A Fórmula 1 tem um nome perfeito - porque seu sucesso depende inteiramente de uma série de fórmulas e dos computadores que as resolvem.
Muitos esportes estão se tornando cada vez mais orientados por dados. Times de futebol fazem análises pós-jogo, dados de cada lance são coletados em Wimbledon, e os próprios estádios são equipados com sensores. A Fórmula 1 se diferencia ao ser orientada por dados em cada etapa do processo: na fábrica onde os carros são produzidos, antes da corrida e durante a volta na pista.
A Fórmula 1 nem sempre foi orientada por dados. O esporte existe desde 1950, quando a "fórmula" era simplesmente um conjunto de regras que os carros e pilotos tinham que seguir. Nos anos 1990, as equipes começaram a colocar sensores nos carros para coletar dados e aprimorar suas estratégias de corrida. Hoje, os carros podem ter até 400 sensores a bordo, coletando vastas quantidades de dados para análise.
Tão importante quanto a corrida ser um feito de habilidade atlética e concentração dos pilotos, também é um feito de engenharia, dinâmica de fluidos computacional, cálculos e pensamento científico. É uma demonstração do que podemos alcançar quando investimos quantias impressionantes de dinheiro em um objetivo definido.
No entanto, nos últimos anos, a Federação Internacional do Automóvel (FIA) introduziu novas regulamentações rapidamente, incluindo um limite de custos que limita a quantidade de dinheiro que as equipes podem gastar. Desde então, equipes extremamente bem financiadas tiveram que reduzir seus investimentos, e as escolhas de tecnologia da informação nunca foram tão importantes.
Introdução do Limite de Custos
Antes do limite de custos, as equipes de F1 eram limitadas apenas pela profundidade dos bolsos de seus proprietários, além de várias outras exigências rigorosas para os carros e instalações de testes.
Como resultado, a liderança permaneceu principalmente consistente ao longo dos anos, com Mercedes, Ferrari e Red Bull Racing disputando os três primeiros lugares. Em 2019, a Mercedes gastou $484 milhões, a Ferrari $463 milhões e a Red Bull Racing $445 milhões. A próxima equipe mais próxima foi a Renault, com $272 milhões.
O limite de custos limitou todas as equipes a $145 milhões para 2021, $140 milhões para 2022 e $135 milhões para 2023-2025, e se aplica a qualquer coisa que melhore o desempenho do carro - desde os salários dos engenheiros até os materiais utilizados, até a configuração de TI que alimenta as simulações e monitora os carros na pista.
Embora ainda seja uma quantia impressionante de dinheiro, isso efetivamente reduziu a concessão das principais equipes em dois terços e as forçou a reajustar seus orçamentos.
O limite de custos tem como objetivo nivelar o campo de jogo (ou suavizar a pista de corrida), mas até agora não teve esse efeito. Dominic Harlow, Chefe de Auditoria Técnica da FIA, concordou que essa era uma "observação válida", mas argumentou que o financiamento não está necessariamente em sintonia com o valor da expertise. "Na verdade, a engenharia do carro de Fórmula 1 é um processo. É algo que é construído ao longo do tempo em todos os aspectos, seja nos carros, nas equipes ou no conhecimento. Não segue necessariamente que, se você alterar a quantidade de gastos em uma área, o desempenho será impactado imediatamente", explicou Harlow.
Em outras palavras, levará tempo para que os resultados sejam refletidos no placar.
Embora as limitações financeiras reduzam obviamente o poder computacional que as empresas de Fórmula 1 podem investir, também vimos que as equipes que violam os limites de gastos pagam um custo em termos de tecnologia.
Em 2021, a nova equipe líder e inimiga universal, Red Bull Racing, violou seu limite de gastos em 1,6 por cento. No final, foi multada em $7 milhões e teve sua permissão de testes aerodinâmicos reduzida em 10 por cento, uma perda significativa para o elemento mais intensivo em computação do esporte.
Os testes aerodinâmicos e as simulações de CFD (dinâmica de fluidos computacional) são considerados tão valiosos no esporte que há deduções para as equipes com base em sua classificação no placar final. O primeiro lugar tem permissão para 1.400 simulações durante seu período de testes de oito semanas, enquanto o décimo lugar tem 2.300.
Para a Red Bull, que em 2021 terminou em 2º lugar na classificação dos construtores, o corte de 10 por cento fez com que suas simulações caíssem de 1.500 para 1.350. Ainda é uma quantidade significativa de testes, mas drasticamente menor do que algumas outras equipes. Independentemente disso, a Red Bull ainda conseguiu conquistar o título em 2022 e continua confortavelmente no topo da classificação para 2023 até agora, com mais que o dobro da quantidade de pontos à frente da Mercedes em segundo lugar.
Em casa e fora
A tecnologia da informação é essencial em todas as etapas do processo de corrida. Para a McLaren Racing, isso é dividido em três etapas: projeto, construção e corrida.
A equipe começa a projetar seus novos carros um ano antes do início da temporada - e, dada a extensa temporada, isso significa que os novos projetos estão sendo trabalhados quando o carro atual acaba de entrar na pista.
"Um pequeno grupo de pessoas começará a olhar para o carro do próximo ano", disse Ed Green, chefe comercial de tecnologia da McLaren Racing. "Muitos de nossos trabalhos são feitos dentro do projeto assistido por computador (CAD). Nossos engenheiros projetarão peças para os novos carros, e o projeto passará por um túnel de vento virtual baseado em dinâmica de fluidos computacional (CFD)."
De acordo com Green, esse processo por si só gera mais de 99 petabytes de dados, todos processados localmente devido a regulamentos relacionados ao CFD.
A quantidade de tempo que as simulações no túnel de vento podem ser usadas também é limitada pela FIA, o que significa que a precisão e eficiência dos computadores da equipe são uma vantagem fundamental.
A partir deste ponto, as peças testadas digitalmente serão impressas em 3D em pequena escala e testadas em um túnel de vento físico, onde o desempenho é monitorado por sensores e os dados sobre geometrias e pressões de ar são medidos. Desde que esses resultados sejam consistentes com as descobertas da CFD, a fabricação começa.
A McLaren utiliza uma abordagem híbrida para sua TI, parte da qual é processada na Google Cloud, mas, segundo Green, a equipe prefere a computação local, em parte devido à latência reduzida.
“Temos cerca de 300 sensores no carro, e ao longo de um fim de semana de corrida, onde estamos dirigindo por cerca de cinco horas, isso gerará um terabyte e meio de dados. Analisamos isso na pista, mas também estamos conectados o tempo todo à sede (ou o que chamamos de 'controle de missão').”
Esses sensores estão coletando dados sobre cada elemento que pode afetar o resultado da corrida - desde a pressão dos pneus, telemetria da corrida, velocidade, localização na pista, disponibilidade e fluxo de combustível, velocidade do vento, calor e muito mais.
“Há um ambiente estilo NASA onde a equipe de volta para casa também analisará os dados e apoiará na tomada de decisões para o piloto”, explicou Green. Com grande parte da infraestrutura no local, e o valor que ela tem para o desempenho das equipes de corrida, Green não estava disposto a compartilhar mais informações sobre a capacidade de computação da McLaren, além de dizer que a equipe possui cerca de 54 terabytes de memória.
Computação na pista
Para a equipe analisar e processar os dados da corrida na pista, um data center portátil deve ser transportado ao lado dos carros para cada corrida.
“Temos um data center portátil que são dois racks dentro de um estojo de voo montado em choque, e é uma das únicas coisas que viajam junto com nossos carros de avião - tudo o mais é feito por frete marítimo”, disse Green.
Esses data centers portáteis precisam ser extremamente flexíveis, pois enfrentam ambientes muito diferentes de semana a semana. Pode ser o clima normalmente ameno de Silverstone, no Reino Unido, a sala de vapor a 40°C de Singapura ou uma pista anormalmente empoeirada na Índia, e a McLaren precisa montar seu data center 23 vezes ao longo de uma temporada.
Green lembra de um de seus primeiros fins de semana de corrida, quando entrou no data center e encontrou um colega aspirando os servidores.
Na pista, a McLaren está usando servidores e armazenamento da Dell, com equipamentos de comutação da Cisco. No total, a equipe carrega cerca de 140 terabytes de armazenamento de estado sólido para cada corrida para análises no local, que também são transmitidas para as fábricas. Se a conexão com o “controle de missão” falhar, a computação no Edge pode fazer ou quebrar o desempenho.
Os dados da Aston Martin mudaram o placar
Uma das mudanças mais notáveis nas últimas temporadas da Fórmula 1 é a ascensão repentina e drástica da equipe da Aston Martin.
Tanto em 2021 quanto em 2022, os pilotos da Aston Martin terminaram em 7º lugar no placar, com várias corridas os colocando em 10º lugar ou abaixo (chegando até mesmo ao 20º lugar em uma ocasião em 2021). Mas este ano foi um verdadeiro retorno - liderado pelo veterano piloto e bicampeão mundial Fernando Alonso, que subiu ao pódio seis vezes este ano, levando a equipe a um 3º lugar geral - e quem não gosta de um azarão?
A mudança começou em 2020, quando o empresário canadense Lawrence Stroll assumiu a propriedade da equipe de corrida da Aston Martin. Em 2021, a equipe de corrida fez parceria com a NetApp, e em 2022 contratou um novo CIO, Clare Lansley, que anteriormente era diretora de transformação digital na Jaguar Land Rover.
“Quando entrei na equipe, ficou muito claro que a TI havia sido um tanto subinvestida, dada a herança da equipe”, disse Lansley. “Desde que Stroll comprou e obviamente fez um investimento sério, agora estamos em posição de transformar a TI, e o primeiro passo foi garantir que a infraestrutura fosse eficiente, confiável e segura. Portanto, o conceito de implementar uma estrutura de dados foi absolutamente fundamental.”
Mas, embora esse novo investimento tenha trazido novas oportunidades, a equipe ainda tinha que permanecer dentro dos limites do orçamento do esporte. O custo do frete é de cerca de $500 por quilo transportado, e dada a viagem quase semanal envolvida, isso aumenta rapidamente. De acordo com Lansley, foi parcialmente isso que selou o acordo com a NetApp.
Aonde quer que os carros e os pilotos vão, um NetApp FlexPod os segue.
"Para esses dispositivos, o fato de que eles iriam reduzir o peso do frete e a pegada real, que eles eram apenas menores que o equipamento anterior, foi um grande impulso. Mas eles também eram mais simples de configurar. Quando chegamos à pista, minha equipe recebe uma estrutura de concreto completamente vazia, então eu não quero executar inúmeros cabos. Eu quero algo que possa ser efetivamente conectado e utilizado com rapidez", explicou Lansley.
A solução FlexPod reduziu a computação na pista da Aston Martin de vários racks e 10 a 15 peças individuais de equipamento para apenas um par de servidores. Um servidor para processamento e armazenamento, e outro para fins de redundância.
Durante a corrida, sensores dos carros transmitem dados para o FlexPod via radiofrequência. Isso então utiliza o SnapMirror para fazer instantâneos dos dados, salvando apenas as diferenças entre cada instantâneo, que são então transmitidas para o FlexPod na fábrica de Silverstone, onde os cerca de 50 engenheiros começam a testar e simular diferentes opções para o restante da corrida.
Quando esses dados chegam ao controle de missão, as simulações, CFD em tempo real e testes começam. Mas uma limitação notável imposta a esse processo pela FIA é que "a parte ou partes do solver de todos os rCFDs devem ser realizadas apenas usando um recurso de computação que contenha um conjunto de unidades de processamento homogêneas", e essas unidades de processamento homogêneas devem ser núcleos de CPU.
GPUs versus CPUs
Dominic Harlow, da FIA, explicou a decisão da FIA de permitir apenas CFD baseado em CPU.
"A decisão de usar CPUs foi baseada nas discussões que tivemos há algum tempo com as equipes, especialistas independentes da indústria e nossos próprios especialistas sobre como quantificar a quantidade de computação usada para uma simulação de CFD. Chegamos a uma métrica que é efetivamente baseada em horas de núcleo", disse Harlow.
"Para GPUs, particularmente, obviamente há um número enorme de núcleos potencialmente e é bastante difícil definir um núcleo, assim como para Arrays de Portas Programáveis em Campo (FPGAs) ou outros tipos de processadores que você pode usar para CFD.
"CPUs são de longe os mais comuns e foi a implementação mais prática para regulamentar."
Embora você possa ter CPUs trabalhando em conjunto, a natureza do CFD, assim como a IA, torna-o muito complementar ao processamento baseado em GPU. Para entender isso, precisamos aprofundar os casos de uso específicos de CPUs e GPUs. CPUs são projetadas para paralelismo de tarefas, enquanto uma GPU é projetada para paralelismo de dados e para aplicar o mesmo conjunto de instruções a vários itens de dados.
É por isso que as GPUs são essenciais para jogos de vídeo - onde o conjunto de instruções é o mesmo para o modelo de personagem, os elementos do mundo virtual e todos os ativos que o jogador verá na tela.
Esse paralelismo de dados também é o motivo pelo qual as GPUs são ótimas para modelos de inteligência artificial - afinal, o mesmo conjunto de instruções é aplicado a conjuntos de dados enormes.
O CFD envolve a divisão de dados em blocos pequenos. No caso de uma simulação de carro de F1, o ar ao redor do carro, o solo abaixo e o próprio carro são convertidos em pequenos polígonos, e cada um deles precisa ser processado em paralelo.
Em um artigo apresentado na Conferência Internacional de Ciência da Computação de 2017 em Zurique, Suíça, os pesquisadores descobriram que as GPUs poderiam acelerar uma simulação 2D usando algoritmos HSMAC e SIMPLE em 58 vezes e 21 vezes, respectivamente, com precisão dupla, e 78× e 32× com precisão simples, em comparação com a versão sequencial da CPU.
Harlow concordou que, à medida que as GPUs estão melhorando constantemente, a proibição anti-GPU poderia mudar no futuro.
"Para onde a indústria está indo agora, obviamente precisamos observar com muito cuidado, porque parece que as GPUs estão alcançando um maior nível de maturidade, especialmente para as aplicações, e não apenas como aceleradores, mas na verdade como o principal processador para a simulação. Portanto, fique de olho."
É também essa necessidade de homogeneização que impede algumas equipes de F1 de processar na nuvem, devido à dificuldade de quantificar as horas de núcleo usadas e aos rigorosos requisitos de relatórios impostos a eles.
Correndo para a nuvem
No entanto, isso não impediu que algumas equipes de Fórmula 1 dependessem bastante da computação em nuvem. A Oracle Cloud Infrastructure (OCI) se tornou a patrocinadora principal da Red Bull Racing como parte de um acordo de $500 milhões em 2022, e a equipe líder nas paradas declarou publicamente que usa a Oracle para executar simulações de Monte Carlo como parte de sua preparação para a corrida.
No final de 2022, o vencedor e piloto da Oracle Red Bull Racing, Max Verstappen, disse: “Devido a todas as simulações antes mesmo de a corrida começar, é muito fácil adotar uma estratégia diferente durante a corrida, porque tudo está lá, tudo está preparado. Acho que definitivamente tivemos uma vantagem estratégica sobre outras equipes.”
As simulações de Monte Carlo usam algoritmos de computador dependentes de amostragem aleatória repetida. Ao explorar uma ampla variedade de possibilidades, essa aleatoriedade pode ser usada para resolver problemas determinísticos. Para a Red Bull, isso significa aplicar uma variedade de variáveis de superfície, velocidades de vento e clima, possíveis problemas ou escolhas do carro - qualquer fator que possa impactar o resultado de uma corrida - e testá-los todos.
Isso foi feito com a computação em nuvem - a equipe usou o Oracle Container Engine for Kubernetes para containerizar essas aplicações de simulação e, em seguida, executar esses modelos usando CPUs de alto desempenho baseados em Arm Ampere na OCI.
"Os primeiros fluxos de trabalho que movemos para a OCI foram nossas simulações de Monte Carlo para estratégia de corrida", disse Matt Cadieux, CIO da Red Bull Racing, na Oracle CloudWorld em Londres. "A razão pela qual essa é nossa estratégia de corrida é crucial para a missão. Tem uma grande influência em nossos resultados de corrida. Estávamos rodando em um cluster obsoleto local, e nossos modelos estavam crescendo, então precisávamos de mais capacidade de computação, e também precisávamos fazer algo que fosse muito acessível na era dos limites de custos."
Neste caso, a flexibilidade da computação em nuvem e a capacidade da Red Bull de iniciar CPUs por curtos períodos de tempo para realizar essas simulações podem tê-los levado ao título.
Independentemente de as equipes adotarem uma abordagem local ou voltada para a nuvem, o limite de custos tem se mostrado um obstáculo que forçou a inovação em todas as frentes. Com um esporte tão dependente de inovação tecnológica, habilidades científicas e pensamento fora da caixa, há um argumento de que essa limitação só serve para fortalecer o esporte.
Forçar as equipes a encontrar métodos mais financeiramente sustentáveis para alcançar isso não apenas fortalecerá a competição a longo prazo, mas também poderia mudar a maneira como a indústria e outros abordam questões tecnológicas em ambientes e situações restritos.
Mais sobre Canal Edge & Networks
-
-
-
Discussion Brunch Briefing - TI Descentralizada