FIA fecha parceria com AWS e coloca IA no centro das regras da F1
Acordo faz da Amazon Web Services a parceira oficial de IA e nuvem da federação, com simulações aerodinâmicas mais rápidas e IA usada até na checagem do próprio regulamento

Foto: The Race / Foto original da matéria-fonte
A FIA assinou uma parceria global com a Amazon Web Services (AWS) que coloca a inteligência artificial no centro da maneira como a entidade escreve seus regulamentos — incluindo os da Fórmula 1. Pelo acordo, a AWS passa a ser a parceira oficial da federação em inteligência artificial, aprendizado de máquina, computação em nuvem e infraestrutura de nuvem, com aplicação em todo o universo do automobilismo. O uso mais visível está na elaboração das regras técnicas da próxima geração de carros: as simulações aerodinâmicas da FIA, que já rodam na computação de alto desempenho da AWS, ganham camadas de IA para acelerar e refinar o trabalho.
O coração desse processo é o túnel de vento virtual da federação. Peças do carro são desenhadas em 3D e montadas em modelos digitais; o ar ao redor do carro é dividido em milhões de células minúsculas, para que as equações sejam resolvidas célula por célula, e o pós-processamento transforma os números brutos em mapas de pressão, visualizações de fluxo e forças que os engenheiros analisam. Com a AWS no centro do CFD, a FIA espera simulações mais rápidas e de maior fidelidade em hardware mais novo, o que permite criar carros-conceito capazes de medir coisas como a perda de downforce ao seguir outro carro — e verificar se determinado conjunto de regras produz, de fato, a corrida que a entidade deseja.
A base segue sendo tradicional: o processo roda em OpenFOAM, pacote de software aberto, com ferramentas de pós-processamento. O ganho vem por cima dessa estrutura. ‘Podemos usar modelos substitutos treinados com nossos dados de CFD para encurtar as simulações’, explicou Dominic Harlow, diretor técnico adjunto da FIA para a F1, referindo-se a sistemas de IA alimentados com centenas de resultados anteriores, que aprendem a relação entre forma e resultado e preveem o desempenho de uma nova geometria em segundos ou minutos, sem resolver a física do zero. Uma rodada completa de CFD leva horas; a versão acelerada permite testar muito mais variações de uma regra em rascunho, como formatos de asa e geometrias de assoalho, com menos tempo de computação, menos tempo de engenharia, menos consumo de energia e menos custo.
Os benefícios não ficam restritos à aerodinâmica. O departamento de performance da FIA usa ferramentas de visão computacional e painéis que concentram métricas de segurança, gestão de energia e checagens de legalidade, além de monitoramento de tendências e identificação de padrões no volume de dados recebido. No grupo de unidades de potência, a aplicação é a detecção de anomalias: redes neurais aprendem como são as curvas normais de determinado parâmetro e sinalizam qualquer desvio — o exemplo citado é a queda de pressão de óleo. A ideia é transformar a criação de regras de um exercício pontual em um ciclo contínuo, que aprende como cada regulamento funciona na prática. O acordo também prevê suporte aos sistemas de licenciamento da federação em escala global e maior integração interna das operações.
Há limites claros nessa conta. Redes neurais podem ser caixas-pretas, com processos de decisão difíceis ou impossíveis de rastrear, e a FIA precisa entender por que uma ferramenta sinalizou algo. A IA generativa ainda não será usada para propor ideias de projeto: a prioridade é acelerar o trabalho humano, não substituí-lo. A ’engenharia de prompts’ aplicada a um carro é vista como possibilidade futura, dependente de muito treinamento, computação e dinheiro. No curto prazo, o avanço vem do hardware: o CFD tradicional rodava em CPUs e vem sendo reescrito para GPUs, várias vezes mais rápidas em grandes volumes de cálculos simples — terreno em que tanto a simulação quanto a IA se dão bem. Harlow lembra o caso do porpoising, efeito que pegou equipes e entidade de surpresa no início da era de efeito solo, como exemplo do tipo de fenômeno que ferramentas melhores podem antecipar. Enquanto isso, conceitos aerodinâmicos para carros futuros, com possível introdução por volta de 2030, já começaram a ser estudados com base nos aprendizados das regras de 2026.