Tiny Machine Learning-Marktgröße, Marktanteil und COVID-19-Auswirkungsanalyse nach Komponenten (Lösung und Dienste); Nach Anwendung (Einzelhandel, Gesundheitswesen, Landwirtschaft, Fertigung und andere); und regionale Prognose, 2023-2030

Tiny Machine Learning (TinyML) ist eine Teilmenge des maschinellen Lernens, die darauf abzielt, maschinelle Lernanwendungen auf Geräten mit geringem Stromverbrauch wie Mikrocontrollern auszuführen. Es handelt sich um ein schnell wachsendes Forschungsgebiet, das in letzter Zeit an Popularität gewonnen hat. TinyML bietet verschiedene Vorteile, wie z. B. geringe Latenz, geringer Stromverbrauch, Datenschutz und geringe Bandbreite.

Obwohl TinyML ein aufstrebendes Feld ist, wird es schon seit Jahren produziert. Es wird zur Gestenerkennung, Audioerkennung, Schlüsselworterkennung, Maschinenüberwachung, Objekterkennung und Klassifizierung verwendet. Einige Beispiele für TinyML sind „OK Google“, „Hey Siri“, „Alexa“ und andere Weckwörter.

Das Marktwachstum wird durch die steigende Anzahl von IoT-Geräten und Fortschritte bei maschinellen Lerntechnologien vorangetrieben. Darüber hinaus hilft der geringere Stromverbrauch den TinyML-Geräten, lange Zeit ohne Batteriebetrieb zu laufen, während ML-Anwendungen on-Edge ausgeführt werden. Es verbessert die Produktivität von Deep-Learning-Systemen mit künstlicher Intelligenz (KI), indem es weniger Berechnungen, weniger Daten und weniger Ingenieure benötigt, um den großen Markt für Edge-KI und IoT zu bedienen.

McKinsey gibt beispielsweise an, dass 40 % des durch Analysen jährlich geschaffenen Werts aus tiefgreifenden maschinellen Lerntechniken bestehen.

Auswirkungen von COVID-19 auf den Markt für winziges maschinelles Lernen

COVID-19 hat sich positiv auf den Markt ausgewirkt, da die Zahl der Anwendungen für maschinelles Lernen im Gesundheitswesen stark zugenommen hat. Maschinelles Lernen wird im Gesundheitswesen eingesetzt, um Krankheiten vorherzusagen und Covid-Patienten genau zu versorgen.

TinyML wurde als Plattform zur Bewältigung und Bekämpfung der Pandemie genutzt. Mehrere Länder nutzen künstliche Intelligenz und maschinelles Lernen, um Covid-Fälle zu verfolgen, zu verfolgen und zu verstehen. Die Pandemie hat zu einer deutlichen Beschleunigung der Einführung von TinyML-Anwendungen geführt.

Zum Beispiel

• Laut dem Bericht der Brookings Institution nutzten Forscher CCTV-Kameraaufnahmen und Geolokalisierungsdaten in Südkorea, um Covid-Patienten zu verfolgen.


• Das französische Start-up Clevy.io hat einen Chatbot gestartet, mit dem sich Menschen über Mitteilungen der Regierung zu COVID-19 informieren können.

Der Hardware-KI-Markt hat jedoch die Lieferkette gestört und in mehreren Ländern Handelsbeschränkungen verhängt. Der weltweite Umsatz von Data Forecast mit KI-Hardwarechips im Jahr 2020 ging aufgrund von COVID-19 um 12 % zurück.

Wichtige Erkenntnisse

Der Bericht wird die folgenden wichtigen Erkenntnisse abdecken:

• Mikromakroökonomische Indikatoren.


• Treiber, Einschränkungen, Trends und Chancen.


• Von den Spielern übernommene Geschäftsstrategien.


• Auswirkungen von COVID-19 auf den Markt für winziges maschinelles Lernen.


• Konsolidierte SWOT-Analyse der Hauptakteure.

Analyse nach Anwendung

Je nach Anwendung ist der Markt in Einzelhandel, Gesundheitswesen, Landwirtschaft, Fertigung und andere unterteilt. Der Gesundheitssektor hält den größten Marktanteil und dürfte im Prognosezeitraum am stärksten wachsen. Das Segmentwachstum ist auf die zunehmenden Anwendungen von TinyMl im Gesundheitssektor zurückzuführen. Es kann zur Diagnose und Erkennung von Krankheiten eingesetzt werden. Zum Beispiel

• Closedloop, ein KI-Start-up, nutzte TinyML und künstliche Intelligenz, um diejenigen zu identifizieren, bei denen das höchste Risiko für schwere Komplikationen durch COVID-19 besteht.


• BlueDot, ein kanadisches Start-up, nutzte KI und maschinelle Lernalgorithmen, um Krankheitsausbrüche zu erkennen.

Regionale Analyse

Umfangreiche Einblicke in den Markt gewinnen, Anfrage zur Anpassung

Der globale TinyML-Markt ist in fünf Regionen unterteilt: Nordamerika, Europa, Asien-Pazifik, Naher Osten und Afrika sowie Südamerika. Aufgrund der Präsenz führender Technologieanbieter in den USA und Kanada hält Nordamerika den größten Marktanteil. Darüber hinaus ist die Region führend bei der frühzeitigen Einführung fortschrittlicher Technologien und beschleunigt so das Marktwachstum. Im Automotive-Bereich besteht eine zunehmende Nachfrage nach diesen Lösungen. Es unterstützt die vorausschauende Wartung, das Lieferkettenmanagement und die Qualitätskontrolle. Zum Beispiel

• Escorts Group implementierte Lösungen für maschinelles Lernen und künstliche Intelligenz, um Betriebskapital aus Lagerbeständen in seinem Landmaschinengeschäft zu generieren.


• Mahindra & Mahindra nutzt TinyML und KI-gestützte dynamische Segmentierungsfunktionen, um seine Ersatzteilbestände zu optimieren.

Die Verteilung des Tiny Machine Learning-Marktes nach Herkunftsregion ist wie folgt:

• Nordamerika – 49 %


• Europa – 26 %


• Asien-Pazifik – 16 %


• Naher Osten und Afrika – 6 %


• Südamerika – 3 %

Hauptakteure abgedeckt

Zu den wichtigsten globalen TinyML-Marktunternehmen gehören Google LLC, Microsoft Corporation, ARM, STMicroelectronics, Cartesian, Meta Platforms, EdgeImpulse Inc., InData Labs, Amazon Web Services, Databricks, ScienceSoft, MobiDev und andere.

Segmentierung

Wichtige Branchenentwicklungen

• Im Juni 2022: Renesas Electronics Corporation, ein Anbieter von Halbleiterlösungen, übernimmt Reality Analytics, Inc., einen Anbieter von KI-Lösungen. Mit dieser Übernahme kann die Renesas Corporation auf die Lösungen für künstliche Intelligenz und Tiny Machine Learning (TinyML) von Reality AI zugreifen und diese nutzen.


• Im Januar 2022: Klika Tech, ein IoT- und cloudbasiertes Produkt- und Lösungsentwicklungsunternehmen, trat der TinyML-Stiftung bei, um die Entwicklung von Edge Computing mit maschinellem Lernen voranzutreiben. Durch diese Partnerschaft kann Klika Tech durch maschinelles Lernen auf Datenanalysen auf dem Gerät zugreifen.