How AI Agents on CoreWeave Help Process F1® Radio in Near Real Time

AI代理实时解码F1®无线电 | CoreWeave博客

发布于

2026年7月20日

5

分钟阅读

CoreWeave上的AI代理如何帮助实时处理F1®无线电

F1®中的AI：CoreWeave与阿斯顿·马丁阿美石油F1™车队如何将无线电对话转化为比赛策略

作者

Richard Ahlfeld

Sara Sathyanandha

$

/$

已复制

2026年英国大奖赛第32圈。40个无线电频道正在实时传输。其中一个报告赛道上有碎片，另一个讨论轮胎磨损，第三个则在争论是否要进站。

然后问题出现了："我们应该用中性胎还是硬胎进站？"

在那40个频道中，答案已经存在。11支竞争车队的车手和工程师在过去十圈里一直在讨论他们的轮胎状况。两辆使用硬胎的赛车正在挣扎，十二分钟前有人明确提到过这一点。但没有人听到，因为没有人能在同时监控40个频道并管理比赛。

这就是CoreWeave和阿斯顿·马丁阿美石油车队试图解决的问题。

挑战：音频过多，时间太少

每支F1®车队都有权合法获取竞争对手的无线电频道。理论上，这是一项重大的情报优势。但实际上，这是一片噪音海洋，在进站窗口关闭前几乎没有可靠的方法找到关键信息。

在2026年摩纳哥大奖赛期间，比赛周末期间无线电频道上共说了超过38万字：超过50小时的音频包含超过21,000条独立信息。其中有有用的信息，包括竞争对手的轮胎反馈、策略信号、车手投诉和工程观察。所有信息都是合法可获取的。但几乎没有信息能在比赛期间及时被获取。

在本项目之前，回答"其他车手对中性胎的体验如何？"这样的问题意味着需要让工程师暂时离开其他职责，手动监控频道并在比赛期间翻查转录文本。这个过程可能需要几分钟时间。而在进站窗口在30秒内开启和关闭的运动中，这速度太慢了。

关键词搜索也无法解决这个问题。当车手说"抓地力不足"时，这确实提供了某些信息，但只有当你知道他们使用的是哪种轮胎、这些轮胎已经跑了多少圈、以及他们所处的条件时才有意义。在比赛压力下手动连接这些数据点，正是在关键时刻最容易出错的任务。

为什么F1®音频难以准确转录

音频本身就是一个问题。F1®无线电对标准转录模型来说极具挑战性：引擎噪音、头盔声学特性、300公里/小时的风速、多语言车手以及车队特有的缩写，这些都不是通用转录模型经过训练能解析的内容。

这里有一个来自比赛周末的真实例子。一段无线电传输被模型转录为："我需要管理轮胎过热。" 一个被遗漏的词——"过热"而非"过度驾驶"——就让信息从无价值的噪音变成了车辆处于困境的信号。

解决方案：实时AI无线电情报平台

2025年10月，CoreWeave工程师与阿斯顿·马丁阿美石油车队的赛车工程师一起在比赛周末现场工作。目标是构建一个能完成工程师无法做到的事情的系统：监控每个频道，提取关键信息，并在比赛当天快速呈现以改变决策。

该平台有两种模式。

第一部分涵盖了22个竞争对手频道。每一次传输都会被转录并按主题分类——轮胎、策略、抓地力、能量管理——并通过可搜索的界面呈现，该界面会随着比赛的进行实时更新。如果工程师需要了解车手们如何使用硬胎，可以在几秒钟内获取信息，而不是几分钟。

#### 从驾驶舱对话到维修站决策只需数秒

第二部分涵盖阿斯顿·马丁·阿美石油车队内部频道。车手反馈、工程沟通、会话笔记：所有内容首次被统一捕获、索引并可搜索。如果车手在会话中途表示"相比FP1，我感觉转向不足明显增加"，这一观察结果会被记录、时间戳标记，并与该会话的车辆设置数据关联。无需专门的记录员，也不会在信息噪声中丢失任何内容。

在两种模式之上，还有一个自然语言聊天界面。比赛工程师输入"法拉利车队关于轮胎退化说了什么"，系统会在数秒内从实时音频中生成综合答案。同样的界面在比赛结束后也可用于深度分析和复盘。

回到银石赛道，第32圈。问题是在中性胎和硬胎之间选择。工程师调出平台，按轮胎配方筛选，发现使用硬胎的两辆车在过去八圈持续报告抓地力问题。决策仅耗时数秒，车辆随即进站更换中性胎。

这就是系统设计的初衷。

工程挑战：40个频道，五秒内响应

管理40条高保真音频流且不出现中断是一项严峻的数据编排挑战。要在五秒内实现响应，需要的基础设施是大多数云环境根本无法处理的。

构建背后的数字体现了团队对问题的重视程度：

• 在转录模型达到生产精度前进行了75次模型迭代
• 团队手动标注了7小时的F1®无线电数据
• 特别构建了超过3000个标注样本以反映真实比赛条件
• 同时处理40个频道，从捕获到完整转录、说话人识别和主题分类均在五秒内完成

通过Weights & Biases Weave评估，微调后的模型在词错误率和基于LLM的质量评分上均达到生产级精度。上述轮胎过热示例并非边缘案例，这种差异在每个比赛周末的数千条消息中都会反复出现。

该系统在2025赛季最后两场比赛（卡塔尔和阿布扎比）中作为实时测试运行。2026赛季已全面部署。

CoreWeave Cloud如何实现这一切

此处的性能要求极为严苛。决策必须在数秒内完成，需同时处理40条音频流，不能有任何中断。基础设施必须在每场比赛的每一圈都稳定运行，而不仅仅是在基准测试中表现良好。

CoreWeave与阿斯顿·马丁·阿美石油正在构建一个专为大规模AI打造的AI云平台。该AI云为这种用例提供了所需的计算基础。基于CoreWeave Kubernetes Service运行的Weights & Biases Serverless Inference处理推理堆栈，TensorRT-LLM则提供用例所需的吞吐量和延迟表现。

微调过程在CoreWeave上运行，Weights & Biases全程管理实验跟踪和数据集版本控制。75次模型开发过程的每一次迭代都被跟踪、评估并版本化，直到团队确定生产构建方案。

赛事日之外的意义

当赛事周末结束，平台仍持续运行。每节比赛、每位车手和内部人员的每条消息都会被索引并保留。工程师们进行赛后分析，结合完整的音频背景回顾战略决策，并构建贯穿整个赛季的组织记忆。

过去需要数小时人工听录音才能回答的问题，现在只需数秒即可解答："去年英国大奖赛最后十圈无线电对话内容是什么？"这种即时回溯能力改变了车队备战、复盘和培养长期赛事策略直觉的方式。

Formula 1®始终是一项由毫秒级差距决定的运动。十分之一秒的差距、轮胎配方的选择、比竞争对手早一圈进站的决策。专为这种实时F1®数据分析构建的AI推理基础设施，正在不断缩小这些差距。CoreWeave与阿斯顿·马丁·阿美共同打造这项技术，每一站赛事周末都在推进。

探索CoreWeave如何整合构建物理AI系统所需的工具、团队和技术，从大规模仿真和模型训练到部署验证。

加入阿斯顿·马丁·阿美F1车队和其他顶尖AI先驱，参加2026年Fully Connected大会，学习如何加速超级智能循环。

CoreWeave与阿斯顿·马丁·阿美F1车队打造了近实时AI平台，可转录40条直播无线电频道，将赛事日音频转化为千分之一秒级的战略决策

分享本文： /think