OpenAI 在客户案例页面悄悄更新了一篇：与 IndyCar 顶级车队 Arrow McLaren 的合作进入第二阶段，AI 已经直接介入比赛日的进站决策。车队总经理 Tony Kanaan 在专访里给出一组数据：”过去四场比赛我们三次拿到分站冠军，AI 的进站建议命中率约 88%。”这是 OpenAI 首次承认与一支专业体育队伍签了正式合作。
AI 看的不只是天气
赛车进站策略是出名的复杂决策——天气、轮胎损耗、对手节奏、安全车出动概率、油耗、剩余圈数同时摆在桌上，留给车队工程师的窗口经常只有 30 秒。Arrow McLaren 把过去 8 年的所有比赛日志、连同 IndyCar 公开赛事数据，喂给一套基于 GPT 的多模态推理模型，再叠加实时遥测流。系统每 5 秒输出一份动态评估表：现在进站、再跑 3 圈进站、再跑 5 圈进站三种策略的预期排名变化。Kanaan 透露，5 月 25 日的 Indianapolis 500 上，AI 在第 132 圈给出”立刻进站换软胎”的建议，比人工策略组的判断早了 2 圈，最终车手 Pato O’Ward 凭这次提前进站抢到 P3 完赛位次。
体育数据为什么是 AI 的好考场
赛车决策与传统 AI 应用相比有两个稀有优点：决策结果立刻可被验证，圈速、排名、终点位次没有任何主观空间；高质量结构化数据丰富到溢出，每辆车每秒产出近 10 万条遥测点。这种环境下模型的反馈回路极短，问题点清晰——AI 给的建议错了，10 圈内就会被赛果证伪，工程师当晚就能调参重训。Arrow McLaren 的数据科学主管表示，他们的内部模型迭代周期已经从两周一次缩到三天一次。OpenAI 也借这块场地验证了一件事：通用大模型在加上结构化数据流之后，确实能在严格时间约束的实时决策场景里跑通。
赢比赛容易，赢公平的争论难
这件事的另一面是体育规则的灰色地带。F1 早在 2017 年就明文限制赛中实时分析所能使用的算力，IndyCar 的规则相对宽松，但允许使用 AI 到什么程度并没有清晰边界。Arrow McLaren 拿到三个分站冠军之后，已有其他车队向赛事主办方提出技术公平性的复议申请。这是个早晚要解决的问题——竞技体育的魅力在于人在压力下的判断力，如果决定胜负的不再是车手与策略师，而是谁的 AI 更快，那观众席的位置可能就要从看台搬到服务器机房。AI 进入赛车不是问题，规则不更新才是问题。
