Testing Race Cars Faster: How JOTA's Engineers Learned From Every Run with CoreWeave's AI-Powered Recommendation Tool
CoreWeave 发布博客称，其 Physical AI Field Engineers 帮助 Cadillac Hertz Team JOTA 在完整台架测试（rig-test）项目中寻找更好的赛车设定，实现更少的测试次数与更快的答案。
Development
- First ReportTesting Race Cars Faster: How JOTA's Engineers Learned From Every Run with CoreWeave's AI-Powered Recommendation ToolCoreWeave
- Current Assessment这是 CoreWeave 从算力供给向 Physical AI 应用层延伸的一个信号：以现场工程师加推荐工具的方式切入赛车工程这类高价值实验场景。单案例不足以证明该模式可复制，需观察是否出现跨行业客户与可量化收益。Agent Pulse · analysis
CoreWeave 官方博客于 2026 年 9 月 10 日发布案例文章《Testing Race Cars Faster: How JOTA's Engineers Learned From Every Run with CoreWeave's AI-Powered Recommendation Tool》。文中称 CoreWeave 的 Physical AI Field Engineers 协助 Cadillac Hertz Team JOTA 在整套台架测试项目中找到更好的赛车设定，结果是测试更少、答案更快。证据未披露具体模型、算法、数据规模、性能数字或商业条款。
从证据可推断，该工具属于面向物理实验的推荐/建议系统，输入是台架测试运行数据，输出是下一轮设定建议，从而减少试验次数。但证据未说明是贝叶斯优化、代理模型还是其他方法，也未给出收敛速度或精度指标，因此方法层面的判断需等待技术细节披露。
这是 CoreWeave 从算力供给向 Physical AI 应用层延伸的一个信号：以现场工程师加推荐工具的方式切入赛车工程这类高价值实验场景。单案例不足以证明该模式可复制，需观察是否出现跨行业客户与可量化收益。
若该模式成立，价值在于把昂贵的物理试验转化为数据驱动的迭代，缩短研发周期并降低试验成本；对 CoreWeave 而言则是算力之外的服务溢价来源。当前证据仅支持方向性判断，尚无收入或定价信息。
可验证的下一信号：CoreWeave 或 JOTA 是否公布测试次数下降比例、单圈或设定改进幅度，以及该工具是否被用于其他车队或非赛车工业实验场景。