在當今大數據時代，數據驅動不僅僅在科技領域中不可缺少，在汽車運動和能源領域等領域，數據驅動的重要性也愈發體現。遠景車隊作為該賽事定級為世界級錦標賽以來，首支以非廠商車隊戰勝廠商車隊奪得年度總冠軍獨立車隊，其實背后的邏輯就是電動方程式和新能源擁有共同的底層基因——數據驅動。

第九賽季倫敦站是Formula E建立以來最為特殊的一站比賽，倫敦站的賽道相對較短，而且速度較慢，所以車輛的耗電水平偏低。所以國際汽聯大幅降低了倫敦站比賽中可用電量的標準，單站比賽的可用電量減少了超過10KWh，縮減幅度超過四分之一，這在以往的比賽中從未出現。這種大幅度的變化無異于將倫敦站的比賽變成了一場全新的比賽，此前基于38.5KWh可用電量建立的比賽模型幾乎全部作廢，車隊必須在倫敦站比賽之前進行大量仿真模擬工作。

而這些工作的效果好壞關鍵就要看車隊此前建立的賽車數據模型是否可靠，也就是儲存在服務器當中的那臺數字化的賽車和真實世界的賽車相比，仿真度到底有多高。

遠景車隊董事總經理兼CTO Sylvain Filippi介紹了遠景賽車數據模型的構成，“在電腦中制作賽車的數據模型，我們需要四個子系統的數據模型。第一是底盤模型;第二是電池管理模型; 第三是動力總成模型，這是最重要的也是最復雜的;第四是輪胎模型。這四個模型加起來就是一臺完整的賽車，讓賽車的數據模型在根據具體情況建立起來的賽道數據模型中跑起來，并獲取海量的模擬數據，就是車隊的模擬工程師團隊每天都要進行的工作。”

模擬工程師是車隊獲勝的幕后英雄，因為他們根本就不會出現在賽場上。在非比賽日，車隊的性能工程師和賽事工程師，也就是在賽場上你經常看到的那些趴在電腦前聚精會神操作的人，也會加入到模擬工作中，幫助改進賽車。

但如果模擬不準確，那基本上之前所做的一切工作都可以扔進垃圾桶了，所有策略、能量管理以及所有與真實情況不相符的模擬結論都要推倒重來。

毫不夸張地說，賽車數據模型仿真度的高低是Formula E比賽表現好壞的決定性因素。最理想的狀態就是在不同的動力輸出下(排位賽動力、正賽動力等)，真實的單圈時間幾乎與模擬結果完全相同，模擬器的速度軌跡和真實世界的速度軌跡完美重合，同時能量消耗曲線也與模擬高度一致。而在變幻莫測的正賽中，能量消耗在每一圈甚至每一個彎角都在變化。

在這里，Formula E賽事完全開放給各家車隊研發自由度最高的領域就是針對不同的賽事場景開發各種不同的軟件設置，在汽車運動中，這些不同的軟件設置叫做“Maps”。這是各家車隊在正賽一個小時左右時間內，拼真本事的關鍵。

賽前車隊會根據當前比賽的特點，將數百上千種可能用到的“Maps”預裝到賽車電腦中，這里有能量管理策略、攻擊模式策略、動力映射、干濕地不同模式等等。車隊只需要通過無線電告知車手，將方向盤上的某個旋鈕轉到幾號位置，嘗試將賽車置于最佳模式，調整車隊的策略。

九年來，遠景車隊積累的“Maps”已經達數千，成為車隊競爭力的基礎，隨著軟件成果的不斷積累，今后即便遇到全新的分站賽，因為此前積累足夠雄厚，車隊也可以做到游刃有余。

作為一項由數據驅動的賽事，在數據積累和數據挖掘方面做得越好的FE車隊，在后期往往會有更顯著的優勢，因為隨著賽車數據模型的仿真度越來越接近100%，車隊在模擬器上可以進行的模擬工作就會越來越多，效果也會越來越好，就可以在比賽周末游刃有余地應對突發情況。

從馬力驅動到數據驅動，數據模型給汽車運動帶來了全新的變化，讓這項運動從一項主要依靠動力、技術和勇氣的運動變為一項更加依賴于嚴謹測試、精準預判和聰明大腦的運動，如果說過去的賽車場上，還能找到某些依靠天賦和本能開車的車手，未來的賽車場上，則是數據型車隊和車手的天下。

因此，遠景自成立之初就將數字化融入產品基因，并不斷以集團的數字化能力為Formula E賦能。遠景的數字化能力支持賽車在賽場上跑得更快，同時在復雜多變的賽場上持續優化算法，讓集團本就突出的數字化能力更上一層樓。讓數據成為推動車隊前進的源動力，而數據驅動同樣是遠景科技集團作為綠色科技企業的核心競爭力，車隊與集團在數據驅動上實現了同頻共振，成為兩者共同駛向成功的動力。