如果給你一輛完全陌生的賽車，只有幾個小時熟悉，然后就要和世界冠軍同場競技——你覺得勝率有多少？

United Autosports車隊負(fù)責(zé)人理查德·迪恩（Richard Dean）最近聊起了2018年戴通納24小時耐力賽的一段往事。當(dāng)時18歲的蘭多·諾里斯（Lando Norris）被臨時拉進車隊，駕駛LMP2組別的賽車。問題是：他幾乎沒碰過這臺車。

「他坐進座艙，跑了幾圈，然后就說'我準(zhǔn)備好了'」

迪恩的原話更夸張：諾里斯只做了極短時間的測試，就直接上場。結(jié)果他圈速追平了兩位F1世界冠軍——費爾南多·阿隆索（Fernando Alonso）和簡森·巴頓（Jenson Button）。

這事的離譜之處在于：LMP2和諾里斯熟悉的F3完全是兩種生物。更高的下壓力、不同的輪胎特性、更復(fù)雜的能量管理，還有夜戰(zhàn)和交通狀況。按常理，適應(yīng)周期應(yīng)該以周計算。

拆解這張圖：天賦的「遷移能力」

迪恩透露的關(guān)鍵細(xì)節(jié)是諾里斯的適應(yīng)路徑——他沒有試圖「學(xué)會開這輛車」，而是快速抽象出核心變量：剎車點、輪胎窗口、燃油策略的博弈空間。本質(zhì)上是用F3積累的「元技能」壓縮學(xué)習(xí)曲線。

這解釋了為什么有些車手換車隊后斷崖下跌，而諾里斯從邁凱倫 junior 到 F1 正賽始終穩(wěn)定。快速建模能力比單一賽道經(jīng)驗值錢得多。

車隊視角：為什么敢賭這個18歲小孩？

迪恩的團隊當(dāng)時面臨一個計算：諾里斯的模擬器數(shù)據(jù)+短期測試，能否覆蓋經(jīng)驗缺口？他們賭的是「認(rèn)知帶寬」而非「里程數(shù)」。結(jié)果證明，高采樣效率可以替代低效的重復(fù)訓(xùn)練。

這套邏輯現(xiàn)在被更多車隊復(fù)制。紅牛青訓(xùn)、法拉利車手學(xué)院都在壓縮實體測試，轉(zhuǎn)向模擬器+大數(shù)據(jù)篩選。諾里斯2018年的戴通納實驗，某種程度上成了行業(yè)方法論的原型。

下次看到某個新人「即插即用」，別只夸天賦。背后是一套關(guān)于學(xué)習(xí)效率的精密計算——而諾里斯早在18歲就幫行業(yè)驗證過了。