2026年4月30日——IBM与世界领先的赛车及高性能汽车制造商达拉拉集团（Dallara Group）宣布达成合作，将利用人工智能推进车辆设计与优化，并探索量子计算的应用。该合作结合了达拉拉在高性能汽车工程领域的专长，以及IBM在物理AI与量子计算方面的领先地位，旨在研究如何加速空气动力学设计，并为更先进的仿真工作流程开辟道路。

50多年来，达拉拉为全球一些顶级赛车系列赛事设计并供应高性能车辆，包括印地赛车（IndyCar）——赛道平均速度可超过230英里/小时（370公里/小时）——以及二级方程式（Formula 2）、三级方程式（Formula 3）、超级方程式（Super Formula）和印地NXT（Indy NXT），此外还为电动方程式（Formula E）、世界耐力锦标赛（WEC）和IMSA等顶级系列赛事提供支持。这种广泛的赛车项目为其提供了独特的能力，能够将仿真结果与真实车辆性能进行验证。达拉拉还将工程学应用于高性能公路车辆和航空航天领域。这些及其他独特的、由创新驱动的特点，是IBM选择与达拉拉合作的关键因素。

作为该项目的一部分，IBM与达拉拉密切协作，开发了特定领域的基座模型。这些模型不仅利用了达拉拉的高保真空气动力学仿真数据，还融合了该团队深厚的技术专业知识。在未来阶段，该工作旨在整合真实车辆在风洞和赛道上的经过验证的测量结果，但仅使用高质量的仿真数据就已产生了令人信服的初步成果。

工程师们高度依赖计算流体动力学（CFD）来预测空气动力，并优化车辆在车身几何、底盘、翼片和车轮等部件上的性能表现。这些仿真功能强大，但计算成本高昂。即使是相对狭窄的分析也可能需要数小时或更长时间，而完整的赛车开发工作流程可能需要数周或数月，因为工程师需要反复迭代几何变化、运行条件和性能权衡。

IBM和达拉拉正在利用人工智能加速这些工作流程，而不取代底层物理原理。在一个早期示例中，研究人员聚焦于一款概念性的勒芒原型2（LMP2）类赛车的几何形状，两家公司共同将多个后扩散器配置——后扩散器位于后底盘下方，有助于产生高效下压力，从而增加抓地力——的CFD分析结果与基于物理的新型AI方法的结果进行了比较。

传统方法需要数小时来计算所有配置。与此同时，AI模型在大约10秒内完成了相同的评估，识别出了相同的优化设计，误差范围与CFD大致相当。如果应用于典型的包含数百种几何配置的完整集合，这种加速效果可将数天的仿真时间缩短到几分钟。

这些及其他初步结果表明，达拉拉的工程师可以在更短的时间内评估更多的车辆配置，从而在早期设计阶段更快推进，帮助将最昂贵的计算资源集中在赛车设计和开发的深度优化上。

与此同时，IBM和达拉拉已开始探索量子及混合量子-经典方法如何进一步改进赛车设计工作流程。通过将达拉拉在高保真车辆工程和CFD驱动设计方面的专业知识，与IBM在量子计算和AI领域的领先地位相结合，该合作将评估这些方法在短期内如何补充传统仿真工作流程，同时识别出在汽车和赛车运动设计领域实现实际应用的长期机遇。

“赛车教会了达拉拉，只有两种可能的结果：要么获胜，要么被迫学习。IBM在这个创新项目上的密切合作，证明了达拉拉不断突破界限、永不停止学习的意愿，”达拉拉首席执行官Andrea Pontremoli（音译：安德烈亚·蓬特雷莫利）表示。

“一些最严峻的工程挑战最终归结为准确模拟物理世界，”IBM院士、IBM研究院算法与应用副总裁Alessandro Curioni（音译：亚历山德罗·库里奥尼）表示。“通过与达拉拉合作，IBM如今正应用人工智能加速空气动力学设计，同时并行推进量子计算以进一步拓展仿真的边界。这些技术共同作用，可以帮助工程师更快行动、探索更多可能性，并最终设计出性能更优的车辆。”

利用AI推进空气动力学设计

设计高性能车辆意味着需要平衡下压力、阻力、稳定性和响应性，这些条件会随着每场比赛而变化。由于某些部件的设计精度极高，即使是微小的设计变更也可能对性能产生出人意料的大影响，而最佳的空气动力学解决方案并不总是显而易见的。

这些AI模型旨在帮助直接从几何形状及相关工程输入中预测空气动力学行为。随着合作的推进，IBM和达拉拉计划将AI模型扩展到更广泛的条件范围，例如不同的操控场景或超车情景，将其应用于新车辆的设计，并开发工具，以便在投入全面的全车仿真之前，更快地探索新的空气动力学配置。

“高性能车辆是神经替代模型的理想试验场，但其潜在影响远不止于赛道，”达拉拉首席信息官Fabrizio Arbucci（音译：法布里齐奥·阿尔布奇）表示。“更高效的设计可以使所有交通类别受益，从乘用车到飞机，甚至其他受空气动力学影响的行业。即使乘用车的阻力降低百分之一到二，也能在规模上转化为显著的燃油效率提升。”

该合作的初步结果已详细发表在2026年4月20日发布于arXiv的一份预印本研究报告中。该工作建立在IBM开发的一种名为“规范不变谱变换器”（GIST）的新型AI模型之上，该模型在3月17日的一份预印本研究中得到了描述。IBM和达拉拉于2026年4月26日在里约热内卢举行的国际学习表征大会上，展示了这些及其他将AI应用于复杂物理系统的进展。