R&D 第二部

🧑‍🏫 這支影片講美國 IndyCar 車隊 Chip Ganassi Racing 怎麼用 OpenAI 的工具，幫忙做賽車策略和車輛調校。值得看的地方是，它示範了一群本來就很強的專家怎麼用 AI 從大量資料裡更快找出重點、更快做決定。

• 00:01 積分領先者 Palou 若奪冠，將是 CGR 的第 18 座冠軍；若 Chip Ganassi 本季奪冠，將成為 IndyCar 史上勝場最多的車隊
  ↳ IndyCar 是美國最主要的頂級賽車系列賽。Palou 目前積分第一，他奪冠就是車隊第 18 座年度冠軍；車隊本季奪冠，也會成為這個系列賽史上贏最多場的車隊。
• 00:01 講者表示，研究與 AI 每天的目標就是從經驗中學習、往下一步邁進，並看到成果
  ↳ 講者把研發和 AI 當成同一套做法：每天回頭看學到什麼，決定下一步，再確認有沒有變好。重點是一直重複這個循環，不求一次做到完美。
• 00:31 Ganassi 團隊成員本來就是各自領域的專家，現在看到把專業再往前推進的機會
  ↳ 這群人本來就是各領域的高手。AI 不是來取代他們，而是讓他們原本的專業能再往上推一步。
• 00:31 OpenAI 協助處理賽車策略與設定：從湧入的大量資料中判斷哪些重要、哪些不重要
  ↳ 比賽時車上和賽道會湧進大量數據，人來不及全部看。AI 幫忙篩出真正影響成績的部分，工程師就能把時間花在對的地方。
• 00:31 設定項目包括 springs、dampers、anti-roll bars
  ↳ springs 是彈簧，撐住車身重量；dampers 是避震器，控制彈簧彈跳的快慢；anti-roll bars 是防傾桿，減少過彎時車身左右傾斜。這些都是可以調整的設定。
• 00:31 賽道平順時 springs 可以調硬一點；賽道顛簸時要調軟一點
  ↳ 路面平坦時，彈簧調硬，車子反應比較直接。路面顛簸時調軟，輪胎才能一直貼著地面，不會一直被彈起來。
• 00:31 為了取得最大抓地力與空氣力學表現，到現場後必須快速調整
  ↳ 抓地力是輪胎咬住地面的能力，空氣力學是利用氣流把車壓向地面。每條賽道、每天的條件都不一樣，到場後時間有限，誰調得快誰就佔優勢。
• 01:03 比賽只會有一個贏家：不是最快，就是撞牆，沒有中間地帶
  ↳ 要贏就得把車逼到極限，逼過頭就會出事。講者的意思是這一行沒有「差不多就好」，保守跑就等於輸。
• 01:03 Alex Palou 拿下 pole，是排位賽最快的車手
  ↳ qualifying 是排位賽，正式比賽前各車單獨跑計時，決定發車順序。pole 是排位賽跑最快的人拿到的第一個發車位置，這次由 Palou 拿下。
• 01:03 團隊也有表現不好的日子；講者常說「不是贏，就是學到東西」
  ↳ 輸的日子也不算白費，只要找出原因，下次就能改進。這和第 2 點「從經驗中學習」是同一個態度。
• 01:34 團隊努力照計畫走完賽季，目標是保持領先，接下來專注在 Milwaukee 站爭取勝利
  ↳ 已經領先時，不必冒險亂改策略，照原本的計畫一站一站拿分。眼前就專心拚 Milwaukee 這一站的勝利。
• 01:34 比喻：這行像罐裝拼圖，星期五到場把罐子倒出來，關鍵是誰拼得最快
  ↳ 每一站的條件都像一罐全新的拼圖碎片，車隊週五到賽道才倒出來開始拼。比的不是有沒有答案，而是誰最快把車調對。
• 01:34 成績：六年五冠、四連霸，成為 2026 年冠軍
  ↳ 六年裡拿下五次年度冠軍，其中連續四年奪冠，最後也拿下 2026 年冠軍。這代表他們的做法在實際比賽中確實有效。
• 02:04 與 OpenAI 合作讓團隊大開眼界，看見更多可能性
  ↳ 原本主要靠經驗判斷的事，和 OpenAI 合作之後，團隊發現還有很多以前沒想到的分析方式和可能性。
• 02:04 車隊的故事一直是站在技術最前端、保持頂尖，AI 是這個故事的下一章；下一個目標是第 19 座冠軍
  ↳ 這支車隊一直靠搶先採用新技術來保持頂尖，AI 是這個做法的下一步。他們的下一個目標是第 19 座冠軍。

根據影片，賽道很平順時，springs 應該怎麼調整？