受疫情所累，F1 今賽季已取消多場賽事，7 月第一個周末的奧地利 GP 變成揭幕戰。 F1 賽會在此期間開發更多由人工智能分析實時賽車數據，給電視觀眾了解賽場上的戰況。初步計畫在今賽季新增 6 項數據，「車輛性能得分」將在揭幕戰登場。這些數據由 F1 與 AWS 共同開發的 F1 Insights 數據進一步分析而來。
車輛性能得分（ Car Performance Score ）讓觀眾比較各戰車的情況，通過四個指標：低速過彎、高速過彎、直線行駛和車輛操控，提供賽車總體性能的完整細分。若以圖像解讀不同車輛指標的比較，有助衡量車輛不同方面的性能，並查看每個車隊和車手的領先優勢或導致落敗的因素。
其餘五項實時數據，將陸續在今賽季推出：
- 終極車手速度比較：將場上的車手與 1983 年至今的所有車手作比較，判斷 F1 史上最快車手。
- 高速或低速過彎性能：比較各車手以超過 175km/h 的速度駛過最快彎道的表現，以及以低於 125km/h 的速度低速過彎的表現。
- 車手技能評分：根據排位賽表現、起跑、比賽節奏、輪胎管理和超車/防守風格等不同因素計算評分。
- 車輛/車隊發展與賽季整體表現：基於車隊本賽季各場比賽的累積表現，發掘每支車隊的發展 情況。
- 排位和比賽節奏預測：從練習賽和排位賽圈數中收集數據，在每場比賽前預測最有可能獲勝 的車隊。
這些數據將以圖像形式在電視直播上給觀眾展示。數據基於 F1 Insights 的駛出速度、預計進站維修策略、維修時間、對決結果預測、進站策略對決和輪胎性能，作出進一步分析。
數據處理和分析由 AWS 基建支援，例如將近 70 年的比賽數據、車上和賽道感應器收集的實時數據，儲存在 S3。F1 工程師通過機械學習模型管理服務 SageMaker，把數據套用至模型。繼而利用無伺服器運算服務 Lambda計算 ML 模型。
