合作背景与目标 - IBM与全球领先的赛车及高性能车辆制造商Dallara集团宣布合作，旨在利用人工智能和探索量子计算来推进车辆设计与优化 [1] - 合作结合了Dallara在高性能车辆工程方面的专长与IBM在物理AI及量子计算领域的领导地位，旨在加速空气动力学设计并开辟更先进的仿真工作流程路径 [1] - Dallara在顶级赛车系列（如IndyCar、F2、F3等）中拥有超过50年的设计经验，其广泛的赛车项目为仿真结果与现实车辆性能对比验证提供了独特能力 [2] 技术方法与初步成果 - IBM与Dallara紧密协作，开发特定领域的基础模型，这些模型不仅利用了Dallara的高保真空气动力学仿真数据，还结合了其深厚的技术专长 [3] - 在早期案例中，双方针对一款类似勒芒原型车2（LMP2）的概念赛车，将传统CFD对后扩散器多种配置的分析结果与新的基于物理的AI方法结果进行了对比 [5] - 传统CFD方法计算所有配置需要数小时，而AI模型在大约10秒内完成了相同评估，识别出的最优设计与CFD结果误差范围大致相同 [6] - 将此种加速应用于包含数百种几何配置的典型完整集合，可将数天的仿真时间缩短至几分钟 [6] - 初步结果表明，Dallara工程师可以在早期设计阶段以极短的时间评估更多车辆配置，从而将最昂贵的计算资源集中在深度优化上 [7] 未来方向与潜在影响 - 双方开始探索如何将量子计算和混合量子-经典方法集成到设计工作流程中，以进一步提升赛车设计工作流，特别是在处理复杂的空气动力学问题时增强仿真保真度 [7][9] - 随着合作推进，计划将AI模型扩展到更广泛的条件（如不同的机动或超车场景），并将其应用于新车辆设计，以在投资进行密集的全车仿真之前，更快地探索新的空气动力学配置 [12] - 合作成果可能超越赛道，更高效的设计可能使所有交通类别受益，从乘用车到飞机。即使乘用车的风阻降低1%至2%，也能在规模上带来显著的燃油效率提升 [13] - 合作初期成果已详述于2026年4月20日发布在arXiv上的预印本研究，相关工作基于IBM开发的新型AI模型（GIST） [13] 公司视角与行业意义 - 高性能车辆是神经代理模型的理想试验场，但潜在影响远不止于赛道，可惠及受空气动力学影响的其他行业 [13] - IBM认为，一些最难的工程挑战归根结底是准确模拟物理世界，与Dallara的合作旨在利用AI加速当前的空气动力学设计，同时并行推进量子计算以推动仿真技术发展 [11] - Dallara CEO表示，与IBM在此创新项目上的紧密合作证明了公司不断突破边界、永不停止学习的意愿 [10]