Как Google Cloud внедрил ИИ-Агента в болид Формулы E GEN4

При скорости 150 миль в час у вас очень мало времени, чтобы спросить помощника с искусственным интеллектом, где вы теряете скорость.

Тем не менее, по сути, это был эксперимент, проведенный на фестивале скорости в Гудвуде в 2026 году, где гонщик Формулы E Дэн Тиктум преодолел знаменитый подъем на холм на новом гоночном автомобиле GEN4, в то время как облачные технологии Google анализировали происходящее вокруг него.

GEN4 - самый мощный автомобиль Формулы E на сегодняшний день, способный развивать мощность до 600 кВт, около 815 л.с., с постоянным полным приводом и разгоном от 0 до 100 км/ч примерно за 1,8 секунды. Как выразилась директор по маркетингу Формулы E Элли Норман, когда я беседовал с ней в Гудвуде, это "самый быстроходный одноместный автомобиль на планете", поразительная демонстрация того, как далеко продвинулись технологии гонок на электромобилях. В итоге Тиктум преодолел дистанцию на буллитах в Гудвуде за 42,46 секунды, что стало одним из самых быстрых результатов, когда-либо зафиксированных на знаменитом подъеме на холм.

Однако более интересная история происходила в кабине пилота.

В автомобиле был установлен Google Pixel 10 Pro, на котором локально работал искусственный интеллект. Телефон был подключен к автомобильной шине CAN, что давало ему доступ к телеметрии с датчиков, расположенных по всему автомобилю.

Джон Эйбл, управляющий директор Google Cloud Office of the CTO, объяснил мне эту идею в Goodwood.

"На самом деле мы запускаем небольшой микроагент на самом телефоне", - сказал он. "Этот агент был откалиброван с учетом того, что Дэн хотел бы знать, например: "Где я теряю время? Как у меня с тягой? Как соблюдается баланс слева направо?"

Важный сдвиг заключается в том, где происходит получение информации. Большая часть современного опыта создания ИИ зависит от отправки информации обратно в крупные облачные центры обработки данных. В этом эксперименте небольшая модель могла анализировать информацию непосредственно на потребительском устройстве внутри автомобиля.

Абель сказал, что система может "за считанные секунды передать ему мгновенную обратную связь в его наушник".

Это передовой искусственный интеллект в особенно суровой среде. Автомобиль движется на предельной скорости, генерирует огромные объемы данных и работает на жарком, пыльном холме, где подключение к Интернету не может быть гарантировано.

Formula E CTO Dan Cherowbrier told me the goal was to move intelligence closer to the point where decisions were being made.

"For the Goodwood challenge, what we wanted to do was get the AI insights a little bit closer to the driver," he said.

The architecture combined Google’s Gemma model running on the phone with access to Gemini beyond the car. Cherowbrier explained that Gemma could analyze vehicle telemetry locally, while agent-to-agent communication could reach Gemini for additional information such as timing feeds or broadcast data.

That hybrid architecture is significant. Some AI tasks need the scale of the cloud. Others benefit from being processed locally because speed, resilience or data sensitivity are more important. Increasingly, intelligent systems will be designed to decide where a task should run and which AI agent should handle it.

Formula E is an ideal laboratory for this because performance is measured in fractions of a second. The sport has always positioned technology as part of the competition itself, and the Goodwood experiment pushes that philosophy into AI.

The wider business implications are easy to see.

Abel gave the example of manufacturing, where cameras and AI models embedded directly into production equipment could identify a displacement or fault and immediately alert an operator. Similar ideas apply to robots, vehicles, warehouses, energy infrastructure, healthcare devices and industrial equipment.

This is where AI starts to become part of the physical world. The intelligence sits closer to the machine, sensor or person making the decision, rather than waiting for every interaction to travel to a remote data center.

For companies, this creates a new design question. Instead of asking where they can add a chatbot, they can ask where local intelligence could remove delay, improve reliability or help people make better decisions in real time.

Google Cloud and Formula E have already used AI together for race strategy, broadcast insights and previous engineering experiments. Goodwood showed another direction, AI becoming a live participant in an operating environment.

A racing car traveling up a narrow hill at more than 150 miles per hour is an extreme use case. That is exactly why it is useful.

If AI can interpret telemetry data, coordinate with other agents and return useful information to a driver under those conditions, it becomes much easier to imagine similar systems inside factories, vehicles, logistics networks and machines.

The next phase of AI will increasingly live inside the products and systems around us. Goodwood offered a very fast preview of what that future could look like.