التعلم العميق (DL) حجم السوق والمشاركة وتحليل الصناعة، حسب المكونات (الأجهزة (وحدة المعالجة المركزية (CPU)، وحدة معالجة الرسومات (GPU)، مصفوفة البوابة القابلة للبرمجة الميدانية (FPGA)، دائرة التكامل الخاصة بالتطبيقات (ASIC)) و البرمجيات)، حسب التطبيق (التعرف على الصور، التعرف على الإشارات، استخراج البيانات، المراقبة بالفيديو والتشخيص، وغيرها)، حسب الصناعة (BFSI، السيارات، الرعاية الصحية، الفضاء الجوي والدفاع، وتجارة التجزئة والتجارة الإلكترونية، والإعلام والترفيه، وغيرها)، والتوقعات الإقليمية، 2024-2032

رؤى السوق الرئيسية

قُدر حجم السوق العالمي للتعلم العميق (DL) بـ 17.60 مليار دولار أمريكي في عام 2023، ومن المتوقع أن ينمو من 24.53 مليار دولار أمريكي في عام 2024 إلى 298.38 مليار دولار أمريكي بحلول عام 2032، مما يُظهر معدل نمو سنوي مركب قدره 36.7٪ خلال الفترة المتوقعة (2024-2032). . تُستخدم الشبكات العصبية في التعلم العميق (DL) لمهام مثلمعالجة اللغة الطبيعيةوالتعرف على الصوت والرؤية الآلية. DL هو حقل فرعي من الذكاء الاصطناعي الذي يركز بشكل أكبر على تقليد وظيفة الدماغ البشري والآلة. يعد DL أحد أحدث مجالات الدراسة والبحث وأكثرها ناشئة. التحسينات الأخيرة في DL هي المركبات ذاتية القيادة، والمساعدة الافتراضية، وتراكم الأخبار، والتسويق الرقمي، ومعالجة اللغة الطبيعية، والتعرف على الصور والبصريات، وما إلى ذلك.

وفقًا لتقرير حالة الذكاء الاصطناعي لعام 2022، من المتوقع أن يتجاوز الاستثمار العالمي في الشركات الناشئة في مجال الذكاء الاصطناعي وتوسيع نطاقه 50 مليار دولار أمريكي في عام 2023 وحده. يؤدي هذا إلى توفير فرص نمو هائلة لشركات DL الناشئة ووحيدات القرن حول العالم.

زاد الطلب على DL بشكل ملحوظ خلال جائحة كوفيد-19. ويرجع ذلك إلى الاهتمام المتزايد بالمساعدة الصوتية الرقمية بين الأجيال الشابة وزيادة التركيز على تقنيات الواقع الافتراضي والواقع المعزز من قبل مختلف البائعين الرئيسيين عبر المناطق. على سبيل المثال،

• في يوليو 2020، تم تقديم نموذج قائم على DL يمكنه التنبؤ باحتمالية إصابة مرضى كوفيد-19 بمرض خطير بواسطة Tencent AI Lab ومجموعة من علماء الصحة العامة الصينيين. تم وصف الطريقة التي طور بها الفريق النموذج باستخدام مجموعة مكونة من 1590 مريضًا من 575 مركزًا طبيًا في الصين والتحقق الإضافي من 1393 مريضًا بالتفصيل في مجلة Nature Communications. واتخذت شركات التكنولوجيا العملاقة الأخرى في الصين مبادرات مماثلة لاحتواء الفيروس القاتل. على سبيل المثال، طورت شركة علي بابا أداة ذات معدل دقة مزعوم يصل إلى 90% للمؤسسات للتنبؤ بانتشار فيروس كورونا باستخدام ML/DL. وفقًا لشركة بايدو، يقال إن الخوارزمية مفتوحة المصدر للتحليل الهيكلي الفيروسي أسرع بـ 120 مرة من الطريقة التقليدية.

اتجاهات سوق التعلم العميق (DL).

التطورات الهائلة في توليد الصور القائمة على الذكاء الاصطناعي والمحاكاة المستندة إلى النصوص لتمهيد الطريق لنمو السوق

يؤدي التقدم السريع في إنشاء الصور المستندة إلى الذكاء الاصطناعي والمحاكاة المستندة إلى النصوص إلى نمو كبير في سوق DL. لقد قطعت خوارزميات الذكاء الاصطناعي، وخاصة تلك المستندة إلى نماذج توليدية، مثل GANs (شبكات الخصومة التوليدية)، خطوات ملحوظة في إنشاء صور ومقاطع فيديو وحتى صوت واقعية، ووضع معايير عالية بشكل دائم لصناعات التصميم والترفيه والتسويق. وقد عززت هذه التطورات جودة المحتوى الذي تم إنشاؤه وزادت من سرعة إنتاجه، مما أدى إلى تقليل الموارد والوقت اللازم للمهام الإبداعية.

• وفقًا لشركة Adobe، اعتبارًا من أغسطس 2023، أنشأت Dall-E 2 916 مليون صورة تعمل بالذكاء الاصطناعي، وأنتجت Adobe Firefly مليار صورة، وأنتجت Midjourney 964 مليونًا، بينما أنشأت النماذج المستقرة القائمة على الانتشار 12.59 مليار صورة. وقد بلغ مجموعها 15.47 مليار صورة تم إنشاؤها بواسطة الذكاء الاصطناعي على الإنترنت.

علاوة على ذلك، أتاحت عمليات المحاكاة المستندة إلى النصوص والمدعومة بنماذج معالجة اللغة الطبيعية تفاعلات أكثر دقة ووعيًا بالسياق في البيئات الافتراضية. وقد وجدت هذه التقنية تطبيقات في الألعاب والتعليم والمساعدين الافتراضيين، مما أدى إلى تعزيز تجربة المستخدم وتمكين عمليات محاكاة أكثر واقعية. على سبيل المثال،

• في فبراير 2024، أطلقت OpenAI Sora، وهو نموذج للتعلم العميق حظي باهتمام كبير نحو إنشاء مقاطع فيديو ومحاكاة فيديو تعتمد على الذكاء الاصطناعي. أدى هذا التطور إلى زيادة تكاملات التعلم العميق في نماذج المحاكاة القائمة على الذكاء الاصطناعي.

مع هذه التطورات والاعتماد المتزايد عبر مجموعة واسعة من الصناعات، حققت اتجاهات الحلول المستندة إلى الذكاء الاصطناعي المدمجة في DL ابتكارات مهمة.

عوامل نمو سوق التعلم العميق (DL).

من المرجح أن تؤدي زيادة التطبيقات في قطاع السيارات إلى تعزيز نمو السوق

يستخدم منتجو السيارات، مثل Tesla وJourney وAutoX وغيرها، التقنيات، بما في ذلك التعلم الآلي،تحليلات البيانات الضخمةوالذكاء الاصطناعي وغيرها لجعل سياراتهم أكثر انسجاما مع طلبات عملائهم. بالإضافة إلى ذلك، أدت الأنظمة المتخصصة، وأنظمة إدارة قواعد البيانات، والذكاء الاصطناعي، وإنترنت الأشياء (IoT) إلى تبسيط المهام الصناعية إلى حد كبير.

هناك العديد من حالات استخدام السيارات لتقنيات DL. على سبيل المثال، حققت أنظمة DL مؤخرًا تقدمًا كبيرًا في رؤية الكمبيوتر. من خلال مراقبة المدخلات من الكاميرا، وجهاز تحديد المدى بالليزر، والسائق الحقيقي، استخدمت شركة بوميرلو، وهي شركة كندية، الشبكات العصبية لتدريب السيارة تلقائيًا على القيادة.

من المرجح أن تساهم هذه العوامل في نمو سوق التعلم العميق.

العوامل المقيدة

القيود الفنية والافتقار إلى الدقة لإعاقة تقدم السوق

تتمتع منصة DL بعدد من المزايا التي يمكن أن تساعد في نمو السوق. ومع ذلك، فإن بعض معايير هذه التكنولوجيا قد تعيق توسع السوق. أحد العناصر المقيدة الرئيسية لمنصة DL هو الخوارزميات غير المطورة وغير الدقيقة. في البيانات الضخمة والتعلم الآلي، تعد الدقة أمرًا بالغ الأهمية، ويمكن أن تؤدي الخوارزميات المعيبة إلى منتجات معيبة. للتأكد من ضبط معلمات النظام بشكل صحيح وأن هامش الخطأ قريب أو يساوي الصفر، يلزم التفاعل البشري. قد تتضرر آفاق السوق من هذا العامل.

علاوة على ذلك، فإن النقص العالمي في محترفي DL المهرة يخلق صعوبات في تقديم خدمات موثوقة وآمنة للمؤسسات، مما يؤثر سلبًا على نمو السوق. بالإضافة إلى ذلك، غالبًا ما يؤدي الافتقار إلى المعايير والبروتوكولات داخل الصناعة إلى عدم الاتساق والصعوبات عند نشر منصات ML/DL، وبالتالي إزعاج العمليات التجارية السلسة. ومن المتوقع أن تعيق هذه العوامل تطور السوق.

التعلم العميق (DL) تحليل تجزئة السوق

عن طريق تحليل المكونات

سيتم استخدام برنامج DL على نطاق واسع لتحسين قوة الحوسبة ودقتها

بناءً على المكونات، ينقسم السوق إلى أجهزة وبرامج. وينقسم قطاع الأجهزة أيضًا إلى وحدة المعالجة المركزية (CPU)، ووحدة معالجة الرسومات (GPU)،مصفوفة البوابة الميدانية القابلة للبرمجة (FPGA)والدائرة المتكاملة الخاصة بالتطبيقات (ASIC).

من المتوقع أن يهيمن قطاع البرمجيات على السوق خلال فترة التنبؤ. يستخدم برنامج DL، وهو نوع من برامج الشبكات العصبية، الخوارزميات لمعالجة البيانات واتخاذ القرارات. يتم أخذ كميات كبيرة من البيانات وتحليلها واستخدامها بواسطة هذا النوع من البرامج لإجراء تنبؤات أو قرارات. يعد Neural Designer، وH2O.ai، وDeepLearningKit، وMicrosoft Cognitive Toolkit، وKeras، وغيرها من بين برامج DL الأكثر استخدامًا.

بالإضافة إلى ذلك، قامت Boxx وNVIDIA بتطوير محطات عمل قادرة على التعامل مع قوة المعالجة المطلوبة لإنشاء نماذج DL. يمكن للمستخدمين اختبار وتحسين نماذجهم باستخدام محطة DGX من NVIDIA، والتي تدعي أنها قابلة للمقارنة بمئات الخوادم التقليدية. بمساعدة أطر عمل DL، تدعي منتجات Boxx's APEXX W-class أنها تقدم معالجة أكثر قوة وأداء كمبيوتر يمكن الاعتماد عليه.

عن طريق تحليل التطبيق

DL لإيجاد استخدام واسع النطاق في تطبيقات التعرف على الصور لإنشاء محتوى مفيد عبر الإنترنت

بناءً على التطبيق، يتم تقسيم السوق إلى التعرف على الصور، والتعرف على الإشارات، واستخراج البيانات،المراقبة بالفيديووالتشخيص وغيرها (الترجمة الآلية، اكتشاف الأدوية).

تم تعيين قطاع التعرف على الصور ليمثل أكبر حصة في سوق التعلم العميق. يمكن لمواقع التصوير الفوتوغرافي والفيديوهات استخدام DL لجعل المحتوى المرئي أكثر قابلية للاكتشاف بالنسبة للمستخدمين. ويمكن أيضًا استخدام هذه التقنية في التعرف البصري والبحث، مما يسمح للمستخدمين باستخدام صورة مرجعية للبحث عن منتجات أو صور مماثلة. علاوة على ذلك، يتم استخدام DL بشكل أساسي في التعرف على الوجه للمراقبة والأمن، وتحليل الصور الطبية، واكتشاف الصور في تحليلات الوسائط الاجتماعية.

• في مارس 2021، أطلق فيسبوك حل DL ذاتية الإشراف المعروف باسم SEER. يمكن لهذا الحل التعلم من أي مجموعة عشوائية من الصور غير المسماة على الإنترنت والعمل بشكل مستقل من خلال مجموعة البيانات.

من خلال تحليل الصناعة

السيارات تتصدر الحصة الأعلى بسبب ارتفاع تطبيقات التعلم عن بعد في السيارات

حسب الصناعة، ينقسم السوق إلى BFSI، والسيارات، والرعاية الصحية، والفضاء والدفاع، وتجارة التجزئة والتجارة الإلكترونية، والإعلام والترفيه، وغيرها (التصنيع).

السيارات هي حاليا القطاع الرائد من حيث حصتها في السوق. من أنظمة مساعدة السائق المتقدمة (ADAS) والقيادة الذاتية إلى التصنيع والمبيعات وعمليات ما بعد البيع، أظهرت DL إمكانات كبيرة في صناعة السيارات. يتم إجراء استثمارات متنوعة لتعزيز تطبيق DL في ميزات المركبات ذاتية القيادة. على سبيل المثال، جمعت شركة Wayve، وهي شركة ناشئة مقرها لندن، 200 مليون دولار أمريكي في يناير 2022. ونتيجة لذلك، ستتمكن المنظمة من تطوير أساليب التعلم عن بعد للتدريب وتطوير الذكاء الاصطناعي الذي يمكنه التعامل مع مواقف القيادة الصعبة بسهولة.

خلال فترة التوقعات، سيشهد قطاع البيع بالتجزئة والتجارة الإلكترونية نموًا كبيرًا. التخصيص، وتحليلات البيانات، والتسعير الديناميكي، ومحركات التوصية كلها استخداماتالذكاء الاصطناعي (AI) في تجارة التجزئة. على سبيل المثال، تقوم العلامات التجارية الكبرى، مثل Zalando وAsos، بإنشاء أقسام كاملة لـ DL لمعرفة المزيد عن العملاء بمجرد زيارتهم لمواقعهم الإلكترونية. بالإضافة إلى ذلك، تستفيد العديد من منصات التجارة الإلكترونية الرئيسية، مثل Adobe Commerce وSalesforce Commerce Cloud، من خوارزميات التعلم الآلي لتوفير تجربة عملاء فائقة (CX) ورؤى تحليلية أعمق.

ويمثل محرك توصيات أمازون 35% من المبيعات السنوية للشركة، كما نجح برنامج علي بابا اللوجستي الذكي في تقليل أخطاء التسليم بنسبة 40%.

رؤى إقليمية

يتم تصنيف نطاق السوق العالمية عبر خمس مناطق، أمريكا الشمالية، أمريكا الجنوبية، أوروبا، الشرق الأوسط وأفريقيا، وآسيا والمحيط الهادئ.

سيستحوذ السوق في أمريكا الشمالية على أكبر حصة سوقية خلال الفترة المتوقعة. ومن المتوقع أن يؤدي توفر البنية التحتية الراسخة لتكنولوجيا المعلومات والاستثمارات الضخمة في التقنيات الناشئة، مثل DL وNLP، من بين أمور أخرى، إلى دفع نمو السوق في أمريكا الشمالية.

• في أبريل 2023، تم تطوير حزمة برامج تحليل الصور المجهرية للإلكترون والمسح الضوئي الشاملة، مستوحاة من التعلم الآلي، من قبل باحثين في مختبر أوك ريدج الوطني التابع لوزارة الطاقة الأمريكية.

من المتوقع أن تسجل منطقة آسيا والمحيط الهادئ أعلى معدل نمو سنوي مركب خلال الفترة 2024-2032. الاهتمام المتزايد بالتحقق من الهوية والدقة والموثوقية الذي قدمته DL فيرؤية الآلةيمكن أن يكون الإطار بمثابة عامل رئيسي يساهم في تطوير السوق الإقليمية. تتمتع الاقتصادات الناشئة في المنطقة، بما في ذلك الصين والهند والفلبين، بنظام بيئي مزدهر للشركات الناشئة تدعمه قوة عاملة ماهرة، مما سيساهم في توسيع حصة السوق الإقليمية.

خلال الفترة المتوقعة، سيشهد السوق في أوروبا توسعًا كبيرًا. يتم استخدام تقنيات الذكاء الاصطناعي من قبل مجموعة متنوعة من شركات الاتحاد الأوروبي. كانت التقنيات التي تعمل على أتمتة سير العمل المختلفة أو المساعدة في اتخاذ القرار (مثل أتمتة العمليات الروبوتية القائمة على الذكاء الاصطناعي)، والتعلم الآلي (مثل DL) لتحليل البيانات، والتقنيات التي تحلل اللغة المكتوبة (مثل استخراج النصوص) أكثر تواترًا قليلاً مستخدم. وفقًا لبيانات يوروستات، في عام 2021، تم استخدام كل من تقنيات الذكاء الاصطناعي الثلاث هذه من قبل 3٪ من الشركات في أوروبا.

وقد نما هذا السوق في الشرق الأوسط وأفريقيا نتيجة للمشاريع الحكومية، والحوسبة السحابية، والاعتماد على نطاق واسع للبيانات، والتقدم التكنولوجي. إن اقتصادات الشرق الأوسط، وخاصة المملكة العربية السعودية والإمارات العربية المتحدة، تتوسع بسرعة، ويقدر مواطنوها التكنولوجيا ويريدون استخدامها باللهجة العربية المحلية.

ونظرًا للعدد المتزايد من الشركات الرقمية الناشئة في البرازيل وزيادة الاستثمار من قبل اللاعبين الرئيسيين، من المتوقع أن يتوسع سوق أمريكا الجنوبية بشكل مطرد خلال الفترة المتوقعة. وقد طورت بلدان في أمريكا الجنوبية، بما في ذلك البرازيل والأرجنتين وكولومبيا، سياسات جديدة واستراتيجيات متماسكة للذكاء الاصطناعي لتشجيع تبني التقنيات المتطورة. ومن المتوقع أن تظهر فرص السوق المستقبلية في هذه المنطقة.

قائمة الشركات الرئيسية في سوق التعلم العميق (DL).

يسعى كبار اللاعبين، بما في ذلك شركة Google Inc.، إلى تحسين المنتجات لتعزيز نمو السوق

يتم تقديم حلول الذكاء الآلي الآلية من قبل الشركات في السوق لتسريع عملية تطوير نماذج التعلم وتقليل وقت الوصول إلى السوق. وقد دخلت H2O.ai وKNIME وDataiku، من بين الوافدين الجدد الآخرين، إلى السوق ونجحت في توسيع عدد حالات استخدام DL عبر الصناعات.

• في نوفمبر 2022، ومن خلال التعاون مع Hackensack Meridian Health ومقدمي خدمات مهمين آخرين، قامت H2O.ai بتوسيع وجودها في سوق الذكاء الاصطناعي للرعاية الصحية. استخدام هاكنساك ميريديان هيلثالتعلم الآلي (ML)والذكاء الاصطناعي (AI) لرعاية المرضى وعمليات الشبكة مدعومًا بخبرة H2O.ai الواسعة في هذا المجال.

قائمة الشركات الرئيسية لمحة:

• شركة الأجهزة الدقيقة المتقدمة(نحن.)


• شركة Clarifai, Inc. (الولايات المتحدة)


• شركة نفيديا(نحن.)


• شركة جوجل (الولايات المتحدة)


• شركة آي بي إم(نحن.)


• شركة إنتل(نحن.)


• شركة مايكروسوفت(نحن.)


• خدمات أمازون ويب (الولايات المتحدة)


• شركة معهد ساس. (نحن.)


• شركة Meta Platforms, Inc. (فيسبوك) (الولايات المتحدة)

التطورات الصناعية الرئيسية

• فبراير 2024 –أطلقت Cognitiv أول منصة إعلانية للتعلم العميق، لتعيد تعريف شراء الوسائط لمستقبل خالٍ من ملفات تعريف الارتباط باستخدام الذكاء الاصطناعي المتقدم. شهدت الشركة زيادة بنسبة 7.5 أضعاف في قاعدة عملائها في عام 2023، مما أظهر فعالية حلول إعلانات DL الخاصة بها.


• فبراير 2024 –عقدت شركة VantAI شراكة مع شركة Bristol Myers Squibb لتسريع اكتشاف أدوية الغراء الجزيئي، من خلال الجمع بين معرفة Myser Squibb في تحلل البروتين المستهدف مع قدرات التعلم الهندسي العميق للشركة. يهدف التعاون إلى تطوير واكتشاف علاجات جزيئية صغيرة جديدة للأهداف العلاجية ذات الاهتمام.


• يناير 2024 –استحوذت شركة FairPlay Sports Media على شركة Quater4، وهي شركة شبكة عصبية للتعلم العميق تركز على بيانات النتائج والتنبؤات الرياضية. تهدف عملية الاستحواذ إلى تعزيز العلامات التجارية للشركة، مثل SuperScommesse وOddschecker وغيرها، من خلال دمج التكنولوجيا والبيانات الجديدة للاعبين والناشرين والمشغلين.


• نوفمبر 2023 –استحوذت شركة Sony Interactive Entertainment على شركة iSIZE، وهي شركة تقنية متخصصة في الذكاء الاصطناعي، وخاصة التعلم العميق. إن تركيز iSIZE على "الحلول المدعومة بالذكاء الاصطناعي لتوزيع احتياطيات معدل البت وتحسينات الجودة لقطاع الإعلام والترفيه" يتماشى مع جهود الشركة لتعزيز عروضها وتقنياتها.


• أكتوبر 2023 –أطلقت هواوي نماذج تخزين OceanStor A310 AI، لتلبية متطلبات التعلم العميق واسع النطاق. قدم هذا الحل تخزينًا محسنًا للتدريب على النماذج الصناعية والأساسية والاستدلال في نماذج السيناريو المجزأة.


• يونيو 2023 –تم إطلاق Sonic DL، وهي تقنية قائمة على DL تم تطويرها لتسريع الحصول على الصور بشكل كبير في التصوير بالرنين المغناطيسي (MRI)، من قبل GE HealthCare بعد موافقة إدارة الغذاء والدواء. أصبحت نماذج التصوير الجديدة، مثل التصوير بالرنين المغناطيسي للقلب عالي الجودة في نبضة قلب واحدة، ممكنة بفضل Sonic DL.


• مايو 2023 –قامت شركة MVTec Software GmbH، وهي شركة عالمية منتجة للبرمجة للرؤية الآلية، بإرسال الإصدار 23.05 من برمجة الرؤية الآلية القياسية HALCON. يركز الإصدار الجديد على تقنيات DL. يعد العد العميق، وهو أسلوب يعتمد على التعلم العميق وقادر على إحصاء عدد كبير من الكائنات بقوة، هو الميزة الرئيسية في هذا الإصدار.


• مايو 2023 –قامت Google بتحسين أدوات TensorFlow مفتوحة المصدر لتسريع تطوير التعلم الآلي. نفذت المنظمة سلسلة من التحديثات والتحسينات المبتكرة مفتوحة المصدر للذكاء الاصطناعي (ML) لبيئة TensorFlow المتطورة. تعد مجموعة Keras API، التي تضيف مجموعة من إمكانات DL المستندة إلى Python إلى تقنية TensorFlow الأساسية، مكونًا أساسيًا في نظام TensorFlow البيئي. بالإضافة إلى ذلك، أعلنت Google عن أداتي Keras جديدتين تمامًا، KerasNLP لمعالجة اللغات الطبيعية وKerasCV لتطبيقات رؤية الكمبيوتر (CV).


• مارس 2023 –شكلت NVIDIA وAmazon Web Services, Inc. (AWS) تعاونًا متعدد الأجزاء يهدف إلى بناء تطبيقات الذكاء الاصطناعي التوليدية وتحسين البنية التحتية للذكاء الاصطناعي لتدريب نماذج اللغات الكبيرة (LLMs) المعقدة بشكل متزايد.

تغطية التقرير

تمثيل انفوجرافيك ل Deep Learning Market

يتضمن تقرير البحث مناطق بارزة في جميع أنحاء العالم للحصول على معرفة أفضل بالصناعة. علاوة على ذلك، فإنه يوفر نظرة ثاقبة لأحدث اتجاهات الصناعة وتحليلًا للتقنيات التي يتم اعتمادها بسرعة على نطاق عالمي. كما أنه يؤكد على محركات السوق والقيود، مما يسمح للقارئ بالحصول على فهم شامل لهذه الصناعة.

نطاق التقرير وتقسيمه

يصف

تفاصيل

فترة الدراسة

2019-2032

سنة الأساس

2023

السنة المقدرة

2024

فترة التنبؤ

2024-2032

الفترة التاريخية

2019-2022

معدل النمو

معدل نمو سنوي مركب 36.7% من 2024 إلى 2032

وحدة

القيمة (مليار دولار أمريكي)

التقسيم

حسب المكون

• الأجهزة




• وحدة المعالجة المركزية (CPU)


• وحدة معالجة الرسومات (GPU)


• مصفوفة البوابة الميدانية القابلة للبرمجة (FPGA)


• الدائرة المتكاملة الخاصة بالتطبيقات (ASIC)




• برمجة

عن طريق التطبيق

• التعرف على الصور


• التعرف على الإشارة


• استخراج البيانات


• المراقبة بالفيديو والتشخيص


• أخرى (الترجمة الآلية، اكتشاف الأدوية)

حسب الصناعة

• بفسي


• السيارات


• الرعاية الصحية


• الفضاء والدفاع


• البيع بالتجزئة والتجارة الإلكترونية


• وسائل الإعلام والترفيه


• أخرى (التصنيع)

حسب المنطقة

• أمريكا الشمالية (حسب المكونات، حسب التطبيق، حسب الصناعة، وحسب البلد)




• الولايات المتحدة (حسب الصناعة)


• كندا (حسب الصناعة)


• المكسيك (حسب الصناعة)




• أمريكا الجنوبية (حسب المكونات، حسب التطبيق، حسب الصناعة، وحسب البلد)




• البرازيل (حسب الصناعة)


• الأرجنتين (حسب الصناعة)


• بقية أمريكا الجنوبية




• أوروبا (حسب المكونات، حسب التطبيق، حسب الصناعة، وحسب البلد)




• المملكة المتحدة (حسب الصناعة)


• ألمانيا (حسب الصناعة)


• فرنسا (حسب الصناعة)


• إيطاليا (حسب الصناعة)


• إسبانيا (حسب الصناعة)


• روسيا (حسب الصناعة)


• البنلوكس (حسب الصناعة)


• بلدان الشمال الأوروبي (حسب الصناعة)


• بقية أوروبا




• الشرق الأوسط وأفريقيا (حسب المكونات، حسب التطبيق، حسب الصناعة، وحسب البلد)




• تركيا (حسب الصناعة)


• إسرائيل (حسب الصناعة)


• دول مجلس التعاون الخليجي (حسب الصناعة)


• شمال أفريقيا (حسب الصناعة)


• جنوب أفريقيا (حسب الصناعة)


• بقية دول الشرق الأوسط وأفريقيا




• منطقة آسيا والمحيط الهادئ (حسب المكونات، وحسب التطبيق، وحسب الصناعة، وحسب البلد)




• الصين (حسب الصناعة)


• الهند (حسب الصناعة)


• اليابان (حسب الصناعة)


• كوريا الجنوبية (حسب الصناعة)


• آسيان (حسب الصناعة)


• أوقيانوسيا (حسب الصناعة)


• بقية دول آسيا والمحيط الهادئ