Рынок глубокого обучения — рост, тенденции и прогнозы (2023–2028 гг.)

Рынок глубокого обучения сегментирован по типу предложения (аппаратное обеспечение, программное обеспечение и услуги), отрасли конечных пользователей (BFSI, розничная торговля, производство, здравоохранение, автомобилестроение, телекоммуникации и медиа), приложениям (распознавание изображений, распознавание сигналов, обработка данных). и география.

Обзор рынка

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

Major Players

rd-img

*Disclaimer: Major Players sorted in no particular order

setting-icon

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

Обзор рынка

Ожидается, что рынок глубокого обучения зарегистрирует CAGR на уровне 42,56% в течение прогнозируемого периода с 2020 по 2025 год. Глубокое обучение, подобласть машинного обучения (ML), привело к прорывам в нескольких задачах искусственного интеллекта, включая распознавание речи и распознавание изображений. . Кроме того, возможность автоматизировать предиктивную аналитику вызывает ажиотаж вокруг машинного обучения. Такие факторы, как расширенная поддержка в разработке и улучшении продуктов, оптимизация процессов и функциональных рабочих процессов, а также оптимизация продаж, среди прочего, побуждают предприятия из разных отраслей инвестировать в приложения для глубокого обучения. Кроме того, новейшие подходы к машинному обучению значительно повысили точность моделей, и были разработаны новые классы нейронных сетей для таких приложений, как классификация изображений и перевод текста.

  • Например, рассмотрим новую версию PyTorch, платформы машинного обучения Facebook с открытым исходным кодом. Выпущенный в октябре 2019 года новый фреймворк PyTorch 1.3 включает несколько впечатляющих проектов с открытым исходным кодом для исследователей и разработчиков глубокого обучения. Другие новые функции включают экспериментальную поддержку развертывания мобильных устройств, квантование в активном режиме с 8-битным целым числом и возможность именования тензоров. Одной из отмеченных разработок является CRYPTEN, новая исследовательская платформа на базе сообщества, предназначенная для устранения важного фактора, который мешает пользователям развертывать платформы глубокого и машинного обучения, то есть безопасности.
  • Несколько разработок в настоящее время продвигают глубокое обучение. Согласно SAS, улучшения алгоритмов повысили эффективность методов глубокого обучения. Увеличение объемов данных способствовало созданию нейронных сетей с несколькими глубокими уровнями, включая потоковые данные из Интернета вещей (IoT) и текстовые данные из социальных сетей и заметки врачей. Значительная вычислительная мощность необходима для решения задач глубокого обучения, учитывая итеративный характер алгоритмов глубокого обучения — их сложность увеличивается по мере увеличения количества слоев. Аппаратное обеспечение, на котором работают алгоритмы глубокого обучения, также должно поддерживать большие объемы данных, необходимые для обучения сетей.
  • Вычислительные достижения графических процессоров (GPU) и распределенных облачных вычислений предоставили в распоряжение пользователей невероятную вычислительную мощность. Эту разработку возглавляют поставщики оборудования, такие как NVIDIA, Intel и AMD, среди прочих, которые улучшают скорость вычислений среди других функций и делают их совместимыми с наиболее часто используемыми платформами с открытым исходным кодом, такими как Tensorflow, Cognitive Toolkit ( Microsoft), Chainer, Caffe и PyTorch, среди прочих. Поэтому «возможности глубокого обучения с открытым исходным кодом» становятся все более популярными среди предприятий. Эти платформы с открытым исходным кодом позволяют пользователям эффективно и быстро создавать модели машинного обучения.
  • В мае 2020 года NEUCHIPS Corp., компания, занимающаяся вычислениями в области искусственного интеллекта, занимающаяся ускорителями для конкретных предметных областей, запустила первый в мире механизм рекомендаций для глубокого обучения — RecAccelTM, который может выполнять 500 000 выводов в секунду. Запустив PyTorch DLRM с открытым исходным кодом, RecAccelTM превосходит GPU и ЦП серверного класса в 65 и 28 раз соответственно. Он оснащен памятью с высокой пропускной способностью и подсистемой сверхвысокой емкости для встраивания поиска по таблицам и массивно-параллельных вычислений FPGA для логического вывода нейронной сети. RecAccelTM готов к адаптации центра обработки данных через хост-интерфейс PCIe Gen3, 
  • В июле 2020 года Tencent AI Lab и группа китайских ученых в области общественного здравоохранения представили модель, основанную на глубоком обучении, которая может прогнозировать риск развития критического заболевания у пациентов с COVID-19. Процедура была опубликована в Nature Communications. Он пересмотрел метод, в котором лаборатория использовала модель, основанную на когорте из 1590 пациентов из 575 медицинских центров в Китае, с дальнейшей проверкой на 1393 пациентах. Другие технологические гиганты берутся за аналогичные проекты по сдерживанию смертельного вируса. Используя глубокое обучение, Alibaba создала для учреждений инструмент для прогнозирования распространения COVID-19 с почти 90-процентной точностью. Вирусный структурный анализ выполняется алгоритмом Baidu с открытым исходным кодом, который утверждает, что этот процесс в 120 раз быстрее, чем традиционный метод. 

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.

Ключевые тенденции рынка

Ожидается, что розничная торговля будет занимать значительную долю

  • В последнее время в индустрии розничной торговли произошел резкий сдвиг в основе ее деятельности: многие известные бренды решили сократить количество предложений на месте в пользу онлайн-сервиса. Чтобы розничные продавцы оставались жизнеспособными, они должны оправдывать ожидания клиентов и действовать соответствующим образом, иначе они рискуют потерять лояльность. Для розничных продавцов также становится жизненно важным внедрять развивающиеся технологии, чтобы воплотить это в жизнь. Глубокое обучение позволяет ритейлерам автоматизировать взаимодействие с клиентами и оптимизировать процессы невиданным ранее способом. Например, аналитика полок в онлайн-сценариях может помочь с полезными рекомендациями по товарам и быстрой классификацией, что позволяет покупателям быстрее делать правильный выбор при дополнительной поддержке.
  • Интернет-магазины, такие как Walmart, начинают использовать ИИ для получения рекомендаций по продуктам от клиентов, но едва ли используют весь потенциал, который может предложить технология. Используя глубокое обучение, розничные продавцы могут по-настоящему использовать возможности ИИ, оптимизируя взаимодействие с пользователем и автоматизируя трудоемкие задачи. Например, интернет-магазины могут использовать Deep Learning для автоматической маркировки визуальных данных, чтобы улучшить многие аспекты взаимодействия с пользователем. Они могут использовать ИИ для уточнения поиска и получения более качественных результатов по поисковым запросам или повышения качества изображений продуктов, особенно некачественных фотографий продуктов с использованием улучшения цвета. Двигаясь вперед, розничные продавцы могут быстро собирать данные и автоматически анализировать информацию с помощью технологии глубокого обучения.
  • Исследование, проведенное Snowflake Computing Harvard Business Review, показывает, что ритейлеры, которые принимают решения на основе данных, живут дольше. Несомненно, розничная торговля быстро становится чрезвычайно ориентированной на данные. Согласно тому же исследованию, 89% ритейлеров считают важным получение лучшего понимания ожиданий клиентов. Модели, которые использует глубокое обучение в розничной торговле, достаточно сложны и продвинуты, чтобы справиться с проблемами, с которыми не справляются модели машинного обучения. Например, глубинное обучение в розничных приложениях моделирует достаточно интеллектуально, чтобы понять, что выпуск смартфонов с большими экранами может съесть продажи планшетов. В случае отсутствия данных глубокое обучение в розничной торговле может узнать по шаблонам, не продается ли товар или его нет в наличии.
  • В январе 2020 года Johnson Controls объявила, что ее портфель решений для розничной торговли, Sensormatic Solutions и Intel Corporation, объединили усилия для предоставления масштабируемых решений на основе искусственного интеллекта для розничных продавцов. В будущем портфолио Sensormatic Solutions AI на периферии будет основано на платформах Intel. Sensormatic Solutions также будет использовать набор инструментов Intel Distribution of OpenVINO и модели Intel для предоставления своих решений. AI Vision Intelligence продемонстрирует целевое поведение водителя, чтобы улучшить работу магазина и качество обслуживания покупателей. Он включает в себя обработку изображений, модели глубокого обучения и камеру с искусственным интеллектом, разработанную совместно с Intel для оценки реакции сотрудников на клиентов и измерения методов, с помощью которых клиенты взаимодействуют с товарами, и многое другое.
deep learning market

Ожидается, что Северная Америка будет владеть основной долей

  • Ожидается, что Северная Америка будет занимать значительную долю на мировом рынке глубокого обучения из-за устойчивого роста значительного объема данных в сочетании с ожидаемым увеличением спроса на интеграцию DL в ориентированные на потребителя решения предприятий. Растущее внимание к прогнозированию ключевых тенденций и информации, связанной с поведением и операциями клиентов, стало решающим фактором, побудившим крупные предприятия перейти к использованию ИИ и больших данных для повышения ценности и предоставления персонализированного опыта. Например, Netflix построил платформу машинного обучения на основе языков JVM, таких как Scala. Платформа помогает разрушить предвзятое мнение зрителей и найти шоу, которые они, возможно, изначально не выбрали.
  • В апреле 2020 года Министерство энергетики США (DOE) объявило о плане выделить до 30 миллионов долларов США на передовые исследования в области машинного обучения (МО) и искусственного интеллекта (ИИ) как для управления сложными системами, так и для научных исследований. Инициатива охватывает две отдельные тематические области. Одна тема посвящена развитию машинного обучения и искусственного интеллекта для прогнозного моделирования и моделирования, ориентированного на исследования в области физических наук. Считается, что машинное обучение и искусственный интеллект предлагают многообещающие новые альтернативы традиционным методам программирования для компьютерного моделирования и симуляции. Вторая тема посвящена основным исследованиям машинного обучения и искусственного интеллекта для «поддержки принятия решений» при управлении сложными системами.
  • Министерство транспорта США разработало новые правила безопасности, чтобы помочь устранить слепые зоны позади транспортных средств и видеть людей, находящихся позади транспортного средства. Согласно статистике Национальной администрации безопасности дорожного движения, около 292 погибших и 18 000 раненых происходят в результате аварий с задним ходом с участием всех транспортных средств. Ожидается, что такие правила будут способствовать принятию ADAS, тем самым открывая возможности для регионального рынка глубокого обучения. Кроме того, в регионе также наблюдается увеличение инвестиций автопроизводителей в разработку передовых решений, что способствует росту рынка.
  • В феврале 2020 года Micron Technology, Inc. вместе с технологической компанией Continental объявили о планах заключить партнерство для изучения и адаптации ускорителя глубокого обучения Micron для автомобильных приложений машинного обучения следующего поколения. Автомобильные информационно-развлекательные системы, передовые системы помощи водителю (ADAS), системы связи и системы управления силовым агрегатом становятся все более изощренными. Micron и Continental будут работать вместе над разработкой версии технологии ускорителя глубокого обучения (DLA) Micron для конкретных приложений, которая должна быть масштабируемой и гибкой, в то же время обеспечивая высокую производительность и низкое энергопотребление, необходимые для поддержки стандартных моделей программирования. .
deep learning market

Конкурентная среда

Рынок глубокого обучения состоит из нескольких крупных игроков, таких как IBM, Google и Microsoft, среди прочих имеющих значительный промышленный опыт работы с большими данными/аналитическими платформами. Другие новые участники также выходят на рынок и успешно увеличивают количество вариантов использования глубокого обучения в различных отраслях. В число известных новых участников, которые оказали значительное влияние на рынок, входят H2O.ai, KNIME и Dataiku.

  • Июнь 2020 г. — Facebook AI Research запустила TransCoder, систему, которая использует неконтролируемое глубокое обучение при преобразовании кода с одного языка программирования на другой. TransCoder прошел обучение на более чем 2,8 миллиона проектов с открытым исходным кодом и превзошел существующие системы перевода кода, использующие методы, основанные на правилах.
  • Май 2020 г. — IBM объявила, что будет применять ряд технологий искусственного интеллекта (ИИ) для автоматизации управления ИТ-операциями и модернизации приложений, также известных как AIOps. Он использует алгоритмы машинного обучения и глубокого обучения для данных временных рядов, частично структурированных журналов, структурированных данных и неструктурированных данных, охватывающих ИТ-инциденты и человеческие разговоры, для отслеживания временной шкалы проблемы.

Основные игроки

  1. Facebook Inc.

  2. Google LLC

  3. Microsoft Corporation

  4. IBM Corporation

  5. Amazon Web Services Inc.

*Disclaimer: Major Players sorted in no particular order

deep learning market

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

Рынок глубокого обучения изучается с 2018 по 2028 год.

Рынок глубокого обучения растет со среднегодовым темпом роста 42,56% в течение следующих 5 лет.

Азиатско-Тихоокеанский регион демонстрирует самый высокий среднегодовой темп роста в 2018–2028 годах.

В Северной Америке самая высокая доля в 2021 году.

Facebook Inc., Google LLC, Microsoft Corporation, IBM Corporation, Amazon Web Services Inc. — основные компании, работающие на рынке глубокого обучения.

close-icon
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!