在 2026 Computex 正式展開的這一週，小麥也帶大家一起來看看《富比世》這篇關於 F1 的文：《F1 的資料爆炸：每個週末產生一拍位元組？》，從不同的角度繼續來看我們共同喜歡的運動。

為了幫助大家看懂單位，且容小麥簡單說明一下何謂 “拍位元組”（Petabyte），這是資訊計量單位，而且其實大家應該很熟悉，因為 1 PB 約等於 1000 TB，1 TB 約等於 1000 GB，1 GB 等於 1000 MB…

那麼我們就開始這篇內容吧！

📖

想像一下，在一個週末內 1 億 3 千萬首串流歌曲，或者狂看 Netflix 4K 影片 16 萬 2500小時，又或者在短短三天內讀完整個美國國會圖書館的藏書 32 次…這基本上就是 F1 每個賽事週末所處理的資料量。

兩年前，F1 在賽事週末期間，從賽道技術中心傳送到英國🇬🇧轉播總部的資料量大約是 500 TB，如今這個數字已上升到 650 TB，在短短 24 個月內成長 30%，這也顯示這項全球最仰賴資料的運動，正快速邁向 AI 人工智慧、邊緣運算與即時遙測無所不在的未來。

我最近有機會與在 F1 負責 IT 團隊的 Chris Roberts，以及 F1 全球技術夥伴Lenovo（聯想）的 Milo Speranzo 進行訪談，討論這些額外位元組究竟從哪裡來，又會往哪裡去。當我問起組建支援 F1 賽事管理和轉播的硬體與軟體所面臨的挑戰時，Chris Roberts 開玩笑地說：「我們可不是什麼好相處的人！」Milo Speranzo 聽了笑著表示不同意。

但這確實是一項極具挑戰性的資料任務。

在 F1 賽道上以超過每小時 200 英里高速奔馳的賽車，看起來像是世界上最快的賽車，而它們確實是，但在表面之下，它們其實是資料生成怪物。

2026 年 F1 發車格上的 22 輛賽車，每輛都搭載 300 個感測器，每秒產生超過 100 萬個資料點。整個賽車週末累計下來，F1 的賽車光遙測資料就將產生約 8 Tb，這讓 Mercedes、Red Bull、McLaren 以及其他所有車隊獲得大量關於引擎性能、懸吊行為、變速箱效率、燃油流量、G 值、車手輸入等資料。

而賽車遙測只是 F1 賽事眾多資料來源之一。

F1 還部署了 28 台超高畫質賽道攝影機、4 ～ 6 台安裝在彎道旁、橋梁和護欄的嵌入式攝影機、一台陀螺儀穩定直升機攝影機、維修區的移動攝影機、全場超過 100 台車載攝影機以及無人機攝影機。每輛賽車上還有一台非即時的 360 度攝影機，每場比賽額外產生 480 GB 的影像，同時賽道周圍還部署了超過 150 支麥克風，用來捕捉賽事的聲音與畫面。

所有這些資料都會匯集到一個移動式技術中心，這個中心在每場比賽結束後就會拆解，運送到下一個賽場。Roberts 表示，這是“世界上同類型最大”、“最複雜的可運輸設施”，內部搭載 750 件設備，運行 40 套客製化軟體系統，這些系統架設在 Lenovo 伺服器上，提供 1.4 THz 的 CPU 運算力（分布於 512 核心）、8.2 TB RAM，以及 100 TB 全快閃儲存。

🌟資料成長的原因：觀眾群正在改變

F1 的資料成長看起來好像純粹是因為更多感測器和更高解析度攝影機所導致，這確實是重要因素，但另一個主要驅動力量是現在觀看比賽的“人”。

Chris Roberts 表示，F1 全球車迷基礎目前已達到 8 億 2 千 7 百萬人，年增率 12%，相較 2018 年成長 63%。但更值得注意的是人口結構變化：43% 的車迷年齡在 35 歲以下，42% 為女性，F1 目前在中國和印度🇮🇳擁有 3 億車迷，這對賽車運動而言是相對新興的市場。

Chris Roberts 指出，這些新興和年輕車迷不只想看靜態的轉播畫面，他們想要

☑️統計數據

☑️多角度鏡頭

☑️車手追蹤疊加

☑️策略分析

☑️社群短片

☑️幕後內容

☑️車載畫面…

以及能立刻 TikTok 看到 Max Verstappen 最新超車影片。

2025 年 F1 為社群頻道製作了超過 1 萬支影片，累計觀看次數超過 180 億次，而這個數字在 2026 年還在持續上升。

Chris Roberts 說：「從休閒車迷到真正狂熱的車迷，我們必須同時滿足所有人的需求。」

正是為了滿足廣大車迷的需求，F1 在本賽季開始時全面翻新了遙測處理流程，將處理工作從英國轉播中心移到現場進行，成功將資訊延遲降低 0.3 秒。

這聽起來好像不多，但在一個精準到萬分之一秒的運動裡，這已經是相當重要的進步了。當然，這可能還不足以幫助 Ferrari 做出正確的策略決策。

🌟AI 正式加入戰局

這些海量資料當然幫助 F1 車隊跑得更快，同時也正推動 F1 進入 AI 時代。

Chris Roberts 表示，他的團隊正在把 F1 的筆電換成支援 AI 的版本，並將原本在雲端執行的工作負載移到本地基礎設施和邊緣裝置上，這讓運算更接近、更快速，畢竟對移動式作業來說非常重要。

此外還帶來運營上的好處。Chris Roberts 描述了一個情境：運行在邊緣運算上的 AI 代理，能夠自主診斷並修復位於賽道遠端的網路節點，減少團隊成員必須跑過去或開車過去手動修復的需求。

Chris Roberts 說：「如果有 AI 代理能自主進行故障排除、了解為什麼斷線、執行一些動作然後重新連線…這對任何組織來說都是遊戲規則改變者。」

預測性維護則是另一個相對容易實現的應用。F1 正在使用 AI 來提前數個月預測賽道周圍 100 多台網路交換器中哪些可能即將發生的故障，團隊就能主動更換，降低賽車週末期間斷線和停機的風險。

遙測資料的統計分析也能幫助轉播團隊，他們正計劃使用像 Lenovo Mac Mini 尺寸的 PGX 裝置等小型本地 AI 設備，這些設備能本地運行開放原始碼的大型語言模型（LLM），包括使用客戶專有資料訓練的自訂模型，Milo Speranzo 表示。

不過 Chris Roberts 和 Milo Speranzo 都不認為 AI 會取代這項運動核心的人性元素，也就是駕駛與競賽。

Chris Roberts：「車手是人，如果一切都由 AI 控制，那不是有點無聊、有點乏味嗎？正是人性元素讓這項運動如此吸引人。」

🌟下一步：拍位元組級的賽車週末？

2026 賽季帶來了新規則、更永續燃料的新混合動力單元，以及 Audi 和 Cadillac 兩支新車隊，同時 Ford 也以 Red Bull 技術夥伴的身分重返 F1。

Chris Roberts 表示，隨著這些變化以及未來的更新，將會帶來越來越多的資料，他將自己的工作定位為打造讓 F1 能在「短短幾天內就能轉向 90 度」的基礎設施。

如果過去兩年的成長趨勢（從 500 TB 到 650 TB）可以作為參考，未來的賽車週末很可能會在短短三天內產生超過一拍位元組的資料。