自动化机器学习市场规模、份额和行业分析，按部署模型（本地和基于云）、按企业类型（中小企业和大型企业）；按垂直行业（BFSI、医疗保健与生命科学、零售与电子商务、IT 与电信、政府与国防等）和区域预测，2024-2032 年

自动化机器 (AutoML) 学习为非机器学习专家提供了可用的方法和技术，并加速了机器学习研究。近年来，机器学习 (ML) 取得了令人难以置信的成功，更多 disciplines 依赖于它。借助 AutoML，机器学习经验较少的开发人员可以根据其业务需求训练复杂的模型。机器学习应用的快速扩展需要易于使用且不需要专门理解的机器学习技术。

由于数据科学人才缺口、快速的技术进步以及人工智能在各行业的日益普及，AutoML 市场正在经历显着增长。根据 Adastra Corporation 的“2024 年数据专业人员市场调查预测”报告，大约 76% 的美国数据专业人员指出，数据科学人才短缺将持续到 2024 年。根据 Anaconda Inc. 的“2022 年数据科学状况”报告中，63% 的受访者表示，他们的组织至少对该领域的人才短缺感到中等程度的担忧。随着企业产生更多数据，对数据科学家的需求不断增加。 AutoML 工具可以让非机器学习专家构建和部署 ML 模型，从而帮助弥合这一差距。   

COVID-19 大流行对市场产生了复杂的影响。此次疫情凸显了数据驱动决策的重要性，引发了人们对人工智能和机器学习（包括 AutoML）的浓厚兴趣。然而，由于疫情对经济的影响，许多组织面临预算限制，导致人工智能和 AutoML 投资出现一些延迟。

生成式人工智能对自动化机器学习市场的影响

机器学习 (ML) 是一项革命性技术，带来了重大挑战，例如模型性能、数据不平衡和复杂性。根据 Ecosystm-Kyndryl 2022 年数字化转型研究，约 46% 的受访者表示对 AI/ML 技术感兴趣。 生成式人工智能创建了更复杂的模型，包括人类难以手动设计的深度神经网络。 这增强了 AutoML 解决更复杂问题的能力。 

主要见解

该报告涵盖以下主要见解：

• 微观宏观经济指标
• 驱动因素、限制因素、趋势和机遇
• 主要参与者采取的业务策略
• 主要参与者的综合 SWOT 分析

细分

企业分析type

自动化机器学习市场分为中小企业和大型企业。大型企业细分市场占据主导地位，因为这些企业通常有更多的财务资源来投资尖端技术。大型组织有能力分配更多资金来购买 AutoML 平台、雇用数据科学家以及投资所需的基础设施。大型企业通常会生成大量数据，这对于训练准确的机器学习模型非常重要。通过访问广泛且多样化的数据集，他们能够使用 AutoML 开发更强大的模型。

区域分析

全球自动化机器学习市场分为五个地区：北美、南美、欧洲、中东和非洲以及亚太地区。

由于该地区快速的技术进步、主要参与者的存在以及强劲的研发活动，北美占据了最高的市场份额。该地区的企业是机器学习技术的早期采用者，因此对 AutoML 系统的需求很高。

由于经济的快速扩张和数字化的强劲，亚太地区的自动化机器学习市场复合年增长率最高。该地区的企业正在经历显着的数字化转型，以应对快速发展的业务动态，推动对先进技术的投资。

自动化机器学习市场的全球分布（按地区）

• 北美 – 32%
• 南美洲 – 7%
• 欧洲 – 24%
• 中东和非洲 – 12%
• 亚太地区 – 25%

涵盖的关键参与者

该报告提供了 Google LLC、Run.ai、Amazon Web Services, Inc.、Binary Global、Microsoft Corporation、IBM Corporation 和 DataBricks 等主要参与者的概况。

主要行业发展

2023 年 3 月：TDK Corporation 旗下公司 Qeexo 宣布推出适用于 Arm Keil MDK 的自动化机器学习。该解决方案将支持使用 AutoML 和 Arm Keil MDK 实现端到端嵌入式机器学习和开发工作流程。

2021 年 5 月：DataBricks 宣布推出“DataBricks AutoML”，使企业能够通过自动化预处理和模型训练/调整来轻松构建和部署 ML 模型。