Mercado de aprendizaje profundo: crecimiento, tendencias, pronósticos (2022 - 2027)

El mercado de aprendizaje profundo está segmentado por tipo de oferta (hardware, software y servicios), industria de usuario final (BFSI, venta minorista, fabricación, atención médica, automotriz, telecomunicaciones y medios), aplicación (reconocimiento de imágenes, reconocimiento de señales, procesamiento de datos), y Geografía.

Instantánea del mercado

deep learning market
Study Period: 2020-2025
Base Year: 2021
Fastest Growing Market: Asia Pacific
Largest Market: North America
CAGR: 42.56 %

Need a report that reflects how COVID-19 has impacted this market and its growth?

Visión general del mercado

Se espera que el mercado de aprendizaje profundo registre una CAGR del 42,56 % durante el período de pronóstico de 2020 a 2025. El aprendizaje profundo, un subcampo del aprendizaje automático (ML), ha dado lugar a avances en varias tareas de inteligencia artificial, incluido el reconocimiento de voz y el reconocimiento de imágenes. . Además, la capacidad de automatizar el análisis predictivo está generando entusiasmo por el aprendizaje automático. Factores como el soporte mejorado en el desarrollo y la mejora de productos, la optimización de procesos y los flujos de trabajo funcionales, y la optimización de ventas, entre otros, han llevado a las empresas de todas las industrias a invertir en aplicaciones de aprendizaje profundo. Además, los últimos enfoques de aprendizaje automático han mejorado significativamente la precisión de los modelos y se han desarrollado nuevas clases de redes neuronales para aplicaciones, como clasificación de imágenes y traducción de texto.

  • Por ejemplo, considere la nueva versión de PyTorch, el marco de aprendizaje automático de código abierto de Facebook. Lanzado en octubre de 2019, el nuevo marco, PyTorch 1.3, incluye algunos proyectos impresionantes de código abierto para investigadores y desarrolladores de aprendizaje profundo. Las otras características nuevas incluyen soporte experimental para la implementación de dispositivos móviles, cuantización de modo ansioso en enteros de 8 bits y la capacidad de nombrar tensores. Uno de los desarrollos destacados es CRYPTEN, una nueva plataforma de investigación basada en la comunidad diseñada para abordar un factor significativo que desafía a los usuarios a implementar plataformas de aprendizaje profundo y aprendizaje automático, es decir, la seguridad.
  • Varios desarrollos ahora están avanzando en el aprendizaje profundo. Según SAS, las mejoras en los algoritmos han impulsado el rendimiento de los métodos de aprendizaje profundo. La creciente cantidad de volúmenes de datos ha apoyado la creación de redes neuronales con varias capas profundas, incluida la transmisión de datos desde Internet de las cosas (IoT) y datos textuales de las redes sociales y notas médicas. Una cantidad significativa de poder computacional es esencial para resolver problemas de aprendizaje profundo, considerando la naturaleza iterativa de los algoritmos de aprendizaje profundo: su complejidad aumenta a medida que aumenta la cantidad de capas. El hardware que ejecuta algoritmos de aprendizaje profundo también debe admitir los grandes volúmenes de datos necesarios para entrenar las redes.
  • Los avances computacionales de las unidades de procesamiento gráfico (GPU) y la computación en la nube distribuida han puesto a disposición de los usuarios una potencia informática increíble. Este desarrollo está liderado por proveedores de hardware, como NVIDIA, Intel y AMD, entre otros, que han ido mejorando las velocidades computacionales entre otras características y haciéndolas compatibles con las plataformas de código abierto más utilizadas, como Tensorflow, Cognitive Toolkit ( Microsoft), Chainer, Caffe y PyTorch, entre otros. Por lo tanto, las 'capacidades de aprendizaje profundo de fuente abierta' se han vuelto cada vez más populares entre las empresas. Estos marcos de código abierto permiten a los usuarios crear modelos de aprendizaje automático de manera eficiente y rápida.
  • En mayo de 2020, NEUCHIPS Corp., una empresa informática de inteligencia artificial que se dedica a soluciones aceleradoras específicas de dominio, lanzó el primer motor de recomendaciones de aprendizaje profundo del mundo, RecAccelTM, que puede realizar 500 000 inferencias por segundo. Al ejecutar PyTorch DLRM de código abierto, RecAccelTM supera la GPU de inferencia y la CPU de clase servidor en 65X y 28X, respectivamente. Está equipado con una memoria de alto ancho de banda y un subsistema de capacidad ultra alta para la búsqueda de tablas incrustadas y un FPGA de cómputo paralelo masivo para la inferencia de redes neuronales. RecAccelTM está listo para la adaptación del centro de datos a través de una interfaz de host PCIe Gen3, 
  • En julio de 2020, Tencent AI Lab y un grupo de científicos de salud pública chinos dieron a conocer un modelo basado en el aprendizaje profundo que podría predecir el riesgo de que los pacientes con COVID-19 desarrollen la enfermedad crítica. El procedimiento fue publicado en Nature Communications. Revisó el método en el que el laboratorio utilizó el modelo basado en una cohorte de 1590 pacientes de 575 centros médicos en China, con una validación adicional de 1393 pacientes. Otros gigantes tecnológicos han emprendido proyectos similares para contener el virus mortal. Utilizando el aprendizaje profundo, Alibaba creó una herramienta para que las instituciones predijeran la propagación de COVID-19, con una tasa de precisión de casi el 90 %. El análisis estructural viral se realiza mediante el algoritmo de código abierto de Baidu, que afirma que el proceso es 120 veces más rápido que el método tradicional. 

Scope of the report

The study covers the revenues from hardware, software, and services, driven by deep learning. The hardware segment includes the demand study for central processing units (CPUs), field-programmable gate arrays (FPGAs), application-specific integrated circuits (ASICs), graphics processing units (GPUs), networking products, and data storage devices. Cloud-based platforms for deep learning applications, such as image recognition, signal recognition, and data processing, are also covered in the study. Other Applications will include Natural Language Processing, Speech Recognition, Product Recommendations, and Predictive Maintenance.

Offering
Hardware
Software and Services
End-User Industry
BFSI
Retail
Manufacturing
Healthcare
Automotive
Telecom and Media
Other End-user Industries
Application
Image Recognition
Signal Recognition
Data Processing
Other Applications
Geography
North America
Europe
Asia Pacific
Rest of the World

Report scope can be customized per your requirements. Click here.

Tendencias clave del mercado

Se espera que el comercio minorista tenga una participación significativa

  • La industria minorista ha visto un cambio drástico en su base de operaciones en los últimos tiempos, con muchas marcas notables que eligieron reducir la cantidad de ofertas en el sitio a favor del servicio en línea. Para que los minoristas sigan siendo viables, deben cumplir con las expectativas de los clientes, actuar en consecuencia o arriesgarse a perder la lealtad. También se está volviendo vital para los minoristas adoptar tecnologías florecientes para hacer esto realidad. El aprendizaje profundo permite a los minoristas automatizar la experiencia del cliente y agilizar los procesos de una forma hasta ahora desconocida. Por ejemplo, el análisis de estantes en escenarios en línea puede ayudar con recomendaciones útiles de mercadería y clasificación rápida, lo que permite a los clientes tomar decisiones correctas, con más soporte y más rápido.
  • Los minoristas en línea como Walmart están comenzando a usar IA para obtener recomendaciones de productos de los clientes, pero apenas están utilizando todo el potencial que la tecnología puede ofrecer. Al utilizar el aprendizaje profundo, los minoristas pueden realmente aprovechar el poder de la IA para optimizar las experiencias de los usuarios y automatizar las tareas que consumen mucho tiempo. Por ejemplo, los minoristas en línea pueden usar Deep Learning para etiquetar automáticamente datos visuales para mejorar muchas facetas de la experiencia del usuario. Pueden usar IA para refinar la búsqueda y obtener mejores resultados para las consultas de búsqueda o mejorar la calidad de las imágenes del producto, especialmente las fotos de productos de baja calidad mediante la mejora del color. En el futuro, los minoristas pueden recopilar datos rápidamente y analizar la información automáticamente utilizando la tecnología de aprendizaje profundo.
  • Un estudio de Snowflake Computing Harvard Business Review señala que los minoristas que optan por tomar decisiones basadas en datos han sobrevivido más tiempo. Sin duda, el comercio minorista se está volviendo extremadamente orientado a los datos. Según el mismo estudio, el 89% de los minoristas consideran que obtener una mejor comprensión de las expectativas de los clientes es un objetivo importante. Los modelos que utiliza el aprendizaje profundo en el comercio minorista son lo suficientemente sofisticados y avanzados para manejar los desafíos en los que fallan los modelos de aprendizaje automático. Por ejemplo, el aprendizaje profundo en modelos de aplicaciones minoristas es lo suficientemente inteligente como para comprender que el lanzamiento de teléfonos inteligentes con pantallas más grandes puede consumir las ventas de las tabletas. En el caso de que falten datos, el aprendizaje profundo en el comercio minorista podría aprender de los patrones si un artículo no se vende o está agotado.
  • En enero de 2020, Johnson Controls anunció que su cartera de soluciones minoristas, Sensormatic Solutions e Intel Corporation, colaboraron para ofrecer soluciones escalables basadas en inteligencia artificial para minoristas. En el futuro, la cartera de IA de Sensormatic Solutions en el perímetro se basará en plataformas Intel. Sensormatic Solutions también aprovechará la distribución de Intel del kit de herramientas OpenVINO y los modelos de Intel para ofrecer sus soluciones. AI Vision Intelligence mostrará el comportamiento específico de la unidad para mejorar las operaciones de la tienda y la experiencia del comprador. Abarca procesamiento de imágenes, modelos de aprendizaje profundo y la cámara AI desarrollada con Intel para evaluar la capacidad de respuesta de los asociados a los clientes y medir el método en el que los clientes interactúan con la mercancía y más.
deep learning market

Se espera que América del Norte tenga una participación importante

  • Se espera que América del Norte tenga una participación significativa en el mercado global de aprendizaje profundo, debido al aumento sostenido en el volumen de datos considerable, junto con el aumento anticipado en la demanda de integración de DL en soluciones centradas en el consumidor de las empresas. El creciente énfasis en predecir las tendencias clave y los conocimientos relacionados con el comportamiento y las operaciones de los clientes ha sido un factor fundamental para que las empresas importantes se desvíen hacia el uso de IA y big data para generar valor y ofrecer una experiencia personalizada. Por ejemplo, Netflix creó una plataforma de aprendizaje automático basada en lenguajes JVM, como Scala. La plataforma ayuda a romper las nociones preconcebidas de los espectadores y a encontrar programas que quizás no hayan elegido inicialmente.
  • En abril de 2020, el Departamento de Energía de los Estados Unidos (DOE) anunció un plan para proporcionar hasta USD 30 millones para investigación avanzada en aprendizaje automático (ML) e inteligencia artificial (IA) tanto para la gestión de sistemas complejos como para la investigación científica. La iniciativa abarca dos áreas temáticas separadas. Un tema se centra en el desarrollo de ML y AI para el modelado y la simulación predictivos centrados en la investigación en las ciencias físicas. Se cree que ML y AI ofrecen nuevas alternativas prometedoras a los métodos de programación tradicionales para el modelado y la simulación por computadora. Un segundo tema se centra en la investigación esencial de ML e IA para el "soporte de decisiones" en la gestión de sistemas complejos.
  • El Departamento de Transporte de los Estados Unidos formó una nueva regulación de seguridad para ayudar a eliminar las zonas ciegas detrás de los vehículos y ver a las personas presentes detrás del vehículo. De acuerdo con las estadísticas de la Administración Nacional de Seguridad del Tráfico en las Carreteras, se producen alrededor de 292 muertes y 18,000 lesiones debido a choques en reversa que involucran a todos los vehículos. Se anticipa que tales regulaciones fomentarán la adopción de ADAS, ofreciendo así oportunidades para el mercado de aprendizaje profundo de la región. Además, la región también está viendo un aumento en las inversiones de los fabricantes de automóviles para desarrollar soluciones avanzadas, impulsando el crecimiento del mercado.
  • En febrero de 2020, Micron Technology, Inc., junto con la empresa de tecnología Continental, anunció planes para establecer una asociación para explorar y adaptar el acelerador de aprendizaje profundo de Micron para aplicaciones automotrices de aprendizaje automático de próxima generación. El infoentretenimiento del automóvil, los sistemas avanzados de asistencia al conductor (ADAS), las comunicaciones y los sistemas de control del tren motriz son cada vez más sofisticados. Micron y Continental trabajarán juntos en el desarrollo de una versión específica de la aplicación de la tecnología del acelerador de aprendizaje profundo (DLA) de Micron diseñada para ser escalable y flexible, al mismo tiempo que ofrece el alto rendimiento y la baja potencia necesarios para admitir modelos de programación estándar de la industria. .
deep learning market

Panorama competitivo

El mercado del aprendizaje profundo consta de varios jugadores importantes, como IBM, Google y Microsoft, entre otros, con una experiencia industrial sustancial en plataformas analíticas/de big data. Otros nuevos participantes también se han abierto camino en el mercado y han aumentado con éxito la cantidad de casos de uso de aprendizaje profundo en todas las industrias. Los nuevos participantes destacados que han tenido un impacto significativo en el mercado incluyen H2O.ai, KNIME y Dataiku.

  • Junio ​​de 2020: Facebook AI Research lanzó TransCoder, un sistema que utiliza aprendizaje profundo no supervisado en la conversión del código de un lenguaje de programación a otro. TransCoder recibió capacitación en más de 2,8 millones de proyectos de código abierto y superó a los sistemas de traducción de código existentes que utilizan métodos basados ​​en reglas.
  • Mayo de 2020: IBM anunció que aplicaría una gama de tecnologías de inteligencia artificial (IA) en la automatización de la gestión de las operaciones de TI y modernizaría las aplicaciones, también conocidas como AIOps. Utiliza algoritmos de aprendizaje automático y profundo para datos de series temporales, registros semiestructurados, datos estructurados y datos no estructurados que abarcan incidentes de TI y conversaciones humanas para rastrear la línea de tiempo de un problema.

Table of Contents

  1. 1. INTRODUCTION

    1. 1.1 Study Assumptions and Market Definition

    2. 1.2 Scope of the Study

  2. 2. RESEARCH METHODOLOGY

  3. 3. EXECUTIVE SUMMARY

  4. 4. MARKET INSIGHTS

    1. 4.1 Market Overview

    2. 4.2 Industry Attractiveness - Porter's Five Forces Analysis

      1. 4.2.1 Bargaining Power of Suppliers

      2. 4.2.2 Bargaining Power of Consumers

      3. 4.2.3 Threat of New Entrants

      4. 4.2.4 Threat of Substitute Products

      5. 4.2.5 Intensity of Competitive Rivalry

    3. 4.3 Industry Stakeholder Analysis

    4. 4.4 Assessment of Impact of COVID-19 on Deep Learning Market

  5. 5. MARKET DYNAMICS

    1. 5.1 Market Drivers

      1. 5.1.1 Increasing Computing Power, coupled with the Presence of Large Unstructured Data

      2. 5.1.2 Ongoing Efforts toward the Integration of DL in Consumer-based Solutions

    2. 5.2 Market Challenges

      1. 5.2.1 Operational and Infrastructural Concerns, such as Hardware Complexity and Need for Skilled Workforce

    3. 5.3 Market Opportunities

    4. 5.4 Technology Evolution of Deep Learning

    5. 5.5 Analysis of Key Machine Learning Libraries

  6. 6. MARKET SEGMENTATION

    1. 6.1 Offering

      1. 6.1.1 Hardware

      2. 6.1.2 Software and Services

    2. 6.2 End-User Industry

      1. 6.2.1 BFSI

      2. 6.2.2 Retail

      3. 6.2.3 Manufacturing

      4. 6.2.4 Healthcare

      5. 6.2.5 Automotive

      6. 6.2.6 Telecom and Media

      7. 6.2.7 Other End-user Industries

    3. 6.3 Application

      1. 6.3.1 Image Recognition

      2. 6.3.2 Signal Recognition

      3. 6.3.3 Data Processing

      4. 6.3.4 Other Applications

    4. 6.4 Geography

      1. 6.4.1 North America

      2. 6.4.2 Europe

      3. 6.4.3 Asia Pacific

      4. 6.4.4 Rest of the World

  7. 7. COMPETITIVE LANDSCAPE

    1. 7.1 Company Profiles

      1. 7.1.1 Facebook Inc.

      2. 7.1.2 Google

      3. 7.1.3 Amazon Web Services Inc

      4. 7.1.4 SAS Institute Inc

      5. 7.1.5 Microsoft Corporation

      6. 7.1.6 IBM Corp

      7. 7.1.7 Advanced Micro Devices Inc

      8. 7.1.8 Intel Corp

      9. 7.1.9 NVIDIA Corp

      10. 7.1.10 Rapidminer Inc

    2. *List Not Exhaustive
  8. 8. INVESTMENT ANALYSIS

  9. 9. FUTURE OF THE MARKET

You can also purchase parts of this report. Do you want to check out a section wise price list?

Frequently Asked Questions

El mercado de Aprendizaje profundo se estudia desde 2020 hasta 2025.

El mercado de aprendizaje profundo está creciendo a una CAGR del 42,56 % en los próximos 5 años.

Asia Pacífico está creciendo a la CAGR más alta durante 2021-2026.

América del Norte tiene la participación más alta en 2021.

Facebook Inc., Google LLC, Microsoft Corporation, IBM Corporation, Amazon Web Services Inc. son las principales empresas que operan en el mercado de aprendizaje profundo.

80% of our clients seek made-to-order reports. How do you want us to tailor yours?

Please enter a valid email id!

Please enter a valid message!