Marktgröße, Marktanteil und COVID-19-Auswirkungsanalyse für maschinelles Lernen (ML) in den USA, nach Unternehmenstyp (kleine und mittlere Unternehmen (KMU) und große Unternehmen), nach Bereitstellung (Cloud und vor Ort), nach Endverbrauchsbranche (Gesundheitswesen, Einzelhandel, IT und Telekommunikation, BFSI, Automobil und Transport, Werbung und Medien, Fertigung und andere) und Länderprognose, 2023–2030

Die Größe des US-Marktes für maschinelles Lernen (ML) wurde im Jahr 2022 auf 4,74 Milliarden US-Dollar geschätzt. Es wird erwartet, dass der Markt von 6,49 Milliarden US-Dollar im Jahr 2023 auf 59,30 Milliarden US-Dollar im Jahr 2030 wächst und im Prognosezeitraum eine jährliche Wachstumsrate von 37,2 % aufweist .

Ein Bericht des Center for Security and Emerging Technology (CSET) besagt, dass 167 Investoren aus den USA an 401 Transaktionen beteiligt waren und chinesischen KI-Unternehmen von 2015 bis 2021 37 % (oder 40,2 Milliarden US-Dollar) an Finanzmitteln zur Verfügung stellten. Qualcomm Ventures und Intel Capital tätigten 13 bzw. 11 Investitionen, als sich die Sanktionen Washingtons verschärften.

In den USA wächst der Bereich der künstlichen Intelligenz (KI) exponentiell. Deep Learning ist eine Teilmenge von ML in der KI-Technologie. Der maschinelle Lernprozess wird mithilfe der hierarchischen Ebene künstlicher neuronaler Netze (KNN) durchgeführt. Aufgrund der Fortschritte bei Deep-Learning-Algorithmen wird erwartet, dass der Markt in den USA wachsen wird. Darüber hinaus wird prognostiziert, dass der ML-Markt in allen Endverbrauchsbranchen expandieren wird, da zahlreiche Unternehmen ihre Deep-Learning-Fähigkeiten stärken, um Innovationen zu fördern.

COVID-19-AUSWIRKUNGEN

COVID-19-Pandemie schafft beispiellose Marktchancen für führende Unternehmen

Gesundheitsorganisationen waren gezwungen, ihre Technologien schnell neu zu bewerten und Pläne für die digitale Transformation als sich das Coronavirus in den USA auszubreiten begann. Darüber hinaus begannen während der COVID-19-Pandemie Unternehmen, die in disruptive Technologien wie Edge Computing, künstliche Intelligenz (KI), vernetzte Geräte und ML investierten und diese implementierten, dies zu erkennen Diese Technologien halfen ihnen, sich von den anfänglichen Auswirkungen des Ausbruchs zu erholen und die zukünftige Geschäftsautomatisierung voranzutreiben.

Diese Faktoren trugen erheblich zum Wachstum des US-amerikanischen Marktes für maschinelles Lernen bei.

NEUESTE TRENDS

Fordern Sie ein kostenloses Muster an um mehr über diesen Bericht zu erfahren.

Schnelle Einführung von Big Data in verschiedenen Endverbrauchsbranchen, um die Nachfrage nach ML zu steigern

Die Datenmengen sind so stark angewachsen, dass in den letzten Jahren mehr Daten erstellt wurden als je zuvor in der Geschichte der Menschheit. Die BFSI-, Gesundheitswesen-, IT- und Telekommunikations- sowie die Automobilindustrie gehören zu den am stärksten von Big Data betroffenen Branchen. Die Anpassung an Big-Data-Dienste hat in den USA lobenswerterweise zugenommen. Die ständig steigende Nachfrage nach Daten aus strukturierten und unstrukturierten Quellen ist der Haupttreiber des robusten Big-Data-Marktes des Landes, der durch das wachsende öffentliche und private Angebot ermöglicht wird Dienstprogramme und Dienstleistungen.

Um mit der Forschung zu ML, Big Data Analytics, Vorhersagetechnologien und anderen zu beginnen KI – die allesamt notwendig ist, um der US-Landwirtschaft einen starken Vorsprung in der Nahrungsmittel- und Agrarproduktion zu verschaffen – hat das National Institute of Food and Agriculture des USDA 11 Zuschüsse im Rahmen des AFRI Food and Agriculture Non-formal Education (FANE)-Programms zur Unterstützung der Inhaltsentwicklung vergeben Aktivitäten für nicht formale Bildung zur Förderung der Entwicklung technikaffiner Jugendlicher, die sich im Dezember 2021 auf insgesamt mehr als 7 Millionen US-Dollar beliefen. Das Programm „Food and Agriculture Cyberinformatics and Tools“ (FACT) im Rahmen der USDA-NIFA Agriculture and Food Research Initiative (AFRI) bietet Finanzierung dieser Zuschüsse.

ANTRIEBSFAKTOREN

Die Zunahme unstrukturierter Daten wird die Entwicklung von Lösungen für maschinelles Lernen vorantreiben

Die Verwendung unstrukturierter Daten in Analyse-, Regulierungs- und Entscheidungsprozessen nimmt zu. Bei Marketingkampagnen und Business Intelligence wird die menschliche Entscheidungsfindung häufig durch unstrukturierte Datenanalysen beeinflusst. Diese Form von Daten ist in den Analysen zu sehen, die durch algorithmische Prozesse des maschinellen Lernens erstellt werden, Daten aus Internet of Things (IoT)-Geräte wie Ticker, Sensoren und andere funktionale Geräte sowie Rich Media, einschließlich Wetter-, Überwachungs- und Geodaten.

Laut Forbes wird die Zahl der unstrukturierten Daten bis 2025 voraussichtlich um 175 Milliarden Zettabyte zunehmen, was den Weg für eine starke Nachfrage nach KI- und ML-Lösungen in den kommenden Jahren ebnet.

EINHÄNGENDE FAKTOREN

Mangelnde Programmierkenntnisse schränken wahrscheinlich das Marktwachstum ein

Experten im Bereich Codierung sind in den USA aufgrund des Mangels an IT-Fachkräften schwer zu finden. Obwohl moderne Technologie überall präsent ist, ist es heute nahezu unmöglich, die digitale Transformation ohne die Hilfe neuer Technologiespezialisten umzusetzen. Diese harte Realität wird sich nur noch verschlimmern, wenn die Kluft zwischen der Nachfrage und dem Angebot an hochqualifizierten IT-Experten größer wird. Eine weltweite McKinsey-Umfrage ergab, dass es bis 2030 einen Mangel an etwa 82,5 Millionen Programmierern geben wird. Derzeit haben 87 % der Unternehmen Schwierigkeiten, die benötigten Programmiertalente zu finden.

Einige Branchen, insbesondere diejenigen, die sich mit Datenanalysen befassen, verzeichnen jedoch gleichzeitig eine hohe Nachfrage und ein schnelles Wachstum, während sie gleichzeitig dringend Personal benötigen. Darüber hinaus schätzt das U.S. Bureau of Labor Statistics, dass es bis 2026 einen Mangel an Ingenieuren von über 1,2 Millionen geben wird. Es wird erwartet, dass dies die Ausweitung des US-Marktanteils im Bereich maschinelles Lernen vorübergehend behindern wird.

SEGMENTIERUNG

Nach Unternehmenstypanalyse

Verbreitung von KI- und ML-Technologien bei KMU zur Förderung des Marktwachstums

Der Markt ist nach Unternehmenstyp in kleine und mittlere Unternehmen (KMU) und große Unternehmen unterteilt. In den kommenden Jahren werden KMUs in den USA wahrscheinlich verstärkt Lösungen für maschinelles Lernen nutzen. In der heutigen Wirtschaft haben Systeme der künstlichen Intelligenz insbesondere das Potenzial, Kosten zu senken für KMU.

Während einige große US-Unternehmen bei der weltweiten Einführung von KI und maschinellem Lernen führend sind, stehen die politischen Entscheidungsträger nun vor der Herausforderung, die Verbreitung dieser Technologien in der gesamten Wirtschaft zu unterstützen. 89 % der US-Unternehmen mit weniger als 20 Mitarbeitern und 98 % der Unternehmen mit weniger als 100 Mitarbeitern müssen Tools für maschinelles Lernen zur Verfügung gestellt werden, damit das Land sein volles Produktivitätspotenzial ausschöpfen kann. KMU erholen sich immer noch von den Auswirkungen der anhaltenden COVID-19-Krise, daher wäre eine KI-gestützte Produktivitätssteigerung durchaus praktisch.

Nach Bereitstellungsanalyse

Cloudbasierte Plattformen für maschinelles Lernen zur Steigerung des Marktfortschritts

Basierend auf der Bereitstellung wurde der Markt in On-Premise und Cloud unterteilt. Einige der Hauptakteure auf dem Markt bieten Cloud-basierte oder On-Premise-Lösungen für maschinelles Lernen an . Es wird erwartet, dass das Cloud-Segment ein bemerkenswertes Wachstum verzeichnen wird. Flexibilität, automatische Software-Upgrades, Katastrophenmanagement über cloudbasierte Backup-Systeme und verbesserte Effizienz sind die Hauptvorteile, die zur Implementierung cloudbasierter Bereitstellungsmodelle für Deep-Learning-Softwarelösungen und -Dienste geführt haben.

Google Cloud wird beispielsweise von Alphabet, Inc. bereitgestellt. Eine breite Palette von KI- und ML-Tools ist in Google Cloud verfügbar. BigML bietet On-Premise-Bereitstellungen für Unternehmen, die Konfiguration, Wartung und Verwaltung ihrer eigenen Installationen benötigen.

Nach Analyse der Endverbrauchsbranche

Um zu erfahren, wie unser Bericht Ihnen helfen kann, Ihr Unternehmen zu optimieren, Sprich mit Analyst

BFSI sowie die Automobil- und Transportsegmente werden aufgrund der Einführung von ML-Lösungen eine bemerkenswerte Wachstumsrate verzeichnen

Banken und andere Finanzorganisationen beeinflussen Fortschritte bei maschinellen Lerntechnologien, um falsche Darstellungen zu erkennen und wichtige Erkenntnisse in Daten aufzuzeigen. In den USA hat sich E-Commerce als wichtiger Treiber für die Geschäftspraktiken des Einzelhandels erwiesen. Einzelhändler nutzen maschinelle Intelligenz, um Daten zu sammeln, zu analysieren und sie zu nutzen, um Kunden personalisierte Einkaufserlebnisse zu bieten. Die Nachfrage des Finanz- und Einzelhandelssektors nach dieser Technologie wird durch diese Faktoren befeuert.

Es wird erwartet, dass die Automobil- und Transportindustrie in den kommenden Jahren erheblich wachsen wird. Die Nachfrage nach innovativen Lösungen wird durch Forschung und Entwicklung zu selbstfahrenden Autos und autonomen Transportmitteln vorangetrieben.

WICHTIGSTE INDUSTRIE-AKTEURE

Hauptakteure konzentrieren sich auf die Ausweitung ihrer geografischen Präsenz, um auf dem Markt konkurrenzfähig zu sein

Die Wettbewerbslandschaft des US-amerikanischen ML-Marktes ist mit einigen wenigen Schlüsselakteuren konsolidiert, die global und regional tätig sind. Um ihre Position auf dem US-Markt zu stärken und ihre jeweiligen Portfolios zu erweitern, bilden große Player strategische Allianzen.

Liste der wichtigsten profilierten Unternehmen:

• IBM Corporation (USA)


• Oracle Corporation (USA)
  
• Hewlett Packard Enterprise Company (USA)


• Microsoft Corporation (USA)
  
• Amazon, Inc. (USA)


• Fair Isaac Corporation (USA)


• RapidMiner Inc. (USA)


• H2O.ai (USA)


• Teradata (USA)


• TIBCO Software Inc. (USA)

WICHTIGE INDUSTRIEENTWICKLUNGEN

• Juni 2022– Die Integration der Multi-Cloud-Daten- und Analyseplattform Teradata Vantage mit Amazon SageMaker und ihre allgemeine Verfügbarkeit wurden von Teradata veröffentlicht. Diese Aktion dient der Unterstützung des Analyse-Frameworks Analytics 123 von Teradata, das Unternehmen, die mit KI/ML-Initiativen auf Produktionsebene zu kämpfen haben, einen schrittweisen Ansatz zur Skalierung ihrer analytischen Modellbereitstellung bietet.


• Oktober 2022 – Das künstliche Intelligenzsystem System-on-Chip (SoC) von IBM wurde kürzlich der Öffentlichkeit zugänglich gemacht. Das Gerät ist darauf ausgelegt, Deep-Learning-Modelle effizienter und deutlich schneller als CPUs zu trainieren und auszuführen. Das System verfügt aufgrund eines 5-nm-Prozessknotens über 32 Prozessorkerne und 23 Milliarden Transistoren auf dem SoC.

BERICHTSBEREICH

Umfangreiche Einblicke in den Markt gewinnen, Anfrage zur Anpassung

Der Forschungsbericht bietet eine umfassende Analyse des Marktes. Es konzentriert sich auf Schlüsselaspekte wie namhafte Unternehmen und führende Anwendungen des Produkts. Darüber hinaus beleuchtet der Bericht wichtige Branchenentwicklungen und bietet Einblicke in die Markttrends. Zusätzlich zu den oben genannten Faktoren berücksichtigt der Bericht weitere Faktoren, die in den letzten Jahren zum Marktwachstum beigetragen haben.

UMFANG UND SEGMENTIERUNG DES BERICHTS