近年來，賽車已經不只是展現精密工程的舞台。威廉姆斯（Williams）首席執行官詹姆斯·沃夫斯（James Vowles）指出，隨著現代一級方程式（Formula One）賽季的賽事數量增加至24場，並且競爭的開支受到限制，即使是微小的失誤也可能導致失去冠軍。因此，各隊更加依賴數位工具來降低錯誤的風險。車輛設計在上傳至模擬程序之前，會先進行深入的虛擬討論，並利用軟件模擬周圍的氣流。同時，其他軟件系統亦會針對每個零件在不同氣候條件下進行壓力測試，以確保設計能在整個賽季內長期耐用。
麥克拉倫（McLaren）業務科技總監丹·基沃斯（Dan Keyworth）表示，當設計確認有效後，會建立60%的模型並放入風洞進行測試，這些原型車裝配有數百個傳感器，讓軟件工程師能在不同情境中模擬車輛性能。
與一輛完整的賽車不同，無法實際四處運送測試的”數位雙胞胎”（digital twins）使各隊能夠模擬真實賽車需要在各種環境下運行的情況，並可相應調整每位駕駛的車輛設定。紅牛（Red Bull）車手馬克斯·維斯塔潘（Max Verstappen）提到，賽車前有很多資料分析和模擬工作，力求在賽道上表現出最佳的性能。
使用數位雙胞胎，團隊能夠針對不同賽道制定策略。設計給英國銀石賽道（Silverstone）的快速賽車，可能在摩納哥（Monaco）這樣的賽道上缺乏足夠的抓地力和下壓力，駕駛者需要使用賽道的完整寬度。隨著24場比賽排期緊湊，工程師需及時預測賽道表現，以便作出必要調整。
此外，數位雙胞胎還能即時調整策略。每隊在比賽日可派遣最多60名工作人員到賽道，並與總部的分析師保持聯絡。紅牛表現工程負責人本·沃特豪斯（Ben Waterhouse）表示，賽道的數據能即時反映回總部運行控制室，讓所有分析師能隨時提供建議，這些建議能迅速落實到賽車上。
隨著數據精確度提高，各隊從傳統的秒表和手持電腦溫度計轉變為每秒可生成1.1百萬數據點的車內傳感器，使得AI人工智能與機器學習的重要性更加突出。沃夫斯表示，AI能比人類更快速地作出反應，但在某些情況下，仍需人類的判斷，特別是在發生事故的狀況下。
在成本上限限制預算至每年1.35億美元的情況下，自動化重複性任務對於提高各隊資源使用效率至關重要。工程師已經將預測庫存成本和組織運輸的任務交給機器，分析師也在利用模式識別算法判定其他車隊在比賽期間可能進站的時機。
隨著技術的進步，越來越多的科技公司希望與賽車隊合作，最近兩年就有多項新的贊助協議達成。這些科技公司，如雲計算巨頭甲骨文（Oracle），不僅支付約3億美元成為紅牛隊的冠名贊助商，還提供雲基礎設施和AI專業技術。谷歌（Google）與麥克拉倫的合作 igualmente 基於相似原則，提供技術和專業知識，作為利用全球平台進行測試的回報。
這不僅是F1的新時代，更是整個運動的轉型。現今最卓越的競爭者已不再是最佳運動員或策略師，而是最具創新能力的團隊。
