市場規模と予測：
- 2025年の市場規模：4,393億6,000万米ドル
- 2026年の市場規模：6,019億3,000万米ドル
- 2033年の売上高予測：3兆6,380億8,000万米ドル
- 成長率：2026年から2033年までの年平均成長率（CAGR）29.3％
- 2021年から2033年までのデータが利用可能です
アメリカの人工知能市場
- 2025年の市場規模：1,326.8億ドル
- 2030年の市場予測：7,500.04億ドル
- 市場は年平均成長率（CAGR）28.1％で拡大しています
アジア太平洋地域の人工知能市場
- 2025年の市場規模は102.59億米ドル
- 2032年の市場予測は815.98億米ドル
- 市場は年平均成長率（CAGR）34.5％で拡大しています
ヨーロッパの人工知能市場
- 2025年の市場規模は86.24億米ドル
- 2030年の市場規模は5,480億300万米ドルと予測されています
- 市場は年平均成長率（CAGR）30.2％で拡大しています
サウジアラビアの人工知能市場2025年の市場規模は21億4,000万米ドル2030年の市場規模は169億米ドルと予測されています市場は年平均成長率（CAGR）34.3％で拡大しています
主なポイント
2026年には、北米が42.3％という最大のシェアを占めると推定されています。
提供形態別では、2026年にハードウェアセグメントが47.8％という最大のシェアを占めると推定されています。
導入モデル別では、予測期間中にハイブリッドモデルが最も高い成長率（39.7％）を示すと見込まれています。
技術別では、生成AIセグメントが2026年から2033年にかけて最も高い成長率（36.8％）を記録する見込みです。
業務機能別では、オペレーションおよびサプライチェーンセグメントが2026年に市場を牽引する見通しです。
産業別ユースケースでは、ソフトウェアおよびテクノロジーセグメントが2026年に市場をリードし、市場価値ベースで最大のシェアを占めると予想されます。
エンドユーザー別では、予測期間を通じて医療・ライフサイエンス分野が最も高い成長率を示すと見込まれています。
NVIDIA、Microsoft、およびAWSは、広範な顧客基盤、包括的なAI機能、そしてAIバリューチェーン全体における強力な存在感により、AI市場で主導的な地位を維持しています。
Mistral、Cohere、およびAnyscaleは、専門的なAIアプリケーションに注力することで、スタートアップや中小企業の間で着実な支持を獲得しており、大きな成長ポテンシャルを秘めた新興プレイヤーとしての地位を確立しています。
人工知能市場は、さまざまな地域、産業、購入者種類にまたがるいくつかの主要なテーマの影響を受けています。企業の購入者は、スタンドアロンのAIツールからますます離れ、データインフラ、モデル展開、ワークフローの自動化を単一の環境に統合した包括的なプラットフォームを選択するようになっています。
生成AIは今や基本的な期待事項となっており、組織は、精度、コンプライアンス、監督に関する新たなリスクを招くことなく、責任を持ってそれを拡大する方法という課題に取り組んでいます。このトレンドに続き、人間の介入を最小限に抑えながら、システムが複数ステップのワークフローを計画・実行できる「エージェント型AI」が登場しています。この変化により、実務におけるエンタープライズ自動化のあり方が再定義されつつあります。こうした進歩の中核にあるのは、物理的な供給不足とイノベーションの両面を含むハードウェアの動向です。AIの演算能力に対する需要は、利用可能なインフラの供給量を上回り続けています。最も高性能なチップとデータセンターの容量を確保した企業は、長期的な面で大きな優位性を享受しています。
顧客の顧客に影響を与えるトレンドとディスラプション
人工知能市場では、収益の創出方法とその将来像において、大きな構造的変化が起きています。ハードウェア面では、支出が汎用コンピューティングから専用のAIアクセラレータへとシフトしています。NVIDIAのGPUや主要クラウドプロバイダーが提供するカスタムシリコンへの需要が、世界的な設備投資の優先順位を再構築しつつあります。ソフトウェアの面では、収益はスタンドアロンのポイントソリューションから、広範かつ水平的な範囲をカバーするAIプラットフォームへと移行しています。独立して動作し、より大規模なワークフローへの統合が欠如しているツールは、ますます厳しい状況に直面しています。
AI機能を生産性向上ツール、クラウドサービス、およびエンタープライズアプリケーションに統合するプラットフォーム層が、持続可能な収益創出の主要な領域として台頭しています。さらに、サービス収益の動向も変化しています。単発の移行や導入作業のみに焦点を当てるのではなく、現在はマネージドAIサービス、継続的なモデルの改良、AIガバナンスに関するアドバイザリー、および自動化されたワークフローの導入において成長が見られます。企業がAIの実験段階から本番運用へと移行するのを支援する企業には、大きな需要が寄せられています。パイロット運用とスケールアップの間のギャップは、多くの組織が独自に対処する上で依然として最も困難な課題の一つであるため、この移行は極めて重要です。
ドライバー：エージェント型AIは、企業における導入形態を、孤立したツールから自律的なワークフローの実行へと移行させています
現在、企業のAI分野で起きている最も重要な変化は、ユーザーを支援するツールから、ユーザーに代わって自律的に動作するシステムへの移行です。エージェント型AI――継続的な人間の指導なしに、多段階のタスクにわたって計画、実行、適応を行うことができるシステム――は、孤立した自動化に代わり、より自律的なワークフロー管理アプローチを確立し始めています。この変革は、AIが企業に価値を生み出す方法における重要な進歩を意味します。その商業的な影響は甚大です。エンタープライズ規模で信頼性が高く、ガバナンスの整ったエージェント型機能を提供できるベンダーは、新たなAI投資におけるシェアを拡大しています。購入者は単にソフトウェアを購入しているのではなく、業務の遂行方法そのものを再構築しているのです。この変化により、これまでのAI製品サイクルに比べて、契約規模の拡大、契約期間の長期化、そしてプラットフォームへの依存度の高まりが見られます。
制約：エネルギーインフラの制約が、AIコンピューティングの拡張に構造的なボトルネックを生み出しています
AIコンピューティング能力の拡大は、チップ設計やソフトウェアの機能とはほとんど関係のない要因、すなわち電力の供給状況によって、ますます制限されるようになっています。AIのトレーニングや推論のワークロードは、極めてエネルギーを大量に消費します。AIに使用されるGPUベースの計算は、従来のサーバーラックに比べて最大6倍もの電力を消費する可能性があります。特定の地域に需要が集中していることは、地域の電力網に多大な負担をかけています。2024年、世界のデータセンターの電力消費量は約415 TWh（テラワット時）に達し、これは世界の電力使用量の約1.5％を占めました。国際エネルギー機関（IEA）は、この消費量が2030年までに約2倍の945 TWhに達すると予測しており、AIワークロードがこの増加の主な要因となる見込みです。AIハードウェアベンダー、クラウドプロバイダー、そして独自のAIインフラを構築する企業にとって、エネルギー計画はチップの調達と同様に重要になっています。信頼性が高くコスト効率の良い電力供給を確保できた企業は大きな競争優位性を得られる一方、それができない企業は、AIの処理能力を積極的に拡大する上で現実的な制約に直面することになります。
機会：AIガバナンスおよび安全インフラは、独立した急成長中の商業セグメントとして台頭しています
金融サービス、医療、法令遵守、顧客エンゲージメントなど、より重要な企業の意思決定に人工知能（AI）が組み込まれるにつれ、責任あるガバナンスの必要性は、単なる倫理的な議論から、極めて重要な商業的要件へと変化しています。AIガバナンス、リスク管理、および安全対策は、広範なAI市場の中で独自のセグメントとして急速に発展しており、購入者はAIシステムの挙動に対して検証可能な制御を提供するソリューションへの投資に、ますます前向きになっています。この需要は、複数の要因から同時に生じています。調達チームは現在、ベンダーに対して、AIソリューションの機能だけでなく、これらのシステムをどのように監視、監査、修正できるかについても、ますます質問するようになっています。AIベンダーにとって、ガバナンスを提供する能力は、競争上の優位性から基本的な必要条件へと急速に移行しつつあります。今日、信頼性の高いガバナンスインフラを構築している企業は、今後10年以内に重要な収益源となることが予想されるこの分野において、優位な立場を確立しつつあります。
課題：パイロット段階から本番環境への移行におけるギャップが、企業におけるAIの価値実現を大規模に制約している
概念実証（PoC）の成功と、本番環境に対応したAIシステムとの間には、多くの組織が予想するよりも大きなギャップが存在します。このギャップを埋めることは、AI投資が約束するリターンを実現するための最も重要な課題の一つとなっています。この課題は複雑かつ多面的です。制御されたテスト環境では良好なパフォーマンスを発揮するモデルでも、開発時に考慮されていなかった実データの変動性、エッジケース、組織のワークフローに直面すると、予期せぬ失敗を招く可能性があります。さらに、レガシーシステムとの統合、データ品質の問題、変化への抵抗、そして継続的なモデルメンテナンスの必要性などが、導入コストを押し上げ、その結果、予測されていた投資収益率（ROI）を低下させる要因となります。ベンダーやサービスプロバイダーにとって、企業がこのギャップを埋めるのを支援することは、重要な価値提案となっています。実験段階から信頼性の高い本番環境への展開までの期間を短縮できる企業は、エンタープライズAI予算の大きなシェアを獲得しています。
市場エコシステム
人工知能（AI）市場のエコシステムは、AIハードウェアプロバイダー、AIソフトウェアプロバイダー、AIサービスプロバイダーという、相互に依存し合う3つの層で構成されています。各層は、企業がAIシステムを大規模に設計、構築、運用できるようにする上でそれぞれ異なる役割を果たしており、これらが一体となって、より広範なAI市場を支える商業インフラを形成しています。AIハードウェアプロバイダーは、このエコシステムの基盤を成しています。このグループには、すべてのAIワークロードの基盤となるチップ、メモリ、ネットワークコンポーネント、ストレージシステムのメーカーが含まれます。AIソフトウェアプロバイダーは、ハードウェアの機能をビジネスに活用可能なインテリジェンスへと変換します。この層には、OpenAI、Anthropic、Google DeepMind、Metaなどの基盤モデルの開発者に加え、Microsoft（Azure AI、Copilot）、Salesforce、ServiceNow、SAPといったエンタープライズAIプラットフォームベンダーが含まれます。最後に、AIサービスプロバイダーは、特に大企業での導入において、極めて重要な柱としての役割を果たしています。グローバルなコンサルティングおよび導入支援企業は、組織がデータインフラストラクチャを近代化し、AI対応のアーキテクチャを設計し、変化を管理し、継続的なAIイニシアチブを運用する上で、重要な役割を果たしています。企業は、AIを大規模に導入するには技術的な課題だけでなく、組織やプロセスに関連する課題も伴うことを認識するにつれ、サービス契約の重要性はますます高まっています。
地域
2026年には北米がAI市場を支配すると予想されます
北米は、2026年においても世界の人工知能市場で最大のシェアを占める地位を維持すると予想されます。これは北米が一貫して維持してきた地位であり、近い将来にその地位を失う可能性は低いと考えられます。この優位性の理由は、同地域に最大手の技術企業が集中していることだけにとどまりません。北米では、研究、資本、人材、支援的な規制環境、そして企業による高い導入率を包含する、自己強化的なエコシステムが形成されており、これらすべてを他の地域が短期間で再現することは困難です。インフラレベルでは、米国は世界でも最もAIコンピューティング能力が集中している地域です。2024年と2025年、アメリカのハイパースケーラー各社は、AIインフラに総額数千億ドルを投資しました。
この堅調なベンチャーキャピタルおよび民間投資のエコシステムが、AI開発をさらに後押ししています。資本が集中していることで、画期的な能力を持つAIスタートアップが北米で誕生し、規模を拡大して上場する可能性が高まり、同地域のAIエコシステムの競争優位性が絶えず刷新されています。企業での導入という点では、アメリカ企業におけるAI導入の規模は他に類を見ません。AI主導のプロセスを全面的に活用している企業の割合は、米国が最も高くなっています。さらに、政府による投資も顕著です。例えば、米国防総省は2025会計年度において、科学技術プロジェクトに172億米ドルを割り当て、AI、宇宙、統合センシングを主要な優先事項として位置づけています。
人工知能（AI）市場：企業評価マトリックス
マイクロソフトは、他のどの組織も真似できない独自の方法で、広範なインフラ、幅広い流通網、そして高度なプラットフォーム機能を組み合わせることで、老舗のエンタープライズ・技術企業の中で人工知能市場において主導的な地位を占めています。マイクロソフトを他のAIリーダーと一線を画すのは、その広範な流通ネットワークです。主にハードウェアを販売するNVIDIAや、APIアクセスを提供するOpenAIとは異なり、マイクロソフトは既存の企業との関係を活かしてAI機能を提供しています。これらの関係は、クラウドインフラ、生産性ソフトウェア、オペレーティングシステム、ビジネスアプリケーションに及び、新たな調達プロセスを必要とせずに、企業顧客にAI機能を導入するという点で、マイクロソフトに比類のない優位性をもたらしています。さらに、SAPは、主要なクラウドサービスプロバイダー以外において、エンタープライズAIの重要なプレイヤーとして台頭しています。SAPは、他のAI企業のほとんどが持たない独自の資産、すなわち、財務、調達、サプライチェーン、人事、顧客業務にわたる企業ビジネスデータへの、数十年にわたり深く根付いたアクセスを活用しています。このデータは大規模組織の運営において不可欠であり、複雑なデータ移行や統合プロセスを必要とせずに、これらの分野にAIを統合できるSAPの能力は、真の競争優位性となっています。
主要市場プレイヤー
NVIDIA (US)
AWS (US)
Microsoft (US)
OpenAI (US)
Google (US)
Oracle (US)
HPE (US)
Alibaba (China)
AMD (US)
Databricks (US)
CoreWeave (US)
Huawei (China)
Salesforce (US)
IBM (US)
SAP (Germany)
最近の動向
2026年5月：NVIDIAは、台湾におけるAIエコシステムへの投資を大幅に拡大する計画を発表しました。この拡大により、半導体製造、システム統合、およびAIインフラ開発におけるパートナーシップが強化されます。同社は、高速演算プラットフォームや次世代AIシステムに対する需要の高まりを強調しました。さらに、NVIDIAは「Vera Rubin」アーキテクチャの導入を推進しており、これにより、世界中で高まるエンタープライズAI、ソブリンAI、およびエージェント型AIのワークロードに対するニーズに対応できる体制を整えています。
2026年5月：マイクロソフトは、新しい「Copilot Studio」機能によりエンタープライズAIポートフォリオを拡充しました。これには、コンピュータを利用するエージェントの一般提供や、ワークフロー自動化機能の強化が含まれます。
2026年4月：OpenAIはChatGPTを更新し、タスクの実行能力と多段階推論能力を向上させました。これにより、システムはより複雑な指示を処理し、完了するまで対話を維持できるようになりました。
2026年4月：AWSは、Anthropic社の「Claude Opus 4.7」モデルをAmazon Bedrockに追加し、基盤モデルの選択肢を拡大しました。このモデルは、推論能力の向上、指示の順守性の向上、生成能力の向上を実現しています。これらの機能強化により、Bedrockはマルチモーダル生成AIプラットフォームとしての地位をさらに強固なものにしました。
2026年4月：Googleは、エージェント型AIの時代に最適化された第8世代TPUを発表し、パフォーマンスとスケーラビリティを大幅に向上させました。新しいTPUアーキテクチャはメモリの制限を克服し、大規模AIモデルの効率的なトレーニングと推論を可能にします。
1 はじめに 91
1.1 本調査の目的 91
1.2 市場の定義 91
1.2.1 対象範囲および除外項目 92
1.3 市場の範囲 93
1.3.1 市場のセグメンテーション 93
1.3.2 対象期間 101
1.4 対象通貨 101
1.5 ステークホルダー 102
1.6 変更点の概要 103
2 エグゼクティブ・サマリー 104
2.1 市場のハイライトと主要な洞察 104
2.2 主要な市場参加者：戦略的展開のマッピング 107
2.3 人工知能市場における破壊的トレンド 109
2.4 高成長セグメント 110
2.5 地域別概要：市場規模、成長率、および予測 112
3 プレミアムインサイト 114
3.1 人工知能市場における魅力的な機会 114
3.2 地域別人工知能市場 115
3.3 人工知能市場：主要な3つのAIソフトウェアの種類 115
3.4 北米：提供形態および導入形態別の人工知能市場 116
3.5 地域別の人工知能市場 116
4 市場の概要 117
4.1 はじめに 117
4.2 市場の動向 117
4.2.1 推進要因 118
4.2.1.1 エージェント型AIにより、企業での導入が孤立したツールから自律的なワークフローの実行へと移行しています 118
4.2.1.2 主権型AIインフラへの投資が、すべての地域において構造的な長期的需要を生み出しています 119
4.2.1.3 オープンソースモデルの普及により、AIへのアクセスが民主化され、導入コストが削減されています 119
4.2.1.4 独自企業データが、AI経済における決定的な競争優位性として台頭しています 120
4.2.2 阻害要因 120
4.2.2.1 エネルギーインフラの制約が、AIコンピューティングの拡大に構造的なボトルネックを生み出しています 120
4.2.2.2 世界的に分断された規制環境が、企業のコンプライアンス負担を増大させ、規制対象セクターにおける導入を遅らせています 121
4.2.3 機会 121
4.2.3.1 フィジカルAIとロボットは、デジタル経済を超えた価値創造の新たなフロンティアです 121
4.2.3.2 AIを活用した医療の変革が、最大かつ最も持続的な産業市場機会の一つを切り開いています 122
4.2.3.3 AIガバナンスおよび安全インフラが、独自の急速に成長する商業セグメントとして台頭しています 122
4.2.3.4 小型言語モデルとエッジAIにより、コスト、遅延、プライバシーの制約がある環境での導入が可能になります 123
4.2.4 課題 123
4.2.4.1 パイロット段階から本番環境への移行におけるギャップが、企業におけるAIの価値実現を大規模に制約しています 123
4.2.4.2 AI人材の集中が、地域や組織規模を跨ぐ能力分布において構造的な不平等を生み出しています 124
4.3 未充足のニーズと未開拓分野 124
4.3.1 人工知能市場における未充足のニーズ 125
4.3.2 未開拓分野における機会 126
4.4 相互に関連する市場とセクター横断的な機会 127
4.4.1 相互に関連する市場 127
4.4.2 セクター横断的な機会 127
4.5 ティア1/2/3の主要企業による戦略的動き 128
4.5.1 ティア1/2/3のプレーヤーによる戦略的動き 128
5 産業の動向 130
5.1 人工知能の進化 130
5.2 ポーターの5つの力分析 132
5.2.1 新規参入の脅威 133
5.2.2 代替品の脅威 134
5.2.3 供給者の交渉力 134
5.2.4 買い手の交渉力 135
5.2.5 競合の激しさ 135
5.3 サプライチェーン分析 136
5.4 エコシステム分析 138
5.4.1 AIハードウェアプロバイダー 142
5.4.2 AIソフトウェアプロバイダー 142
5.4.3 AIサービスプロバイダー 143
5.5 価格分析 143
5.5.1 地域別平均販売価格の推移（2022年～2026年） 145
5.5. 2 AIソフトウェア別参考価格分析（2026年） 147
5.6 貿易分析 149
5.6.1 コンピュータ処理ユニット（HSN：847150）の輸出シナリオ 149
5.6.2 コンピュータ ER処理ユニット（HSN：847150）の輸入シナリオ 151
5.7 2026年～2027年の主要な会議およびイベント 152
5.8 顧客のビジネスに影響を与えるトレンド／ディスラプション 153
5.9 投資および資金調達のシナリオ 154
5.9.1 世界のベンチャーキャピタルおよびAI資金調達の動向 155
5.9.2 地域別・地理的分析 156
5.9.3 カテゴリー別・セクター別のAI資金調達 157
5.9.4 主要なAIユニコーン企業 158
5.10 ケーススタディ分析 159
5.10.1 ブラデスコ：顧客体験の変革に向けたスケーラブルな人工知能の導入 159
5.10.2 ハイネケンが Microsoft Copilot Studio を活用して実現したスケーラブルな人工知能 160
5.10.3 PATTERN、AWS Nova を活用した E コマース最適化のためのスケーラブルな生成AIを実現 161
5.10.4 アメリカ空軍、C3.AI プラットフォームを活用した AI 駆動型の予知保全を実現 162
5.10.5 フェデックスがセールスフォース・データクラウドを活用してAI主導の顧客エンゲージメントを実現 163
5.10.6 SUNOHがアンビエントAIスクライブを活用してAI主導の医療文書作成の自動化を実現 164
5.10.7 ハースト・テレビジョンが「SymphonyAI Revedia」を活用し、AIを活用したコンテンツ収益の最適化を実現 165
5.10.8 SINGTEL、NVIDIA AI ENTERPRISE を活用して AI 搭載の 5G エンタープライズサービスを実現 166
5.10.9 IBM、INTEL GAUDI 3 を活用してコスト効率の高いエンタープライズ AI のスケーリングを実現 167
5.10.10 AES、H2O AI CLOUDを活用し、AI主導のエネルギー最適化と予知保全を実現 168
5.11 2025年のアメリカ関税が人工知能市場に与える影響 169
5.11.1 はじめに 169
5.11.1.1 関税・通商政策の最新情報（2026年1月～5月） 169
5.11.2 主要な関税率 171
5.11.3 価格への影響分析 171
5.11.3.1 戦略的転換と新たなトレンド 172
5.11.4 国・地域への影響 173
5.11.4.1 アメリカ 173
5.11.4.2 中国 174
5.11.4.3 ヨーロッパ 174
5.11.4.4 アジア太平洋地域（中国を除く） 175
5.11.5 最終用途産業への影響 175
5.11.5.1 金融 175
5.11.5.2 小売・Eコマース 176
5.11.5.3 医療・ライフサイエンス 176
5.11.5.4 通信 177
5.11.5.5 ソフトウェアおよび技術プロバイダー 177
5.11.5.6 政府および公共部門 177
5.11.5.7 メディアおよびエンターテインメント 178
5.11.5.8 その他の産業 178
6 技術の進歩、特許、イノベーション、
および将来の応用 179
6.1 主要な新興技術 179
6.1.1 大規模言語モデル（LLM）および基盤モデル 179
6.1.2 機械学習および深層学習 180
6.1.3 自然言語処理（NLP） 180
6.1.4 コンピュータビジョンおよびマルチモーダルAI 181
6.1.5 生成AI 182
6.1.6 AIエージェントとマルチエージェントシステム 182
6.2 補完的な技術 183
6.2.1 AIアクセラレータチップ 183
6.2.2 クラウドコンピューティングとハイパフォーマンスコンピューティング 183
6.2.3 MLOPS、LLMOPS、AGENTOPSプラットフォーム 184
6.2.4 データレイクハウスプラットフォームとデータパイプライン 184
6.2.5 ベクトルデータベースとナレッジグラフ 185
6.2.6 AIガバナンス、オブザーバビリティ、およびセキュリティプラットフォーム 186
6.3 関連技術 186
6.3.1 ロボティック・プロセス・オートメーション（RPA） 186
6.3.2 モノのインターネット（IoT）およびエッジコンピューティング 187
6.3.3 サイバーセキュリティ 187
6.3.4 デジタルツイン 188
6.3.5 自律システムおよびロボット 188
6.3.6 ビジネスインテリジェンス、ERPおよびCRMシステム 189
6.4 技術ロードマップ 189
6.4.1 フェーズ1：AIによる機能拡張（2025年～2027年） 191
6.4.2 フェーズ2：運用展開（2027年～2030年） 191
6.4.3 フェーズ3：AI主導の変革（2030年～2035年） 192
6.5 特許分析 193
6.5.1 方法論 193
6.5.2 2016年～2026年の出願特許数（文書種類別） 193
6.5.3 イノベーションと特許出願 193
6.6 将来の応用分野 198
6.6.1 自律型エンタープライズAIエージェント 199
6.6.2 物理AIと自律型ロボット 200
6.6.3 AIデジタルツイン意思決定システム 201
6.6.4 科学・エンジニアリング分野のAIディスカバリープラットフォーム 202
6.6.5 アンビエント・マルチモーダルAIアシスタント 203
7 関税分析および規制環境 204
7.1 コンピュータ処理ユニットに関連する関税 204
7.1.1 コンピュータ処理ユニットに関連する関税（HSN：847150） 204
7.2 地域ごとの規制およびコンプライアンス 206
7.2.1 規制機関、政府機関、およびその他の組織 206
7.2.2 主な規制 209
7.2.2.1 北米 209
7.2.2.1.1 大統領令第14179号 — 人工知能分野におけるアメリカのリーダーシップの障壁の除去（アメリカ） 209
7.2.2.1.2 NIST人工知能リスク管理フレームワーク（アメリカ） 210
7.2.2.1.3 州ごとのAI法はバラバラ — コロラド州、テキサス州、カリフォルニア州、イリノイ州（アメリカ） 210
7.2.2.1.4 自動意思決定に関する指令（カナダ — 連邦） 211
7.2.2.2 ヨーロッパ 211
7.2.2.2.1 EU AI法（規則EU 2024/1689）（欧州連合） 211
7.2.2.2.2 一般データ保護規則 — 自動化された意思決定に関する第22条（GDPR）（欧州連合） 212
7.2.2.2.3 イノベーション促進型AI規制アプローチ — AI機会行動計画（英国） 212
7.2.2.2.4 国家AI戦略（Nationale KI-Strategie）および連邦データ保護法（BDSG）（ドイツ） 213
7.2.2.2.5 CNILの生成AIおよび自動化された意思決定に関する枠組み （フランス） 213
7.2.2.2.6 Garante AI規制枠組み — 生成AIおよび個人データ（イタリア） 214
7.2.2.2.7 国家AI戦略（ENIA）およびAESIA — スペインAI監督機関（スペイン） 214
7.2.2.2.8 国家AI開発戦略（政令第490号）およびモスクワにおけるAI実験に関する連邦法（第123-FZ号）（ロシア） 215
7.2.2.2.9 オランダのアルゴリズム登録簿（Algoritmeregister）およびベルギーの「AI 4 Belgium」戦略（ベネルクス） 215
7.2.2. 2.10 北欧諸国の国家AI戦略 — AIスウェーデン、デンマーク国家AI戦略、フィンランドAIプログラム、ノルウェー国家AI戦略（北欧諸国） 216
7.2.2.3 アジア太平洋地域 216
7.2.2.3.1 生成型人工知能サービスの管理に関する暫定措置およびAI生成コンテンツの識別措置（中国） 216
7.2.2.3.2 2023年デジタル個人データ保護法（DPDPA）およびインドAIガバナンスガイドライン（MeitY、2025年）（インド） 217
7.2.2.3.3 「人工知能の研究開発の促進及び適正な利用に関する法律」（AI促進法）（日本） 218
7.2.2.3.4 「人工知能の開発及び信頼性の基盤の確立に関する基本法」（韓国） 218
7.2.2.3.5 「シンガポールAIガバナンスモデルフレームワーク（第2版）」および「ASEAN AIガバナンス・倫理ガイドライン」（ASEAN） 219
7.2.2.3.6 オーストラリアの自主的なAI安全基準およびニュージーランドの「アオテアロア・アルゴリズム憲章」（オーストラリアおよびニュージーランド） 219
7.2.2.3.7 台湾の「個人データ保護法（PDPA）」および香港金融管理局（HKMA）の「金融サービスにおけるAIの利用に関するガイダンス」（その他のアジア太平洋地域） 220
7.2.2.4 中東・アフリカ 220
7.2.2.4.1 UAEの個人データ保護法（法令第45/2021号）およびCBUAEのAI／MLガバナンス指針（アラブ首長国連邦） 220
7.2.2.4.2 サウジアラビアの個人データ保護法（PDPL）およびSDAIAのAI倫理原則と生成AIガイドライン（サウジアラビア） 221
7.2.2.4.3 クウェートの「国家デジタルアジェンダ2035」および中央銀行のデジタルバンキング・フレームワーク（クウェート） 221
7.2.2.4.4 カタール中央銀行のAIガイドラインおよび個人データ保護法（法律第13/2016号）（カタール） 222
7.2.2.4.5 国家人工知能政策フレームワーク
および個人情報保護法（POPIA）
（南アフリカ） 222
7.2.2.4.6 個人データ保護法（KVKK）および国家AI戦略2021-2025（トルコ） 223
7.2.2.4.7 個人データ保護法（法律第151/2020号）およびエジプト国家AI戦略（エジプト） 223
7.2.2.4.8 イスラエル国家AI計画およびバーレーンAI規制法（草案）（その他の中東・アフリカ） 224
7.2.2.5 南米アメリカ 224
7.2.2.5.1 一般データ保護法（LGPD）およびAI法案 PL 2338/2023（ブラジル） 224
7.2.2.5.2 大規模投資奨励制度（RIGI）および責任あるAIガイドライン（アルゼンチン） 225
7.2.2.5.3 民間部門における個人データ保護に関する連邦法（LFPDPPP）およびメキシコ・デジタル戦略（メキシコ） 225
7.2.2.5.4 国家人工知能政策（2021年、2024年更新）および個人データ保護法改正（チリ） 226
7.2.3 産業基準 226
8 顧客環境と購入者の行動 229
8.1 意思決定プロセス 229
8.2 購入に関わるステークホルダーと購入評価基準 231
8.2.1 購入基準 231
8.3 導入の障壁と社内の課題 232
8.4 各産業における未充足ニーズ 234
9 提供内容別の人工知能市場 237
9.1 はじめに 238
9.1.1 推進要因：提供形態別人工知能市場 238
9.2 ハードウェア 240
9.2.1 大規模なAI導入においてコンピューティングが中核となるにつれ、AIハードウェアの需要が加速しています 240
9.3 ソフトウェア 242
9.3.1 企業がプラットフォーム、モデル、オーケストレーション、および組み込み型インテリジェンスを拡大する中、ソフトウェアがAIの収益化を支えています 242
9.4 サービス 243
9.4.1 企業が AI の実験段階から実運用段階へと移行するにつれ、サービスが不可欠なものとなる 243
10 ハードウェア別の人工知能市場 245
10.1 はじめに 246
10.1.1 推進要因：ハードウェア別人工知能市場 246
10.2 AIアクセラレータチップ 248
10.2.1 高スループットのモデル学習および推論演算に対する絶え間ない需要に牽引されるAIアクセラレータチップ 248
10.2.2 グラフィックス・プロセッシング・ユニット（GPU） 250
10.2.3 AI ASICおよびTPU 251
10.2.4 フィールド・プログラマブル・ゲート・アレイ（FPGA） 252
10.2.5 中央処理装置（CPU） 253
10.2.6 エッジAIプロセッサ 255
10.2.6.1 ニューラル処理ユニット（NPU） 256
10.2.6.2 システムオンチップ（SoC） 258
10.3 AIメモリ 259
10.3.1 AIメモリは、厳しい帯域幅およびレイテンシの要件に対応するための戦略的なAIハードウェア層として台頭しています 259
10.3.2 高帯域幅メモリ（HBM） 261
10.3.3 グラフィックス・ダブル・データ・レート（GDDR）メモリ 262
10.3.4 低消費電力ダブル・データ・レート（LPDDR）メモリ 263
10.3.5 メモリ内処理（PIM） 264
10.4 AI ストレージ 266
10.4.1 AI ストレージは、データ集約型のトレーニング、検索、チェックポイント、および推論操作をサポートします 266
10.4.2 NVMe (Non-Volatile Memory Express) SSD 268
10.4.3 オールフラッシュ・ストレージ・アレイ 269
10.4.4 並列／分散ファイルシステム・ストレージ 271
10.4.5 AI データレイク・オブジェクト・ストレージ 272
10.5 AI ネットワーキング 273
10.5.1 AI ネットワーキング：ますます複雑化するコンピューティング環境全体で高帯域幅の接続を実現 273
10.5.2 インフィニバンド HCA およびスイッチ 275
10.5.3 高速イーサネット NIC 276
11 ソフトウェア別の人工知能市場 278
11.1 はじめに 279
11.1.1 推進要因：ソフトウェア別の人工知能市場 279
11.2 AI/ML開発・トレーニングプラットフォーム 282
11.2. 1 AI/ML開発・トレーニングプラットフォームは、実運用可能なAIモデルの構築、微調整、テスト、および展開を行うための、企業の中核となるワークベンチになりつつあります 282
11.2.2 エンドツーエンドMLプラットフォーム 283
11.2.3 AUTOML プラットフォーム 285
11.2.4 基盤モデルトレーニングプラットフォーム 286
11.2.5 微調整プラットフォーム 287
11.3 MLOPS および LLMOPS プラットフォーム 289
11.3.1 ライフサイクル管理、可観測性、評価、および本番環境のガバナンスを実現する MLOPS および LLMOPS プラットフォーム 289
11.3.2 モデルサービングおよび推論サービングプラットフォーム 291
1 1.3.3 モデルの監視とドリフト検出 292
11.3.4 モデルレジストリとバージョン管理 293
11.3.5 特徴量ストア 295
11.3.6 推論最適化プラットフォーム 296
11.3.7 プロンプトのライフサイクル管理 297
11.3.8 LLMの品質および出力のモニタリング 298
11.4 基盤モデルおよびLLM 300
11.4.1 生成型、マルチモーダル、推論、および領域特化型AIアプリケーションを支える基盤モデルとLLM 300
11.4.2 汎用LLM 302
11.4.3 マルチモーダル基盤モデル 303
11.4.4 オープンウェイト基盤モデル 305
11.4.5 領域特化型基盤モデル 306
11.4.6 小型言語モデル 307
11.4.7 埋め込みモデルとベクトル表現 API 308
11.4.8 言語認識モデル 310
11.4.9 テキスト読み上げおよび音声合成モデル 311
11.4.10 ビジョンAIモデル 312
11.4.11 ドキュメントインテリジェンスおよびOCRモデル 314
11.4.12 生成型画像および動画モデル 315
11.5 AIエージェントのオーケストレーションおよびRAGプラットフォーム 316
11.5.1 AIエージェントのオーケストレーションおよびRAGプラットフォーム：モデルとワークフロー、ツール、エンタープライズデータ、およびガバナンスされたアクションを連携させる 316
11.5.2 LLMのオーケストレーションおよびチェーン化 318
11.5.3 ベクトルデータベースとセマンティック検索エンジン 319
11.5.4 RAGパイプラインプラットフォーム 321
11.5.5 エンタープライズ知識のグラウンディングと検索オーケストレーション 322
11.5.6 シングルエージェント開発プラットフォーム 323
11.5.7 マルチエージェントオーケストレーションプラットフォーム 324
11.5.8 ツール呼び出しおよび API統合プラットフォーム 325
11.5.9 AIコパイロット開発プラットフォーム 327
11.6 AIデータプラットフォーム 328
11.6.1 企業がAI対応データパイプラインを優先する中、戦略的重要性が増しているAIデータプラットフォーム 328
11.6.2 データレイクハウス・プラットフォーム 330
11.6.3 AIデータファブリックおよび統合データ管理プラットフォーム 331
11.6.4 ストリーミングおよびデータ取り込みプラットフォーム 332
11.6.5 ナレッジグラフ・プラットフォーム 333
11.6.6 データラベリングおよびアノテーション・プラットフォーム 334
11.7 AI SGRC プラットフォーム 336
11.7.1 セキュリティ、ガバナンス、リスク、および監査要件を形式化するために不可欠となりつつある AI SGRC プラットフォーム 336
11.7.2 AI モデルセキュリティプラットフォーム 337
11.7.3 AIデータセキュリティプラットフォーム 338
11.7.4 AIガバナンス・ポリシー・プラットフォーム 339
11.7.5 責任あるAIプラットフォーム 340
11.7.6 サイバーセキュリティ向けAIプラットフォーム 342
11.8 AI生産性向上ツール 343
11.8.1 日常の知識労働にAIを組み込むことで、一般市場におけるソフトウェアの普及を加速させるAI生産性向上ツール 343
11.8.2 AIライティング・コンテンツアシスタント 345
11.8.3 AIコーディングアシスタントおよび開発者向けツール 346
11.8.4 AI会議文字起こし・要約ツール 347
11.8.5 AIソフトウェアテストおよびコードレビューツール 349
11.8.6 AIエンタープライズ検索およびナレッジアシスタント 350
11.8.7 AIプレゼンテーションおよびドキュメント生成ツール 351
12 サービス別人工知能市場 353
12.1 はじめに 354
12.1.1 推進要因：サービス別人工知能市場 354
12.2 AI戦略・コンサルティングサービス 357
12.2.1 AI戦略およびコンサルティングサービス：実験段階を体系的なロードマップやROI主導の変革プログラムへと転換することで、企業におけるAI導入を促進 357
12.2.2 AI戦略およびロードマップに関するアドバイザリー 359
12.2.3 AIユースケースの特定 360
12.2.4 AI運用モデルおよび組織設計 362
12.2.5 責任あるAIおよび倫理に関するアドバイザリー 363
12.2.6 AI規制コンプライアンスに関するアドバイザリー 364
12.3 AI導入およびシステム統合 365
12.3.1 大規模なモデル、データ、ワークフローを連携させるAI導入およびシステム統合サービス 365
12.3.2 AIデータエンジニアリングおよび導入準備 367
12.3.3 カスタムAI/MLモデル開発 368
12.3.4 AIソリューションアーキテクチャおよびシステム設計 369
12.3.5 LLMの微調整およびRAGの実装 371
12.3.6 自律エージェントのワークフロー実装 372
12.3.7 AI APIの統合およびワークフローの統合 373
12.3.8 AIインフラストラクチャの導入 374
12.4 マネージドAIサービス 376
12.4.1 企業のモデルパフォーマンスと生産の信頼性を維持するためのマネージドAIサービス。 376
12.4.2 マネージドAIセキュリティおよびコンプライアンスサービス 378
12.4.3 マネージドAIインフラストラクチャおよびGPUaaS 379
12.4.4 マネージドMLOpsおよびAIOps 380
12.4.5 マネージドAIアプリケーションサービス 381
12.4.6 マネージドナレッジベースおよびRAGサービス 383
12.4.7 AIヘルプデスクおよびサポートサービス 384
12.5 データラベリングおよびアノテーションサービス 385
12.5.1 信頼性の高いモデルパフォーマンスを実現するためのAIデータセット準備において、データラベリングおよびアノテーションサービスは依然として不可欠です 385
12.6 AIトレーニングおよび導入支援サービス 387
12.6.1 AIトレーニングおよび導入支援サービス：企業が責任を持って効果的にAIを導入できるよう支援し、組織の準備態勢を加速させます 387
13 技術別人工知能市場 389
13.1 はじめに 390
13.1.1 推進要因：技術別人工知能市場 390
13.2 従来の機械学習 392
13.2.1 従来の機械学習は、エンタープライズAIの最適化の中核であり続け、構造化データ資産を意思決定に直結する知見へと変換しています 392
13.2.2 教師あり学習 394
13.2.3 教師なし学習 395
13.2.4 強化学習 396
13.2.5 フェデレーテッド学習 398
13.3 ディープラーニング 399
13.3.1 ディープラーニング：言語、視覚、音声、センサー、
およびマルチモーダルデータから高次元パターンを抽出することで、AIのフロンティアを拡大する 399
13.3.2 畳み込みニューラルネットワーク（CNN） 401
13.3.3 トランスフォーマーベースのモデル 402
13.3.4 拡散モデル 403
13.3.5 生成対抗ネットワーク（GAN） 404
13.3.6 グラフニューラルネットワーク（GNN） 405
13.3.7 リカレントニューラルネットワーク 407
13.4 生成AI 408
13.4.1 生成AI：モデルを、創造、知識労働、コード、
およびワークフローの高速化のためのエンタープライズインターフェースへと変えることで、AIへの需要を再構築する 408
13.4.2 テキスト生成 410
13.4.3 コード生成 411
13.4.4 画像・動画生成 412
13.4.5 マルチモーダル生成 413
13.4.6 合成データの生成 415
13.5 自然言語処理（NLP） 416
13.5.1 NLP：企業の言語資産を、検索可能で、実用的な、自動化可能な知見へと変える 416
13.5.2 統計的NLP 417
13.5.3 トランスフォーマーベースのNLP 418
13.5.4 多言語および言語横断型AIモデル 420
13.6 ビジョンAI 421
13.6.1 カメラやセンサーが捉えた映像を企業が検査・自動化できるようにするビジョンAI 421
13.6.2 画像分類と物体検出 423
13.6.3 映像分析および行動認識 424
13.6.4 光学文字認識（OCR）およびインテリジェント文書処理（IDP） 425
13.6.5 3Dビジョンおよび点群処理 426
13.7 音声・オーディオAI 427
13.7.1 音声・オーディオAI：顧客エンゲージメント全般において、音声、音、および音響信号を活用可能にする 427
13.7.2 自動言語認識
(ASR) 429
13.7.3 テキスト読み上げおよび音声合成 430
13.7.4 話者識別および音声生体認証 431
13.7.5 音声分析および音響イベント検出 432
13.8 記号AIおよび知識表現 434
13.8.1 企業が確率モデルに関する説明可能性を求める中、記号AIおよび知識表現が再びAIの議題に浮上 434
13.8.2 知識グラフとオントロジーに基づく推論 435
13.8.3 ルールベースAIとエキスパートシステム 437
13.8.4 ニューロシンボリックAI 438
14 導入モデル別の人工知能市場 439
14.1 はじめに 440
14.1.1 推進要因：導入モデル別人工知能市場 440
14.2 クラウド 442
14.2.1 クラウド導入は、スピード、規模、およびエコシステムの統合を通じて、企業のAI導入の基盤であり続けています 442
14.3 オンプレミス 444
14.3.1 オンプレミス展開は、制御と規制上の保証を優先する企業にとって戦略的な選択肢になりつつあります 444
14.4 ハイブリッド 445
14.4.1 イノベーションのスピードとガバナンスによる管理のバランスを図るため、ハイブリッド導入が企業の好ましい選択肢となりつつあります 445
14.5 エッジAI 447
14.5.1 リアルタイムの意思決定により、AIの実行がデータ生成地点に近づくにつれ、エッジAIが急速に拡大しています 447
15 業務機能別人工知能市場 449
15.1 はじめに 450
15.1.1 推進要因：ビジネス機能別人工知能市場 450
15.2 マーケティングおよび営業 452
15.2.1 AIは、収益ファネル全体を通じて、組織が顧客を惹きつけ、関与させ、
そしてコンバージョンに至るまでのプロセスを再構築しています 452
15.2.2 センチメント分析 454
15.2.3 予測分析 455
15.2.4
コンテンツ生成・マーケティング 456
15.2.5 オーディエンスのセグメンテーションとパーソナライゼーション 458
15.2.6 顧客体験管理 459
15.2.7 その他のマーケティング・営業機能 460
15.3 人事 462
15.3.1 AIは、人事機能全般にわたる人材獲得、従業員育成、
およびワークフォース・インテリジェンスを再定義します 462
15.3.2 オンボーディングの自動化 464
15.3.3 候補者の選別と採用 465
15.3.4 業績管理 466
15.3.5 労働力管理 468
15.3.6 従業員フィードバックの分析 469
15.3.7 その他の人事機能 470
15.4 財務・会計 472
15.4.1 AI が財務・会計業務全体の正確性、効率性、および戦略的洞察を促進 472
15.4.2 財務計画・予測 474
15.4.3 自動化された帳簿管理および照合 475
15.4.4 調達およびサプライチェーン・ファイナンス 477
15.4.5 収益サイクル管理 478
15.4.6 財務コンプライアンスおよび規制報告 479
15.4.7 その他の財務・会計機能 481
15.5 オペレーションおよびサプライチェーン 482
15.5.1 AIは、計画、調達、生産の各段階において、業務のレジリエンスとサプライチェーンの俊敏性を実現します 482
15.5.2 AIOPS 484
15.5.3 ITサービス管理 485
15.5.4 需要計画および予測 487
15.5.5 調達およびソーシング 488
15.5.6 倉庫および在庫管理 489
15.5.7 生産計画およびスケジューリング 490
15.5.8 その他のオペレーションおよびサプライチェーン機能 492
15.6 サイバーセキュリティ 493
15.6.1 AI は、大規模な環境における迅速な検知、対応、およびリスクガバナンスを可能にし、企業の防御体制を強化します 493
15.6.2 ID およびアクセス管理 496
15.6.3 脅威の検知と対応 497
15.6.4 セキュリティ運用の自動化 498
15.6.5 データセキュリティ 500
15.6.6 リスクおよびコンプライアンス管理 501
15.6.7 不正の検知と防止 503
15.6.8 脆弱性およびエクスポージャー管理 504
15.6.9 その他のサイバーセキュリティ機能 505
15.7 その他のビジネス機能 507
16 産業別ユースケース別人工知能市場 509
16.1 はじめに 510
16.1.1 推進要因：産業別ユースケース別人工知能市場 510
16.2 金融 512
16.2.1 金融機関がリアルタイムのリスク防止と取引インテリジェンスを優先しているため、不正検知は金融分野において依然として最大のAI収益化エンジンとなっています 512
16.2.2 不正検知および防止 514
16.2.3 リスク評価・管理 514
16.2.4 アルゴリズム取引 514
16.2.5 クレジットスコアリング・与信審査 515
16.2.6 カスタマーサービスの自動化 515
16.2.7 パーソナライズされた金融アドバイス 516
16.2.8 投資ポートフォリオ管理 516
16.2.9 規制コンプライアンスのモニタリング 517
16.2.10 その他の金融ユースケース 517
16.3 小売・E コマース 518
16.3.1 パーソナライズされた商品レコメンデーションが小売業界におけるAI導入を牽引：小売業者がハイパーパーソナライズされたコマースとコンバージョン最適化を拡大する中 518
16.3.2 パーソナライズされた商品レコメンデーション 519
1 6.3.3 顧客関係管理 520
16.3.4 ビジュアル検索 520
16.3.5 バーチャルカスタマーアシスタント 520
16.3.6 価格最適化 521
16.3.7 サプライチェーン管理と需要計画 521
16.3.8 バーチャルストア 522
16.3.9 その他の小売・Eコマースのユースケース 522
16.4 製造 523
16.
4.1 工場が欠陥の低減、精密な検査、および生産の一貫性を優先する中、品質管理が製造分野における最大のAI活用事例として台頭しています 523
16.4.2 予知保全および機械検査 524
16.4.3 資材移動管理 525
16.4.4 生産計画 525
16.4.5 リサイクル可能資材の回収 525
16.4.6 品質管理 526
16.4.7 生産ラインの最適化 526
16.4.8 インテリジェントな在庫管理 527
16.4.9 その他の製造分野における活用事例 527
16.5 政府・防衛 528
16.5.1 政府および防衛分野におけるAI支出は、各機関が情報可視性と作戦準備態勢を強化する中で、監視および状況認識が主軸となっています 528
16.5.2 監視および状況認識 529
16.5.3 法執行 530
16.5.4 情報分析・データ処理 530
16.5.5 シミュレーション・訓練 530
16.5.6 指揮統制 531
16.5.7 災害対応および復旧支援 531
16.5.8 電子政府およびデジタル都市サービス 532
16.5.9 その他の政府および防衛分野における活用事例 532
16.6 医療およびライフサイエンス 533
16.6.1 医療提供者の規模拡大に伴い、データ駆動型の臨床意思決定支援が進む中、現在、医療分野におけるAIの導入は医療画像診断が主流となっています 533
16.6.2 患者データとリスク分析 534
16.6.3 ライフスタイルの管理とモニタリング 535
16.6.4 精密医療 535
16.6.5 入院患者ケアと病院管理 535
16.6.6 医療画像診断 536
16.6.7 創薬 536
16.6.8 AIを活用した医療サービス 537
16.6.9 医学研究 537
16.6.10 その他の医療・ライフサイエンス分野における活用事例 538
16.7 通信 538
16.7.1 通信事業者がパフォーマンスの効率性、回復力、およびサービス品質に注力する中、ネットワーク最適化は依然として通信分野における最大のAI活用事例となっています 538
16.7.
2 ネットワーク最適化 540
16.7.3 ネットワークセキュリティ 54016.7.4 カスタマーサービスおよびサポート 54016.7.5 ネットワーク分析 54116.7.6 インテリジェントなコールルーティング 54116.7.7 ネットワーク障害の予測 54216.7.8 仮想ネットワークアシスタント 54216.7.9 音声認識＆言語認識 54316.7.10 その他の通信分野における活用事例 54316.8 エネルギー・ユーティリティ 54416.8.1 エネルギー需要予測がユーティリティにおけるAI導入を牽引――事業者が負荷計画、消費動向の分析、送電網の信頼性を向上させるにつれて 54416.8.2 エネルギー需要予測 54516.8.3 送電網の最適化と管理 54616.8.4 エネルギー消費分析 54616.8.5 スマートメータリングとエネルギーデータ管理 54616.8.6 エネルギー貯蔵の最適化 54716.8.7 リアルタイムのエネルギー監視・制御 54716.8.8 電力品質の監視・管理 54816.8.9 エネルギー取引および市場予測 54816.8.10 インテリジェントエネルギー管理システム 54816.8.11 その他のエネルギー・ユーティリティにおける活用事例 54916.9 輸送・物流 54916.9.1 サプライチェーンにおいて自動化、処理能力、および業務効率が優先される中、スマート物流および倉庫管理は、輸送分野におけるAIの最大の機会となっています 54916.9.2 サプライチェーンの可視化と追跡 55116.9.3 ルート最適化 55116.9.4 インテリジェント交通管理 55116.9.5 運転支援システム 55216.9.6 スマートロジスティクスおよび倉庫管理 55216.9.7 半自動運転車および自動運転車 55316.9.8 車両管理 55316.9.9 車両診断およびテレマティクス 55316.9.10 その他の輸送・物流のユースケース 55416.10 農業 554
16.10.1 農場がデータ駆動型の生産性最適化をますます導入する中、作物のモニタリングと収量予測は、農業分野におけるAI成長の主要な原動力であり続けています 55416.10.2 作物のモニタリングおよび収量予測 55616.10.3 精密農業 55616.10.4 土壌分析および養分管理 55616.10.5 害虫・病害の検知 55716.10.6 灌漑の最適化と水管理 55716.10.7 収穫・選別の自動化 55816.10.8 雑草の検知・管理 55816.10.9 気象・気候のモニタリング 55816.10.10 家畜のモニタリング・健康管理 55916.10.11 その他の農業分野における活用事例 55916.11 ソフトウェアおよび技術プロバイダー 56016.11.1 AIがソフトウェア開発ライフサイクルを一新する中、ソフトウェアプロバイダーのAI関連支出はコード生成とオートコンプリートが主流となっています 56016.11.2 コード生成および自動補完 56116.11.3 バグの検出および修正 56116.11.4 自動化されたソフトウェアテストおよび品質保証（QA） 56216.11.5 AIを活用したサイバーセキュリティと脅威の検知 56216.11.6 自動化されたDevOpsとCI/CDの最適化 56316.11.7 その他のソフトウェアおよび技術プロバイダーのユースケース 56316.12 メディア・エンターテインメント 56416.12.1 生成AIがデジタル制作の経済構造を変革する中、コンテンツの制作・生成がメディア業界におけるAI収益化の最大の原動力となりつつあります 56416.12.2 コンテンツレコメンデーションシステム 56516.12.3 コンテンツの制作・生成 56516.12.4 コンテンツの著作権保護 56616.12.5 オーディエンス分析およびセグメンテーション 56616.12.6 パーソナライズド広告 56716.12.7 その他のメディア・エンターテインメント分野における活用事例 567
17 エンドユーザー別の人工知能市場 568
17.1 はじめに 569
17.1.1 推進要因：エンドユーザー別の人工知能市場 569
17.2 消費者 571
17.2. 1 デジタル消費者向けプラットフォームおよびアプリケーションにおいて、人工知能がネイティブレイヤーとなりつつあります 571
17.3 企業 573
17.3.1 企業は、人工知能を孤立した実験段階から、大規模な運用能力へと変革しています 573
17.3.2 金融 576
17.3.2.1 銀行業 578
17.3.2.2 金融サービス 579
17.3.2.3 保険業 580
17.3.3 小売・Eコマース 581
17.3.4 製造業 583
17.3.4.1 離散型製造業 585
17.3.4.2 プロセス製造業 586
17.3.5 政府・防衛 587
17.3.5.1 連邦政府 589
17.3.5.2 州および地方自治体 590
17.3.5.3 軍事および防衛 591
17.3.5.4 公共サービス機関 592
17.3.6 医療およびライフサイエンス 594
17.3.6.1 医療提供者 596
17.3.6.2 製薬・バイオテクノロジー 597
17.3.6.3 医療技術（MedTech） 598
17.3.7 通信 599
17.3.8 エネルギー・ユーティリティ 601
17.3.8.1 電力・発電 603
17.3.8.2 再生可能エネルギー 604
17.3.8.3 石油・ガス 605
17.3.8.4 水道 606
17.3.8.5 廃棄物処理ユーティリティ 607
17.3.8.6 その他のエネルギー・ユーティリティ 609
17.3.9 運輸・物流 610
17.3.10 農業 611
17.3.11 ソフトウェアおよび技術プロバイダー 613
17.3.12 メディアおよびエンターテインメント 614
17.3.13 その他の企業 615
18 地域別人工知能市場 617
18.1 はじめに 618
18.2 北米 620
18.2.1 北米：人工知能市場の推進要因 620
18.2.2 アメリカ 664
18.2.2.1 アメリカは、イノベーション、インフラ、および企業での導入における比類なき強みにより、世界のAI市場をリードしています 664
18.2.3 カナダ 706
18.2.3.1 カナダは、卓越した研究、政策支援、および企業での導入拡大を通じてAI市場を拡大しています 706
18.3 ヨーロッパ 708
18.3.1 ヨーロッパ：人工知能市場の推進要因 708
18.3.2 英国 750
18.3.2.1 英国は、強力な商用化、スタートアップの活動、および企業での導入を通じて、AIの成長を加速させています 750
18.3.3 ドイツ 751
18.3.3.1 ドイツは、産業オートメーション、製造インテリジェンス、および企業のデジタル化を通じて、AIの導入を推進しています 751
18.3.4 フランス 753
18.3.4.1 フランスは、国家主導のAI投資と企業のデジタルトランスフォーメーションを通じてAI市場を強化しています 753
18.3.5 イタリア 754
18.3.5.1 イタリアは、産業の近代化と企業における自動化需要の高まりを通じて、AIの導入を拡大しています 754
18.3.6 スペイン 756
18.3.6.1 スペイン：デジタルトランスフォーメーションと企業のAI導入を通じて、成長著しいAI市場として台頭しています 756
18.3.7 ロシア 757
18.3.7.1 ロシア：産業および公共部門への技術投資を通じて、国内のAI能力を向上させています 757
18.3.8 ベネルクス 759
18.3.8.1 ベネルクスは、企業のイノベーションとデータ駆動型の自動化を通じてAIの導入を強化しています 759
18.3.9 北欧諸国 760
18.3.9.1 北欧諸国は、デジタル成熟度、イノベーション、および公共部門の近代化を通じてAIの導入を推進しています 760
18.3.10 その他のヨーロッパ諸国 762
表1 人工知能市場の詳細なセグメンテーション 94
表2 2021年～2025年の米ドル為替レート 101
表3 ポーターの5つの力モデルが人工知能市場に与える影響 132
表4 人工知能市場：エコシステムにおける企業の役割 138
表5 AIソフトウェア別 参考価格分析（2026年） 148
表6 人工知能市場：会議およびイベントの一覧、
2026年～2027年 152
表7 関税・貿易政策の最新情報（2026年1月～5月） 169
表8 アメリカの調整済み相互関税率 171
表9 特許出願件数（2016年～2026年） 193
表10 2026年の人工知能市場における主要特許一覧 195
表11 スタンドアロン型コンピュータ処理ユニット（HSN：847150）に関連する関税、2026年 204
表12 南米アメリカ：規制機関、政府機関、
およびその他の組織の一覧 206
表13 ヨーロッパ：規制機関、政府機関、
およびその他の組織の一覧 207
表14 アジア太平洋地域：規制機関、政府機関、
およびその他の組織の一覧 208
表 15 中東・アフリカ：規制機関、政府機関、およびその他の組織の一覧 208
表16 南米アメリカ：規制機関、政府機関、
およびその他の組織の一覧 209
表17 AIガバナンス、リスクおよび管理に関するグローバル産業標準 227
表18 AI／MLモデルの品質およびテストに関するグローバル産業標準 227
表19 AIデータの品質、セキュリティ、ガバナンスに関するグローバル産業標準 227
表20 AIの透明性、
説明可能性および公平性に関するグローバル産業基準 228
表21 フィジカルAI、自律システム
および安全性に関するグローバル産業基準 228
表22 主要3産業における購買プロセスに対するステークホルダーの影響 231
表23 主要3産業における主要な購買基準 232
表24 産業別の人工知能市場における未充足ニーズ 234
表25 提供形態別人工知能市場、2021年～2025年（10億米ドル） 240
表26 提供形態別人工知能市場、 2026–2033年（10億米ドル） 240
表27 ハードウェア：地域別人工知能市場、
2021–2025年（10億米ドル） 241
表28 ハードウェア：人工知能市場（地域別）、
2026年～2033年（10億米ドル） 241
表29 AIソフトウェア：地域別人工知能市場、
2021–2025年（10億米ドル） 243
表30 AIソフトウェア：地域別人工知能市場、
2026–2033年 （10億米ドル） 243
表31 AIサービス：地域別人工知能市場、
2021年～2025年 （10億米ドル） 244
表32 AIサービス：地域別人工知能市場、
2026年～2033年（10億米ドル） 244
表33 ハードウェア別人工知能市場、2021年～2025年（10億米ドル） 247
表34 人工知能市場（ハードウェア別）、2026年～2033年（10億米ドル） 247
表35 AIアクセラレータチップ別の人工知能市場、
2021–2025年（10億米ドル） 248
表36 AIアクセラレータチップ別の人工知能市場、
2026–2033年（10億米ドル） 249
表37 AIアクセラレータチップ：人工知能市場、
地域別、2021年～2025年（10億米ドル） 249
表38 AIアクセラレータチップ：人工知能市場、
地域別、2026年～2033年 （10億米ドル） 249
表39 グラフィックス・プロセッシング・ユニット（GPU）：人工知能市場、
地域別、2021年～2025年（10億米ドル） 250
表40 グラフィックス・プロセッシング・ユニット（GPU）：人工知能市場、
地域別、2026年～2033年（10億米ドル） 251
表41 AI ASICおよびTPU：人工知能市場、地域別、
2021年～2025年（百万米ドル） 252
表42 AI ASICおよびTPU：人工知能市場、地域別、
2026年～2033年（百万米ドル） 252
表43 FPGA：地域別人工知能市場、2021年～2025年（百万米ドル） 253
表44 FPGA：地域別人工知能市場、2026年～2033年（百万米ドル） 253
表45 中央処理装置（CPU）：人工知能市場、
地域別、2021–2025年（百万米ドル） 254
表46 中央処理装置（CPU）：人工知能市場、
地域別、2026–2033年 （百万米ドル） 254
表47 人工知能市場：エッジAIプロセッサ別、
2021–2025年（百万米ドル） 255
表48 エッジAIプロセッサ別人工知能市場、
2026年～2033年（百万米ドル） 255
表49 エッジAIプロセッサ：人工知能市場、
地域別、2021年～2025年（百万米ドル） 256
表50 エッジAIプロセッサ：人工知能市場、
地域別、2026年～2033年（百万米ドル） 256
表51 ニューラル・プロセッシング・ユニット：人工知能市場、
地域別、2021年～2025年（百万米ドル） 257
表52 ニューラル・プロセッシング・ユニット：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 257
表53 システム・オン・チップ：人工知能市場、
地域別、2021–2025年（百万米ドル） 258
表54 システム・オン・チップ：人工知能市場、
地域別、2026年～2033年（百万米ドル） 259
表55 人工知能市場、AIメモリ別、2021年～2025年（十億米ドル） 260
表56 AIメモリ別人工知能市場、2026年～2033年（10億米ドル） 260
表57 AIメモリ：地域別人工知能市場、
2021年～2025年（10億米ドル） 260
表58 AIメモリ：人工知能市場、地域別、
2026年～2033年（10億米ドル） 260
表59 高帯域幅メモリ：人工知能市場、
地域別、2021年～2025年 （百万米ドル） 261
表60 高帯域幅メモリ：人工知能市場、
地域別、2026–2033年（百万米ドル） 262
表61 GDDRメモリ： 人工知能市場、
地域別、2021年～2025年（百万米ドル） 263
表62 GDDRメモリ：人工知能市場、
地域別、2026年～2033年（百万米ドル） 263
表63 LPDDRメモリ：人工知能市場、
地域別、2021年～2025年（百万米ドル） 264
表64 LPDDRメモリ：人工知能市場、
地域別、2026年～2033年（百万米ドル） 264
表65 プロセッシング・イン・メモリ（PIM）：人工知能市場、
地域別、2021年～2025年（百万米ドル） 265
表66 プロセッシング・イン・メモリ（PIM）：人工知能市場、
地域別、2026年～2033年（百万米ドル） 266
表67 人工知能市場、AIストレージ別、2021年～2025年 （10億米ドル） 267
表68 AIストレージ別人工知能市場、2026年～2033年（10億米ドル） 267
表69 AIストレージ：地域別人工知能市場、
2021–2025年（百万米ドル） 267
表70 AIストレージ：地域別人工知能市場、
2026–2033年（百万米ドル） 268
表71 NVMe SSD：人工知能市場、地域別、
2021–2025年（百万米ドル） 269
表72 NVMe SSD：人工知能市場、地域別、
2026–2033年（百万米ドル） 269
表73 オールフラッシュ・ストレージ・アレイ：人工知能市場、
地域別、2021年～2025年 （百万米ドル） 270
表74 オールフラッシュ・ストレージ・アレイ：人工知能市場、
地域別、2026–2033年（百万米ドル） 270
表75 並列／分散ファイルシステム・ストレージ：人工知能市場、地域別、2021年～2025年（百万米ドル） 271
表76 並列／分散ファイルシステム・ストレージ：人工知能市場、地域別、2026年～2033年（百万米ドル） 272
表77 AIデータレイク・オブジェクトストレージ：人工知能市場、
地域別、2021年～2025年（百万米ドル） 273
表78 AIデータレイク・オブジェクトストレージ：人工知能市場、
地域別、2026年～2033年（百万米ドル） 273
表79 人工知能市場、AIネットワーキング別、
2021年～2025年（十億米ドル） 274
表80 AIネットワーキング別人工知能市場、
2026年～2033年（10億米ドル） 274
表81 AIネットワーキング：人工知能市場、
地域別、2021年～2025年（百万米ドル） 274
表82 AIネットワーキング：人工知能市場、
地域別、2026年～2033年（百万米ドル） 275
表83 インフィニバンド HCA およびスイッチ：人工知能市場、
地域別、2021–2025年（百万米ドル） 276
表 84 インフィニバンド HCA およびスイッチ： 人工知能市場、
地域別、2026年～2033年（百万米ドル） 276
表85 高速イーサネットNIC：人工知能市場、
地域別、2021年～2025年（百万米ドル） 277
表86 高速イーサネットNIC：人工知能市場、
地域別、2026年～2033年（百万米ドル） 277
表87 人工知能市場、ソフトウェア別、2021年～2025年（十億米ドル） 280
表88 人工知能市場、ソフトウェア別、2026年～2033年（10億米ドル） 281
表89 ソフトウェア：人工知能市場、
地域別、2021年～2025年（10億米ドル） 281
表90 ソフトウェア：人工知能市場、
地域別、2026–2033年（10億米ドル） 281
表91 人工知能市場：AI/ML開発・トレーニングプラットフォーム別、2021年～2025年（10億米ドル） 282
表92 人工知能市場：AI/ML開発・トレーニングプラットフォーム別、2026年～2033年（10億米ドル） 282
表93 AI/ML開発・トレーニングプラットフォーム：地域別人工知能市場、2021年～2025年 （百万米ドル） 283
表94 AI/ML開発・トレーニングプラットフォーム：人工知能市場、地域別、2026年～2033年（百万米ドル） 283
表95 エンドツーエンドMLプラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 284
表96 エンドツーエンドMLプラットフォーム：人工知能市場、
地域別、2026年～2033年（百万米ドル） 284
表97 AUTOMLプラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 285
表98 AUTOMLプラットフォーム：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 286
表99 基盤モデルトレーニングプラットフォーム：人工知能市場、地域別、2021年～2025年（百万米ドル） 287
表 100 基盤モデルトレーニングプラットフォーム：人工知能市場、地域別、2026年～2033年（百万米ドル） 287
表101 ファインチューニング・プラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 288
表102 ファインチューニング・プラットフォーム：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 288
表103 人工知能市場、MLOPSおよびLLMOPSプラットフォーム別、
2021–2025年（百万米ドル） 289
表104 人工知能市場：MLOPSおよびLLMOPSプラットフォーム別、
2026年～2033年（百万米ドル） 290
表105 MLOPSおよびLLMOPSプラットフォーム：人工知能市場、
地域別、2021–2025年（百万米ドル） 290
表106 MLOPSおよびLLMOPSプラットフォーム：人工知能市場、
地域別、2026–2033年 （百万米ドル） 291
表107 モデルサービングおよび推論サービングプラットフォーム：人工知能市場、地域別、2021年～2025年（百万米ドル） 292
表108 モデルサービングおよび 推論サービング・プラットフォーム：人工知能市場、地域別、2026–2033年（百万米ドル） 292
表109 モデル監視およびドリフト検出：人工知能市場、
地域別、2021年～2025年（百万米ドル） 293
表110
モデル監視およびドリフト検出：人工知能市場、地域別、2026年～2033年（百万米ドル） 293表111 モデルレジストリおよびバージョン管理：人工知能市場、地域別、2021年～2025年 （百万米ドル） 294表112 モデルレジストリおよびバージョン管理：人工知能市場、地域別、2026–2033年（百万米ドル） 294表 113 特徴ストア：人工知能市場、地域別、2021 –2025年（百万米ドル） 295表114 特徴量ストア：人工知能市場、地域別、2026–2033年（百万米ドル） 296表115推論最適化プラットフォーム：人工知能市場、地域別、2021–2025年（百万米ドル） 297表116 推論最適化プラットフォーム：人工知能市場、地域別、2026年～2033年（百万米ドル）297表117 プロンプト・ライフサイクル管理：人工知能市場、地域別、2021年～2025年（百万米ドル） 298表118プロンプト・ライフサイクル管理：人工知能市場、地域別、2026–2033年（百万米ドル） 298表119 LLMの品質および出力モニタリング：人工知能市場、地域別、2021–2025年 （百万米ドル） 299表120 LLMの品質および出力モニタリング：人工知能市場、地域別、2026年～2033年（百万米ドル） 300表121 人工知能市場、基盤モデルおよびLLM別、 2021年～2025年（百万米ドル） 301表122 人工知能市場：基盤モデルおよびLLM別、2026年～2033年（百万米ドル） 301
表123 基盤モデルおよびLLM：人工知能市場、
地域別、2021–2025年（百万米ドル） 302
表124 基盤モデルおよびLLM：人工知能市場、
地域別、2026–2033年（百万米ドル） 302
表125 汎用LLM：人工知能市場、
地域別、2021–2025年 （百万米ドル） 303
表126 汎用LLM：人工知能市場、
地域別、2026年～2033年（百万米ドル） 303
表127 マルチモーダル基盤モデル：人工知能市場、
地域別、2021年～2025年（百万米ドル） 304
表128 マルチモーダル・ファウンデーション・モデル：人工知能市場、
地域別、2026年～2033年（百万米ドル） 304
表129 オープンウェイト・ファウンデーション・モデル：人工知能市場、
地域別、2021年 –2025年（百万米ドル） 305
表130 オープンウェイト・ファウンデーションモデル：人工知能市場、
地域別、2026年～2033年（百万米ドル） 306
表131 領域特化型基盤モデル：人工知能市場、
地域別、2021–2025年（百万米ドル） 307
表132 領域特化型基盤モデル：人工知能市場、
地域別、2026–2033年 （百万米ドル） 307
表133 小型言語モデル：人工知能市場、
地域別、2021年～2025年（百万米ドル） 308
表134 小型言語モデル：人工知能市場、
地域別、2026年～2033年（百万米ドル） 308
表135 埋め込みモデルおよびベクトル表現API：人工知能市場、地域別、2021年～2025年
（百万米ドル） 309
表 136 埋め込みモデルおよびベクトル表現 API：人工知能市場、地域別、2026–2033年（百万米ドル） 309
表137 言語認識モデル：人工知能市場、
地域別、2021年～2025年 （百万米ドル） 310
表138 言語認識モデル：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 311
表139 テキスト読み上げおよび音声合成モデル：人工知能市場、地域別、2021年～2025年（百万米ドル） 312
表140 テキスト読み上げおよび音声合成モデル：人工知能市場、地域別、2026年～2033年（百万米ドル） 312
表141 ビジョンAIモデル：人工知能市場、
地域別、2021年～2025年（百万米ドル） 313
表142 ビジョンAIモデル：人工知能市場、
地域別、2026年～2033年（百万米ドル） 313
表143 ドキュメントインテリジェンスおよびOCRモデル：人工知能市場、地域別、2021年～2025年（百万米ドル） 314
表144 文書インテリジェンスおよびOCRモデル：人工知能市場、地域別、2026年～2033年（百万米ドル） 315
表145 生成型画像および動画モデル：人工知能市場、
地域別、2021–2025年（百万米ドル） 316
表146 生成型画像・動画モデル：人工知能市場、
地域別、2026–2033年（百万米ドル） 316
表 147 人工知能市場：AIエージェントオーケストレーションおよびRAGプラットフォーム別、2021年～2025年（百万米ドル） 317
表 148 AIエージェントオーケストレーションおよびRAGプラットフォーム別人工知能市場、2026年～2033年（百万米ドル） 317
表149 AIエージェントオーケストレーションおよびRAGプラットフォーム：地域別人工知能市場、2021年～2025年（百万米ドル） 318
表150 AIエージェントオーケストレーションおよびRAGプラットフォーム：地域別人工知能市場、2026年～2033年（百万米ドル） 318
表151 LLMオーケストレーションおよびチェイニング：人工知能市場、
地域別、2021年～2025年（百万米ドル） 319
表152 LLMオーケストレーションおよびチェイニング：人工知能市場、
地域別、2026年～2033年（百万米ドル） 319
表153 ベクトルデータベースおよびセマンティック検索エンジン：人工知能市場、地域別、2021年～2025年（百万米ドル） 320
表154 ベクトルデータベースおよびセマンティック検索エンジン： 人工知能市場、地域別、2026–2033年（百万米ドル） 320
表155 RAGパイプラインプラットフォーム：人工知能市場、
地域別、2021–2025年（百万米ドル） 321
表156 RAGパイプライン・プラットフォーム：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 322
表 157 エンタープライズ・ナレッジ・グラウンディングおよび検索オーケストレーション：人工知能市場、地域別、2021–2025年（百万米ドル） 323
表158 エンタープライズ知識基盤構築および検索オーケストレーション：人工知能市場、地域別、2026年～2033年（百万米ドル） 323
表159 シングルエージェント開発プラットフォーム： 人工知能市場、地域別、2021–2025年（百万米ドル） 324
表160 シングルエージェント開発プラットフォーム：人工知能市場、地域別、2026–2033年 （百万米ドル） 324
表161 マルチエージェント・オーケストレーション・プラットフォーム：地域別人工知能市場、2021年～2025年（百万米ドル） 325
表162 マルチ エージェント・オーケストレーション・プラットフォーム：人工知能市場、地域別、2026年～2033年（百万米ドル） 325
表163 ツール呼び出しおよびAPI統合プラットフォーム：人工知能市場、 地域別、2021–2025年（百万米ドル） 326
表164 ツール呼び出し・API統合プラットフォーム：人工知能市場、地域別、2026–2033年（百万米ドル） 326
表165 AIコパイロット開発プラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 327
表166 AIコパイロット開発プラットフォーム：人工知能市場、
地域別、2026年～2033年（百万米ドル） 328
表167 人工知能市場、AIデータプラットフォーム別、
2021年～2025年 （10億米ドル） 328
表168 AIデータプラットフォーム別人工知能市場、
2026年～2033年（10億米ドル） 329
表169 AIデータプラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 329
表170 AIデータプラットフォーム：人工知能市場、
地域別、2026年～2033年（百万米ドル） 329
表171 データレイクハウス・プラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 330
表172 データレイクハウス・プラットフォーム：人工知能市場、
地域別、2026年～2033年（百万米ドル） 331
表173 AIデータファブリックおよび統合データ管理プラットフォーム：人工知能市場、地域別、2021年～2025年（百万米ドル） 332
表174 AIデータファブリックおよび統合データ管理プラットフォーム：人工知能市場、地域別、2026年～2033年（百万米ドル） 332
表175 ストリーミングおよびデータ取り込みプラットフォーム： 人工知能市場、地域別、2021–2025年（百万米ドル） 333
表176 ストリーミングおよびデータ取り込みプラットフォーム：人工知能市場、地域別、2026–2033年 （百万米ドル） 333
表177 ナレッジグラフ・プラットフォーム：人工知能市場、
地域別、2021年～2025年 （百万米ドル） 334
表 178 ナレッジグラフ・プラットフォーム：人工知能市場、
地域別、2026–2033年 （百万米ドル） 334
表 179 データラベリング・アノテーション・プラットフォーム：人工知能市場、地域別、2021年～2025年（百万米ドル） 335
表180 データラベリング・アノテーション・プラットフォーム：人工知能市場、地域別、2026年～2033年（百万米ドル） ) 335
表 181 人工知能市場：AI SGRC プラットフォーム別、
2021–2025 年（百万米ドル） 336
表 182 人工知能市場：AI SGRC プラットフォーム別、
2026–2033 年 （百万米ドル） 336
表183 AI SGRCプラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 337
表184 AI SGRCプラットフォーム： 人工知能市場、
地域別、2026–2033年（百万米ドル） 337
表185 AIモデルセキュリティプラットフォーム：人工知能市場、
地域別、2021–2025年（百万米ドル） 338
表186 AIモデルセキュリティプラットフォーム：人工知能市場、
地域別、2026年～2033年（百万米ドル） 338
表187 AIデータセキュリティプラットフォーム： 人工知能市場、
地域別、2021–2025年（百万米ドル） 339
表188 AIデータセキュリティプラットフォーム：人工知能市場、
地域別、2026–2033年（百万米ドル） 339
表 189 AIガバナンス・ポリシー・プラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 340
表190 AIガバナンス・ポリシー・プラットフォーム：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 340
表191 責任あるAIプラットフォーム：人工知能市場、
地域別、2021年～2025年（百万米ドル） 341
表192 責任あるAIプラットフォーム： 人工知能市場、
地域別、2026–2033年（百万米ドル） 341
表193 サイバーセキュリティ向けAIプラットフォーム：人工知能市場、
地域別、2021–2025年（百万米ドル） 342
表194 サイバーセキュリティ向けAIプラットフォーム：人工知能市場、
地域別、2026年～2033年（百万米ドル） 343
表 195 AI生産性ツール別人工知能市場、
2021–2025年（百万米ドル） 344
表 196 AI生産性ツール別人工知能市場、
2026年～2033年（百万米ドル） 344
表197 AI生産性ツール：人工知能市場、
地域別、2021年～2025年（百万米ドル） 345
表198 AI生産性ツール：人工知能市場、
地域別、2026–2033年 （百万米ドル） 345
表199 AIライティング・コンテンツアシスタント：人工知能市場、
地域別、2021–2025年（百万米ドル） 346
表 200 AIライティング・コンテンツアシスタント：人工知能市場、
地域別、2026年～2033年（百万米ドル） 346
表 201 AIコーディングアシスタントおよび開発者向けツール：人工知能市場、地域別、2021年～2025年（百万米ドル） 347
表 202 AIコーディングアシスタントおよび開発者向けツール：人工知能市場、地域別、2026年～2033年（百万米ドル） 347
表 203 AI 会議文字起こし・要約ツール：人工知能市場、地域別、2021–2025年（百万米ドル） 348
表 204 AI 会議文字起こし・要約ツール：地域別人工知能市場、2026年～2033年（百万米ドル） 348
表 205 AI ソフトウェアテストおよびコードレビューツール：人工知能市場、地域別、2021–2025年（百万米ドル） 349
表 206 AI ソフトウェアテストおよびコードレビューツール：人工知能市場、地域別、2026–2033年（百万米ドル） 349
表 207 AIエンタープライズ検索およびナレッジアシスタント：人工知能市場、地域別、2021年～2025年（百万米ドル） 350
表 208 AI エンタープライズ検索およびナレッジアシスタント：地域別人工知能市場、2026年～2033年（百万米ドル） 351
表 209 AI プレゼンテーション・文書生成ツール：人工知能市場、地域別、2021–2025年（百万米ドル） 352
表 210 AIプレゼンテーション・文書生成ツール：地域別人工知能市場、2026年～2033年（百万米ドル） 352
表211 サービス別人工知能市場、2021年～2025年（十億米ドル） 355
表212 サービス別人工知能市場、2026年～2033年（10億米ドル） 356
表213 サービス：地域別人工知能市場、
2021年～2025年（10億米ドル） 356
表 214 サービス：地域別人工知能市場、
2026–2033年（10億米ドル） 356
表 215 AI戦略・コンサルティングサービス別人工知能市場、2021–2025年 （百万米ドル） 357
表216 人工知能市場：AI戦略・コンサルティングサービス別、2026–2033年（百万米ドル） 358
表 217 AI戦略・コンサルティングサービス：人工知能市場、
地域別、2021年～2025年（百万米ドル） 358
表 218 AI戦略・コンサルティングサービス： 人工知能市場、
地域別、2026年～2033年（百万米ドル） 359
表219 AI戦略・ロードマップ・アドバイザリー：人工知能市場、
地域別、2021年～2025年 （百万米ドル） 360
表 220 AI戦略・ロードマップ・アドバイザリー：人工知能市場、
地域別、2026年～2033年（百万米ドル） 360
表 221 AIユースケースの特定： 人工知能市場、
地域別、2021年～2025年（百万米ドル） 361
表222 AIユースケースの特定：人工知能市場、
地域別、2026年～2033年（百万米ドル） 361
表223 AIの運用モデルおよび組織設計：人工知能市場、地域別、2021年～2025年（百万米ドル） 362
表224 AIの運用モデルおよび組織設計： 人工知能市場、地域別、2026–2033年（百万米ドル） 363
表225 責任あるAIおよび倫理に関するアドバイザリー：人工知能市場、
地域別、2021–2025年（百万米ドル） 363
表 226 責任あるAIおよび倫理に関するアドバイザリー：人工知能市場、
地域別、2026年～2033年（百万米ドル） 364
表 227 AI規制コンプライアンス・アドバイザリー：人工知能市場、
地域別、2021年～2025年（百万米ドル） 365
表 228 AI規制コンプライアンスに関するアドバイザリー：人工知能市場、
地域別、2026年～2033年（百万米ドル） 365
表229 人工知能市場、AI導入およびシステム統合別、2021年～2025年 （百万米ドル） 366
表 230 人工知能市場、 AIの導入およびシステム統合別、2026–2033年（百万米ドル） 366
表231 AIの導入およびシステム統合：人工知能市場、地域別、2021–2025年（百万米ドル） 367
表232 AIの導入およびシステム統合：人工知能市場、地域別、2026年～2033年（百万米ドル） 367
表233 AIデータエンジニアリングおよび導入準備状況： 人工知能市場、
地域別、2021–2025年（百万米ドル） 368
表234 AIデータエンジニアリングおよび導入準備状況：人工知能市場、
地域別、2026–2033年（百万米ドル） 368
表 235 カスタムAI/MLモデル開発：人工知能市場、
地域別、2021年～2025年 （百万米ドル） 369
表 236 カスタムAI/MLモデルの開発：人工知能市場、
地域別、2026年～2033年（百万米ドル） 369
表 237 AIソリューションのアーキテクチャおよびシステム設計：人工知能市場、地域別、2021年～2025年（百万米ドル） 370
表238 AIソリューションのアーキテクチャおよびシステム設計：人工知能市場、地域別、2026年～2033年 （百万米ドル） 370
表 239 LLMの微調整およびRAGの実装：地域別人工知能市場、2021年～2025年（百万米ドル） 371
表 240 LLMの微調整およびRAGの実装： 地域別人工知能市場、2026年～2033年（百万米ドル） 372
表241 自律エージェント・ワークフローの実装：地域別人工知能市場、2021年～2025年（百万米ドル） 373
表242 自律エージェントのワークフロー実装：地域別人工知能市場、2026年～2033年（百万米ドル） 373
表243 AI API統合およびワークフロー統合：人工知能市場、地域別、2021年～2025年（百万米ドル） 374
表 244 AI API 統合およびワークフロー統合：人工知能市場、地域別、2026–2033年 （百万米ドル） 374
表 245 AI インフラの導入：人工知能市場、
地域別、2021–2025年（百万米ドル） 375
表246 AIインフラの導入：人工知能市場、
地域別、2026年～2033年（百万米ドル） 375
表247 人工知能市場、マネージドAIサービス別、
2021年～2025年 （百万米ドル） 376
表248 AI市場：マネージドAIサービス別、
2026–2033年（百万米ドル） 377
表249 マネージドAIサービス：人工知能市場、
地域別、2021年～2025年（百万米ドル） 377
表250 マネージドAIサービス：人工知能市場、
地域別、2026年～2033年（百万米ドル） 377
表251 マネージドAIセキュリティ・コンプライアンスサービス：人工知能市場、地域別、2021年～2025年（百万米ドル） 378
表 252 マネージド AI セキュリティおよびコンプライアンスサービス：人工知能市場、地域別、2026–2033年（百万米ドル） 379
表253 マネージドAIインフラストラクチャおよびGPUaaS：人工知能市場、
地域別、2021年～2025年（百万米ドル） 380
表254 マネージドAIインフラストラクチャおよびGPUaaS： 人工知能市場、
地域別、2026年～2033年（百万米ドル） 380
表255 マネージドMLOPSおよびAIOPS：人工知能市場、
地域別、2021年～2025年（百万米ドル） 381
表256 マネージドMLOPSおよびAIOPS：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 381
表 257 マネージド AI アプリケーションサービス：人工知能市場、
地域別、2021–2025年（百万米ドル） 382
表 258 マネージド AI アプリケーションサービス：人工知能市場、
地域別、2026–2033年（百万米ドル） 382
表 259 マネージドナレッジベースおよび RAG サービス： 人工知能市場、地域別、2021年～2025年（百万米ドル） 383
表260 マネージド・ナレッジベースおよびRAGサービス：人工知能市場、地域別、2026年～2033年（百万米ドル） 384
表261 AIヘルプデスク・サポートサービス：人工知能市場、
地域別、2021年～2025年（百万米ドル） 385
表262 AIヘルプデスク・サポートサービス：人工知能市場、
地域別、2026年～2033年 （百万米ドル） 385
表263 データラベリング・アノテーションサービス：人工知能市場、
地域別、2021年～2025年（百万米ドル） 386
表 264 データラベリングおよびアノテーションサービス：人工知能市場、
地域別、2026年～2033年（百万米ドル） 387
表 265 AIトレーニングおよび導入支援サービス： 人工知能市場、
地域別、2021年～2025年（百万米ドル） 388
表266 AIトレーニング・導入支援サービス：人工知能市場、
地域別、2026年～2033年（百万米ドル） 388
表267 人工知能市場、技術別、2021年～2025年（10億米ドル） 391
表268 人工知能市場、技術別、2026年～2033年（10億米ドル） 392
表269 人工知能市場（古典的機械学習別）、
2021年～2025年（10億米ドル） 393
表270 人工知能市場（古典的機械学習別）、
2026年～2033年 （10億米ドル） 393
表271 古典的機械学習：人工知能市場、
地域別、2021年～2025年（10億米ドル） 394
表272 古典的機械学習：人工知能市場、
地域別、 2026–2033年（10億米ドル） 394
表273 教師あり学習：人工知能市場、地域別、
2021–2025年（10億米ドル） 395
表274 教師あり学習：人工知能市場、地域別、
2026–2033年（10億米ドル） 395
表275 教師なし学習：人工知能市場、地域別、2021–2025年（10億米ドル） 396
表276 教師なし学習：地域別人工知能市場、2026年～2033年（10億米ドル） 396
表277 強化学習：地域別人工知能市場、2021年～2025年（10億米ドル） 397
表 278 強化学習：地域別人工知能市場、2026年～2033年（10億米ドル） 397
表279 フェデレーテッドラーニング：地域別人工知能市場、
2021年～2025年（10億米ドル） 398
表280 フェデレーテッドラーニング： 人工知能市場、地域別、
2026年～2033年（10億米ドル） 399
表281 人工知能市場、ディープラーニング別、
2021年～2025年（10億米ドル） 400
表282
人工知能市場（ディープラーニング別）、2026–2033年（10億米ドル） 400表283 ディープラーニング：人工知能市場（地域別）、 2021–2025年 （10億米ドル） 400表284 ディープラーニング：人工知能市場（地域別）、2026–2033年（10億米ドル） 401表285畳み込みニューラルネットワーク：人工知能市場、地域別、2021年～2025年（10億米ドル） 402表 286 畳み込みニューラルネットワーク：人工知能市場、地域別、2026–2033年（10億米ドル） 402表 287トランスフォーマーベースのモデル：人工知能市場、地域別、2021–2025年（10億米ドル） 403表288 トランスフォーマーベースのモデル：人工知能市場、地域別、2026–2033年 （10億米ドル） 403表289 拡散モデル：人工知能市場、地域別、2021年～2025年（10億米ドル） 404表 290 拡散モデル：人工知能市場、地域別、2026年～2033年（10億米ドル） 404表 291 生成対抗ネットワーク：人工知能市場、 地域別、2021年～2025年（10億米ドル） 405表292 生成対立ネットワーク：人工知能市場、地域別、2026年～2033年（10億米ドル） 405表293グラフニューラルネットワーク：人工知能市場、地域別、2021–2025年（10億米ドル） 406表294 グラフニューラルネットワーク：人工知能市場、地域別、2026–2033年 （10億米ドル） 406表295 リカレントニューラルネットワーク：人工知能市場、地域別、2021年～2025年（10億米ドル） 407表296リカレントニューラルネットワーク：人工知能市場、地域別、2026年～2033年（10億米ドル） 408表297 人工知能市場、生成AI別、2021年～2025年（10億米ドル） 409表298 生成AI別の人工知能市場、2026年～2033年（10億米ドル） 409表299 生成AI：地域別の人工知能市場、2021年～2025年（10億米ドル） 409表300 生成AI：地域別人工知能市場、2026年～2033年（10億米ドル） 410表 301 テキスト生成：地域別人工知能市場、2021–2025年（10億米ドル） 411表 302テキスト生成：地域別人工知能市場、2026–2033年（10億米ドル） 411表303 コード生成：地域別人工知能市場、2021–2025年（10億米ドル） 412表 304 コード生成：人工知能市場、地域別、2026–2033年（10億米ドル） 412表 305 画像・動画生成： 人工知能市場、地域別、2021–2025年（10億米ドル） 413表306 画像・動画生成：人工知能市場、地域別、2026–2033年（10億米ドル） 413表 307 マルチモーダル生成：人工知能市場、地域別、2021–2025年 （百万米ドル） 414表 308 マルチモーダル生成：人工知能市場、地域別、2026–2033年（百万米ドル） 414表 309 合成データ生成： 人工知能市場、地域別、2021–2025年（10億米ドル） 415表310 合成データ生成：人工知能市場、地域別、2026–2033年（10億米ドル）415表311 人工知能市場、自然言語処理別、2021–2025年（10億米ドル） 416
