巅峰。
然而，尽管一级方程式赛车依赖的是1000马力的混合动力V6发动机，Baqué首次将该技术付诸实践的应用却是人力驱动的。
人力驱动
2018年，Baqué在洛桑联邦理工学院（École Polytechnique Fédérale de Lausanne）计算机视觉实验室学习，致力于将机器学习技术应用于三维问题。
“有人把我介绍给了一位带领团队的人，他们正在设计第六代或第七代自行车，目标是打破自行车速度的世界纪录。”Baqué说。这位人士是Guillaume DeFrance，团队来自萨瓦-蒙布朗大学（Université Savoie Mont Blanc）的IUT Annecy。该自行车队已经对自行车设计进行了六次迭代。
“两天后，我带着一个几乎看起来像当前世界纪录保持者形状的设计回去找他。”Baqué说。团队印象深刻，要求更多迭代。结果是，用Baqué的话来说，“目前世界上空气动力学性能最好的自行车”。
这是一个强有力的声明，但得到了2019年创下的多项世界纪录的支持。我们谈论的不是为了减少阻力而采用翼型下管或凹面轮圈。这辆自行车完全被包裹起来，骑行者在复合材料制成的茧状结构中挥汗如雨，完全免受风的侵袭。
核心技术是一款名为Neural Concept Shape（NCS）的产品。它是一个基于机器学习的系统，提供空气动力学的建议和推荐。它属于计算流体力学（CFD）的广泛领域，在该领域中，受过高度训练的工程师使用先进的软件套件运行三维空气动力学模拟。
与制作物理模型并将其投入风洞测试相比，CFD要快得多。尽管如此，它对系统资源的需求巨大，并且很大程度上依赖于人类做出正确的决策。
从根本上说，NCS帮助工程师避免潜在的空气动力学陷阱，同时引导他们进入可能未曾考虑过的方向。在“副驾驶模式”下，工程师可以上传现有的3D形状作为起点。
然后，NCS会深入其神经网络，提出改进或修改建议，类似于3D版“选择你自己的冒险”游戏中的可能路径。人类工程师随后挑选最有前景的建议，并通过进一步的测试和优化进行迭代，最终实现空气动力学的卓越成就。
不仅仅是“欺骗风”
NCS 不仅对赛车运动有用，在汽车和航空航天行业也颇具价值。Baqué 表示：“在这些类型的公司中，广泛采用的道路是缓慢的。”他谈到在相对保守的航空航天行业内工作时，“这就是我们开始更多地与汽车行业合作的原因，那里的需求更为迫切，而且他们能更快地做出改变。”
Neural Concept 与包括博世（Bosch）和马勒（Mahle）在内的多家全球供应商签订了合同。空气动力学在汽车世界中日益关键，制造商们正在寻找更具空气动力学的汽车，以便从给定尺寸的电池组中获得尽可能大的续航里程。
但事情并非仅仅关乎减少风阻。NCS 还用于开发诸如电池冷却板之类的部件，如果这些部件的效率更高，就能在不消耗过多能量的情况下将电池保持在最佳温度。Baqué 说：“可以取得巨大的收益”，这意味着更长的续航里程。
虽然这些技术的终极试验场始终是赛道，但终极实验室却是 F1。自 1950 年以来，F1 一直是全球性的体育现象，目前正经历着一波前所未有的流行热潮。
Netflix 的力量
Netflix 剧集《F1：极速求生》（Formula 1: Drive to Survive）将 F1 的刺激感带给了全新的观众群体。虽然该剧集侧重于车队内部的政治和戏剧性情节，但赛道上的成功则更多与空气动力学有关。这正是 Neural Concept 发挥作用的地方。
Baqué 早在 Netflix 还在 Reed Hastings 眼中闪烁光芒之前就开始观看 F1。“我一直都在看，从 David Coulthard 和 Michael Schumacher 的时代起。”
如今，在他公司软件辅助下开发的零部件正在这项全球赛车运动的巅峰赛事中运行。Baqué 说：“这是一种非常、非常大的成就感。”“当我创办这家公司时，我将此视为一个里程碑。不仅仅是 F1，而是让使用该软件设计的零部件出现在公路上。是的，每次发生这种情况时，都是一种非常好的感觉。”
F1 也是一个极其保密的运动。在 Neural Concept 合作的四支车队中，只有一支愿意被确认为客户，而且即便这支车队对整个流程也守口如瓶。
Williams Racing 是 F1 中最具传奇色彩的车队之一。该车队由赛车传奇人物 Frank Williams 于 1977 年创立，他在 20 世纪 90 年代统治了赛场，赢得了五次制造商世界冠军，其中包括 1992 年至 1994 年的三连冠。
但与大多数运动一样，F1 车队的成功也是周期性的，目前 Williams 正处于重建阶段。该队在 2022 赛季垫底，去年仅上升至第七名。
NCS 是帮助威廉姆斯车队重获竞争力的工具之一。“我们以多种方式利用这项技术，其中一些方法提升了我们的模拟能力，而其他我们正在开发的方法将有助于在计算流体力学（CFD）中首次即得更好结果。”威廉姆斯空气动力学技术主管哈里·罗伯茨（Hari Roberts）表示。
同样，CFD 模拟耗时且成本高昂，而一级方程式（F1）的监管规定进一步加剧了这一困境，限制了车队的测试能力。风洞中的实际测试时间受到严格限制，同时每支车队用于汽车开发的计算时间预算也有限。
任何能帮助车队快速完善空气动力学设计的工具都可能带来优势，而 NCS 的速度确实非常快。Baqué 估计，通常需要一小时才能完成的完整 CFD 模拟，通过 NCS 仅需不到 20 秒。
此外，由于 NCS 并非运行基于物理的实际计算，而是基于其空气动力学学习网络进行 AI 驱动的推测，因此它基本不受 F1 严苛规定的限制。“任何能让我们从每次 CFD 和风洞测试中提取更多知识、从而提升性能的做法，都会为我们带来竞争优势。”罗伯茨说。
但车队仍需为此付费。Baqué 表示，NCS 的费用因车队规模和访问类型而异，但通常每年在 10 万欧元至 100 万欧元之间。考虑到 F1 车队还受每年 1.35 亿美元的成本上限约束，这是一笔可观的投入。
威廉姆斯的罗伯茨不愿指出 NCS 软件带来的具体部件或圈速提升，但他表示该技术确实影响了赛车的性能：“这项技术是我们赛车空气动力学开发工具包的一部分。因此，我们不能直接将圈速归因于它，但我们知道它有助于提高我们的相关性分析能力，并加快我们探索新空气动力学条件的速度。”
超越空气动力学
人工智能的持续进步不会止步于此。目前已有讨论称，赛道维修区墙上将出现人工智能代理，负责制定比赛策略甚至车辆调校方案。
“随着人工智能/机器学习行业呈指数级增长，这是一个令人着迷的时代。”罗伯茨说，“然而，这也是当今所有技术从业者面临的真正挑战：我们应该把时间投入到哪些新工具的探索、开发和采用上？”
这种引人入胜的细节或内幕可能无法吸引《Drive to Survive》（《极速求生》）的普通观众，但对于许多 F1 车迷来说，赛场背后的竞争才是终极戏剧来源。
至于 Neural Concept，该公司正继续深入拓展非赛车领域的汽车行业应用，致力于开发更高效的电动机、优化座舱加热与冷却系统，甚至涉足碰撞测试领域。
Baqué表示，该公司的软件可以帮助工程师优化汽车的碰撞安全性，同时去除不必要的重量。但目前，该公司只能对单个部件进行碰撞模拟，而无法对整车进行模拟。他说：“这是我们少数几个遇到性能瓶颈的应用之一。”
或许欧盟蓬勃发展的AI超级计算平台的另一个应用是 欧盟蓬勃发展的AI超级计算平台？