AI Image Recognition Market

Mercado de Reconocimiento de imagen de AI Resumen:

Según la Insight Transpire, el Mercado de Reconocimiento de imagen de AI se estima en USD 3.27 mil millones en 2025 y se prevé alcanzar USD 12.77 mil millones en 2033, creciendo en una CAGR de 18,60% de 2026 a 2033.

El mercado AI Image Recognition permite a las empresas convertir secuencias de cámaras, imágenes médicas, imágenes de productos y vídeos industriales en una línea de decisiones empresariales. Esas decisiones podrían rechazar partes defectuosas, señalar comportamientos sospechosos, autenticar identidades o priorizar los hallazgos de radiología. En los últimos tres a cinco años, el mercado de reconocimiento de imágenes ha pasado de clasificadores de imagen basados en la nube a sistemas de visión multimodales basados en bordes que analizan imágenes y vídeos cercanos a sus fuentes. Un cambio estructural clave es la proliferación de aceleradores de IA diseñados a propósito y dispositivos de borde pequeño que pueden minimizar latencia, costos de ancho de banda, y la exposición de datos visuales sensibles. Los impulsores estratégicos de este cambio son la escasez de mano de obra y el alto costo de errores en la fabricación, logística, retail y salud. A medida que las empresas automatizan los flujos de trabajo de inspección y vigilancia, el reconocimiento AI reemplaza la revisión manual repetitiva con monitoreo visual continuo, aumento de rendimiento, aumento de trazabilidad y creación de nuevos ingresos basados en servicios para software, hardware e integración. Además, el aumento de la regulación de los sistemas biométricos está generando la demanda de despliegues auditables y controlados por el ser humano.

Mercado de Reconocimiento de imagen de AI Size & Forecast:

• Tamaño del mercado 2025: USD 3.27 billón
• Valor de mercado esperado (2033): USD 12.77 millones
• Predicción de CAGR (2026-2033): 18,60%
• Región líder en 2025: América del Norte
• Región de crecimiento más rápida: Asia Pacífico
• Perfiles de la compañía clave: NVIDIA, Intel, Google, Microsoft, IBM, Amazon Web Services, Qualcomm, Sony, NEC, Cognex, Keyence, Basler, Teledyne Technologies, Zebra Technologies, SenseTime.

Key Mercado de Reconocimiento de imagen de AI Insights:

El mercado se está moviendo de una solución de reconocimiento independiente a pilas de inteligencia visual de borde a cierre, donde la velocidad de respuesta, control de datos e integración del flujo de trabajo se convierten en los factores clave que impulsan el valor de un contrato. Los proveedores van más allá de la precisión genérica de la detección de objetos para diferenciarse con hardware especializado, modelos multimodales y el despliegue listo para el cumplimiento.

• NVIDIA sigue centrándose en el hardware con 45,12% del mercado, ya que amplía la computación de borde a cierre acelerado para cargas de trabajo de visión de múltiples cámaras en tiempo real.
• El software, 21.00%, va dirigido por el flujo de trabajo, con Google y Microsoft añadiendo capacidades de visión a sus suites de IA cloud, promoviendo la absorción basada en API.
• Servicios, 10.00%, resultan relevantes ya que IBM y Cognex ayudan a las empresas en modelos de ajuste fino, agregando cámaras y verificando resultados sobre el terreno.
• Aceleradores de IA, 7,00%, se benefician de la eficiente estrategia de inferencia en dispositivos de Qualcomm, reduciendo la latencia en uso móvil, automotriz y cámara inteligente.
• Cámaras, 6.00%, se están convirtiendo en puntos finales inteligentes, con el emparejamiento de sensores avanzados y el procesamiento de bordes para lograr una mejor calidad de visión de máquina.
• Dispositivos de borde, 5.00%, soportan la analítica local, ya que Zebra fortalece los flujos de trabajo de almacén y minoristas habilitados para la visión donde la conectividad es variable.
• Infraestructura en la nube, 4,00%, permite la capacitación central y actualizaciones de modelos; escalas AWS gestiona servicios de visión para empresas más allá de los pilotos.
• Otros, 1.88%, son ópticas especializadas y herramientas de integración, con Basler y Teledyne centrándose en la imagen de precisión para aplicaciones industriales y científicas.
• Los requisitos de la EU GPAI están impulsando la gobernanza a convertirse en un criterio de compra, con crecientes demandas de documentación, transparencia y controles del ciclo de vida.

¿Cuáles son los controladores clave, las restricciones y las oportunidades en el Mercado de Reconocimiento de imagen de AI?

Conductor:

El principal factor de crecimiento es la necesidad financiera de inspeccionar más imágenes y vídeo de lo que los equipos humanos pueden revisar constantemente. Los fabricantes ahora implementan la visión de la máquina para detectar defectos superficiales, componentes perdidos y errores de embalaje en tiempo real; los minoristas usan analítica de la cámara para la disponibilidad de estanterías, gestión de colas y prevención de pérdidas. Este cambio fue acelerado por las limitaciones laborales, la presión de realización del comercio electrónico y el creciente volumen de datos visuales generados por cámaras conectadas. Cuando los modelos de reconocimiento están incrustados en líneas de producción o operaciones de almacenamiento, los clientes obtienen decisiones más rápidas, menor rework, menos stockouts y un control de reducción mensurable, apoyando el gasto en cámaras, aceleradores, licencias de software, capacidad de nube y servicios de integración. Las implementaciones minoristas combinan cada vez más análisis de estanterías, auditorías visuales, cumplimiento planograma y búsqueda visual en lugar de tratar el reconocimiento de imagen como un piloto independiente.

Restricción:

La precisión sigue siendo desigual fuera de la configuración controlada. La mala iluminación, oclusión, variación de la cámara-ángulo, datos de entrenamiento no representativos y límites de computación de dispositivos de borde pueden elevar falsas alertas o detección perdida. La cuestión persiste porque la recopilación de datos visuales etiquetados, legalmente utilizables, es costosa, mientras que cada sitio puede requerir reentrenamiento y validación modelo. Las aplicaciones biométricas enfrentan una barrera de confianza adicional: Las pruebas en curso de NIST siguen documentando variaciones demográficas en las tasas de error de reconocimiento facial a través de algoritmos.

Oportunidad:

La próxima piscina de valor en el mercado de reconocimiento de imágenes AI emergerá de la visión de borde reservada de privacidad y modelos multimodales específicos para la industria. On-device AI permite a las fábricas, hospitales y operadores de ciudades inteligentes analizar datos visuales localmente, transmitiendo solamente alertas o metadatos anónimos a las plataformas cloud. Esto reduce los costos de latencia, el ancho de banda y los riesgos de la exposición de datos. Los centros de fabricación de Asia y el Pacífico ofrecen una fuerte demanda de automatización de inspección asequible, mientras que los mercados europeos regulados favorecen despliegues fiables y transparentes. Los proveedores que combinan interfaces de idiomas locales, herramientas de gobernanza y modelos de baja calidad asegurarán contratos empresariales de mayor valor.

¿Qué impacto ha tenido Inteligencia Artificial en el Mercado de Reconocimiento de imagen de AI?

Una aplicación de reconocimiento de imagen cambia de patrón basado en reglas que coincide con un sistema de decisión visual adaptativo. El uso de redes neuronales profundas y convolutivas permite la detección de defectos, clasificación de imágenes, detección de objetos, reconocimiento de patrones en escenas desordenadas, y correlación de evidencia visual con texto, registros de mantenimiento, catálogos de productos o historia clínica por medio de modelos transformadores o multimodales. En entornos industriales, AI puede comparar continuamente productos con estándares visuales aceptables normales y rechazar productos antes de que lleguen a la corriente baja.

En el sector de la salud, las herramientas de análisis de imágenes pueden priorizar los escaneos con hallazgos anormales para que los clínicos puedan asignar su tiempo de revisión limitado a casos urgentes. En logística y venta al por menor, los modelos pueden ser entrenados para predecir congestión, estanterías vacías, tiempo de morada y eventos anómalos del video en vivo. Los beneficios incluyen inspecciones más rápidas, menos controles manuales, mayor consistencia en la documentación y señales de mantenimiento predictivas basadas en cambios visuales sutiles. Los desafíos incluyen recursos necesarios para conjuntos de datos etiquetados, cámaras, hardware de procesamiento de bordes, monitoreo de modelos, ciberseguridad y flujos de trabajo; problemas de precisión cuando las condiciones del mundo real caen fuera del dominio de los datos de capacitación, supervisión humana, readiestramiento y auditorías para aplicaciones biométricas y relacionadas con la seguridad.

En septiembre de 2026, Ambarella se asoció con Capgemini para acelerar el desarrollo y despliegue de soluciones de Edge y Física AI en toda logística, retail, automatización industrial y salud.

https://www.vision-systems.com/nextgen/video/55407288/focus-on-vision-advancements-in-ai-september-23-2026

Key Mercado de Reconocimiento de imagen de AI Trends:

El mercado está pasando de herramientas de reconocimiento independientes a plataformas de inteligencia visual dentro del flujo de trabajo operativo donde la baja latencia, auditabilidad y exactitud de dominio son más importantes que las puntuaciones de referencia genéricas. El procesamiento de bordes y la IA multimodal están alterando el proceso de compra: las empresas están buscando cámaras más sistemas de IA, no sólo licencias modelo.

• Los pilotos de visión Cloud-first se están convirtiendo en híbridos, con empresas que mantienen el control del modelo en la nube pero que realizan inferencia en tiempo real en el borde.
• La inspección industrial está evolucionando de un conjunto de reglas a la detección de anomalías de aprendizaje profundo, donde los sistemas pueden detectar defectos que no se encontraron previamente.
• La categoría de componentes estratégicos de los aceleradores de IA está surgiendo debido a la necesidad de un menor consumo de energía y una mayor inferencia para el análisis en tiempo real de múltiples cámaras.
• La adopción minorista ha progresado más allá de la caída para incluir la detección de estante-gap, validación planograma, búsqueda visual y análisis de pérdida-prevención.
• Si bien las preocupaciones en materia de sesgo y privacidad siguen siendo un problema importante, el reconocimiento facial va más allá de las aplicaciones generalizadas de vigilancia para permitir la verificación de identidad auditable y autorizada.
• Se están haciendo preguntas contextuales en lugar de etiquetas de objetos, ya que se están utilizando modelos multimodales para atar imágenes a datos de texto y sensores.
• AI se está incorporando en los flujos de trabajo de proveedores de imágenes médicas con la intención de hacerlos más útiles para el triaje clínico, la puntuación de riesgos y otros flujos de trabajo, no como herramienta de diagnóstico.
• Si bien el esfuerzo necesario para preparar imágenes para datos sigue siendo elevado, Generative AI está ayudando a reducir esta carga creando datos sintéticos y proporcionando asistencia para el etiquetado.
• A medida que la gobernanza de AI se convierte en un requisito para los compradores, están buscando opciones de monitoreo modelo, explicación y anulación humana.
• A medida que crecen los sistemas robóticos y autónomos, la inferencia de la visión local es cada vez más importante, con la necesidad de respuestas oportunas que no pueden afectar la seguridad o la productividad si la nube es lenta para responder.

Mercado de Reconocimiento de imagen de AI Segmentation

Componente:

Hardware mantiene el 45,12% del mercado, reflejando el papel esencial de las cámaras, procesadores, servidores y sistemas integrados en la captura y análisis de datos visuales. El software representa 21.00%, apoyado por la demanda recurrente de modelos de reconocimiento, paneles analíticos, API y plataformas de gestión de modelos. Los servicios representan 10.00%, ya que las empresas requieren integración, anotación de datos, rediseño de flujo de trabajo y validación de modelos en curso. Los aceleradores de IA tienen un 7,00%, las cámaras representan 6.00%, los dispositivos de borde representan un 5,00%, la infraestructura de la nube aporta un 4,00% y otros componentes comprenden un 1,88%. Hardware seguirá siendo comercialmente importante, pero el software y los servicios deben ganar valor estratégico a medida que la escala de despliegues de las compras del equipo para gestionar operaciones de inteligencia visual.

Tecnología:

El aprendizaje profundo sigue siendo fundamental para el reconocimiento de imágenes, mientras que el apoyo de Machine Learning y Computer Vision estableció tuberías de reconocimiento a través de aplicaciones empresariales. Los CNN siguen proporcionando una extracción eficiente de características para tareas visuales de alto volumen, en particular cuando importa la velocidad de procesamiento. Transformador Los modelos están ganando relevancia porque captan relaciones contextuales más amplias dentro de las imágenes. Generative AI está ampliando la interpretación de contenidos visuales, mientras que Multimodal AI conecta imágenes con texto y otros datos, lo que permite el razonamiento basado en imágenes, la comprensión de documentos y un mayor conocimiento de contexto.

Aplicación:

La clasificación de imágenes y la detección de objetos siguen siendo cargas de trabajo básicas porque apoyan la identificación, el recuento y la vigilancia automatizadas en todas las industrias. El reconocimiento facial continúa creciendo en entornos de seguridad controlados, mientras que la inspección industrial mejora la detección de defectos y la consistencia de producción. Imágenes médicas está utilizando modelos visuales para apoyar la detección y priorización clínica, mientras que los sistemas autónomos requieren percepción ambiental continua. Security & Surveillance combina cada vez más la detección con el análisis de eventos. La adopción futura favorecerá las aplicaciones en las que los productos de imagen desencadenen directamente las decisiones operacionales, reduciendo la intervención manual y el tiempo de respuesta.

Despliegue:

Las configuraciones locales y híbridas siguen siendo importantes para las organizaciones que requieren un mayor control sobre imágenes sensibles, infraestructura y latencia. El despliegue en la nube proporciona un cálculo escalable y una gestión centralizada de modelos, mientras que Private Cloud admite entornos empresariales controlados. Public Cloud permite un acceso más rápido a servicios de visión sin una amplia inversión en infraestructura. Multi-Cloud mejora la flexibilidad y reduce la dependencia de un proveedor, mientras que el despliegue Edge soporta el procesamiento en tiempo real cerca de cámaras y dispositivos. Las arquitecturas futuras equilibrarán cada vez más los costos de inferencia, privacidad, conectividad, latencia y actualizaciones de modelos continuos.

Usuario final:

Retail & E-Commerce utiliza reconocimiento de imagen para el descubrimiento de productos, monitoreo de estanterías, verificación de salida y análisis de clientes. El cuidado de la salud aplica modelos visuales al análisis de imagen médica y priorización del flujo de trabajo clínico, mientras que Automotive utiliza tecnologías de percepción para la asistencia del conductor y funciones autónomas. La fabricación se basa en la inspección automatizada y el monitoreo de calidad, y Security utiliza el reconocimiento para la detección de eventos. Media & Entertainment aplica búsqueda visual y análisis de contenidos, mientras que Agricultura utiliza imágenes para monitoreo de cultivos. Los modelos sectoriales mejorarán cada vez más la exactitud y la pertinencia comercial.

¿Cuáles son los casos de uso clave que conducen el Mercado de Reconocimiento de imagen de AI?

La inspección de fabricación es el caso de uso básico asociado con el modelo de negocio centrado en hardware. Cámaras, aceleradores de IA y dispositivos de borde realizan inspecciones en tiempo real de componentes, soldaduras, etiquetas, embalaje y calidad de superficie, ayudando a los fabricantes a definir problemas antes de que el producto salga de la línea de fabricación.

Las aplicaciones que se pueden construir incluyen análisis de plataformas minoristas, búsqueda visual, verificación de autocontrol, detección de eventos de seguridad, triaging de exploración médica y aplicaciones de percepción automotriz-todo mediante detección de objetos y clasificación de imágenes que proporcionan valor comercial como menos rechazos, menos contracción, mejor disponibilidad de productos en la plataforma, y triaje clínico acelerado.

Los casos de uso futuro incluirán auxiliares de mantenimiento multimodal que combinan el análisis manual de imágenes y servicios, la agricultura de precisión utilizando la fotografía de drones para identificar el estrés de cultivos y la robótica de bordes que puede identificar y ordenar objetos localmente.

¿Qué regiones conducen el Mercado de Reconocimiento de imagen de AI Growth?

Norteamérica mantiene una fuerte ventaja, con el 27,35% del mercado. Conducido por la infraestructura cloud hiperescala, los avances semiconductores y la captación temprana de la automatización empresarial, América del Norte tiene una concentración de alta densidad de demanda en la fabricación minorista, logística, salud, defensa y avanzada, donde la toma de decisiones visuales es un gasto operativo directamente medible. India, aprovechar las ventajas de la escala, la presencia de gigantes líderes de la industria como NVIDIA, Microsoft, Google, Amazon Web Services e Intel, y un gran ecosistema para chips, desarrollo de modelos, implementación de la nube y uso de la empresa, es un líder ascendente con gran potencial comercial.

En septiembre de 2026, NVIDIA acordó oficialmente adquirir la principal plataforma de repositorio de código abierto, Hugging Face, por aproximadamente $12.93 mil millones. Esta adquisición monumental supera la brecha entre el despliegue de hardware y el modelo comunitario, dando a NVIDIA un camino directo a más de 18 millones de desarrolladores y 200.000 organizaciones empresariales que utilizan arquitecturas de IA de peso abierto en marcos cloud.

https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

Europa es un importante mercado regional a 24.00% de cuota, pero su perfil de crecimiento es diferente al de crecimiento impulsado por plataformas visto en América del Norte. La adopción de la tecnología en Europa está impulsada por la fabricación automotriz, la automatización industrial, las imágenes médicas y los casos de uso de control de calidad en lugar de los casos de consumo a escala de nubes. La certidumbre reguladora proporciona seguridad, y la Ley de IA de la UE ha aumentado el requisito de documentación técnica, transparencia y capacidad de gobernanza para el despliegue de IA. Los proveedores de modelos de IA para fines generales han estado bajo las obligaciones pertinentes de la UE desde agosto de 2025, lo que ha permitido consolidar la IA visual centrada en el cumplimiento como una oportunidad regional prometedora.

En enero de 2026, Siemens amplió su asociación de larga data con NVIDIA para desarrollar el Sistema Operativo Industrial AI para revolucionar cómo los clientes diseñan, ingenieren y operan sistemas físicos.

https://press.siemens.com/global/en/pressrelease/siemens-unveils-technologies-accelerate-industrial-ai-revolution-ces-2026

Asia-Pacífico, con un 26.00% del mercado, es la región de crecimiento más rápido con un 15.61% de CAGR proyectado. Su aceleración refleja una inversión ampliada de fabricación inteligente, una creciente producción electrónica, programas de ciudades inteligentes y un alto volumen comercio electrónico operaciones. China, Japón, Corea del Sur, India y Asia Sudoriental están viendo un uso cada vez mayor del reconocimiento de imagen en la inspección de fábrica, pagos digitales, análisis de tráfico, agricultura y realización minorista. La oportunidad futura radica en dispositivos de bordes de menor costo y modelos de formación local que sirven entornos operativos multilingües, de alta densidad y con conectividad variable. América Latina contribuye 12.00%, mientras que el Oriente Medio y África representan 10.65%, con la modernización de la vigilancia, digitalización logística y proyectos de infraestructura inteligente que proporcionan vías de crecimiento selectivas.

En septiembre de 2026, IIEST, Shibpur se asoció con TCS para lanzar un centro de excelencia de inteligencia artificial. Los avances en la colaboración aplicaron investigaciones en ámbitos clave, como la visión informática y el procesamiento de imágenes, para fortalecer los vínculos entre la educación superior y el sector tecnológico.

https://ddindia.co.in/2026/09/iiest-shibpur-partners-with-tcs-to-launch-of-the-art-centre-of-excellence-in-ai/

¿Quiénes son los jugadores clave en el Mercado de Reconocimiento de imagen de AI, y cómo compiten?

La competencia incluye plataformas de cálculo, inteligencia artificial en la nube, software empresarial y proveedores de visión de nicho. La diferenciación se basa cada vez más en la eficiencia de la inferencia, las capacidades multimodales, la flexibilidad del despliegue y la integración vertical. NVIDIA e Intel se centran en la amplitud de la infraestructura, mientras que Google, Microsoft, IBM y AWS prioritise gestionan los ecosistemas de inteligencia artificial y empresa. Qualcomm tiene como objetivo la inferencia eficiente de potencia en el borde; Sony busca la diferenciación basada en sensores.

NVIDIA aprovecha la computación acelerada y sus ecosistemas de software para apoyar el volumen de trabajo de visión de alta potencia. Intel enfatiza la infraestructura de inferencia escalable y las asociaciones con la industria. Google y Microsoft extienden la IA visual desde servicios cloud a flujos de trabajo de usuario final y puntos finales. IBM pretende gobernar la IA híbrida. AWS enfatiza los servicios basados en la nube que reducen la fricción de despliegue. Qualcomm hace hincapié en la inferencia eficiente del poder en el borde. Sony enfatiza la diferenciación basada en sensores. NEC y Sense Time se centran en la inteligencia visual especializada. Cognex, Keyence, Basler, Teledyne Technologies y Zebra Technologies se especializan en inspecciones industriales, detección, cámaras y flujos de trabajo de automatización, y dependen de soluciones verticales, socios de integración y la base de clientes para el crecimiento. La experiencia en el sector sigue siendo un punto clave de diferenciación.

Los jugadores clave son:

• NVIDIA
• Intel
• Google
• Microsoft
• IBM
• Amazon Web Services
• Qualcomm
• Sony
• NEC
• Cognex
• Keyence
• Basler
• Teledyne Technologies
• Zebra Technologies
• SenseTime

Desarrollo reciente Noticias

• En septiembre de 2026, Elsevier y LG AI Research anunciaron una alianza estratégica para incorporar las capacidades de visión de la química específica de la IA en los flujos de trabajo de curación de la literatura. Esta colaboración implementa un reconocimiento avanzado de imagen para detectar y extraer instantáneamente datos de sustancias visuales de patentes y revistas científicas a una escala sin precedentes para la plataforma de descubrimiento de Reaxys.https://www.bio-itworld.com/news/2026/09/23/elsevier--lg-ai-research-integrate-chemistry-specific-ai-vision
• En septiembre de 2026, Cognex acordó adquirir RealSense por aproximadamente $500 millones en efectivo. Esta transacción añade un hardware avanzado de percepción robótica en 3D y percepción robótica autónomo a la cartera industrial de visión de máquina de Cognex, acelerando las implementaciones de IA en los pisos de fábrica.https://iottechnews.com/news/cognex-realsense-acquisition-factory-edge-ai/
• En septiembre de 2026, Ambarella se asoció con Ultralytics para habilitar los modelos Ultralytics YOLO de visión informática en los dispositivos de bordes Ambarella CVflow. La colaboración simplifica el despliegue de la detección de objetos en tiempo real, la clasificación de imágenes, la segmentación y las cargas de trabajo de visión conexas en hardware AI de bajo potencial.https://www.globenewswire.com/news-release/2026/09/15/3362191/23306/en/ambarella-and-ultralytics-collaborate-to-bring-ultralytics-yolo-models-to-cvflow-poweredge-devices.html

What Strategic Insights Define the Future of the Mercado de Reconocimiento de imagen de AI?

El mercado se está moviendo hacia la inteligencia visual consciente de la privacidad. Los consumidores buscan la integración del sistema donde los datos de la cámara se convierten en una respuesta operativa rápida, no es necesario digerir montañas de datos de vídeo. Centros de riesgo sobre la deriva modelo, como cambios en iluminación, diseño, colocación de cámaras o pop. La demografía puede acechar la precisión de derivación no detectada deja a los fabricantes vulnerables a falsas alarmas y defectos perdidos. La mayor oportunidad implica la IA multimodal vertical, que combina imágenes con texto, datos de sensores, registros de mantenimiento y directrices operativas. Un modelo de fábrica que identifica un defecto, luego lo vincula a la configuración de la máquina y los informes de servicio anteriores, ofrece mucho más valor que el reconocimiento solo. Será fundamental centrar la atención estratégica en los conjuntos de datos específicos de dominio, la vigilancia de modelos, la inferencia de bordes y los controles auditables de la anulación humana. Los proveedores deben posicionarlos como soluciones basadas en resultados, por ejemplo, menos residuos, procesamiento de reclamaciones más rápido, o menos stockouts minoristas, y no como API de reconocimiento para fines generales. La directiva de la Unión Europea sobre transparencia y documentación subraya el caso comercial de las plataformas IA gobernadas y auditables.

Segmentations clave son:

Componente

• Hardware
• Software
• Servicios
• AI Accelerators
• Cámaras
• Dispositivos de borde
• Infraestructura de la nube
• Otros

Tecnología

• Aprendizaje profundo
• Machine Learning
• Computer Vision
• CNN
• Modelos transformadores
• Generative AI
• Multimodal AI
• Otros

Aplicación

• Clasificación de imágenes
• Detección de objetos
• Reconocimiento facial
• Inspección industrial
• Imágenes médicas
• Sistemas autónomos
• Seguridad y Vigilancia
• Otros

Despliegue

• On-Premise
• Cloud
• híbrido
• Edge
• Private Cloud
• Public Cloud
• Multi-Cloud
• Otros

Usuario final

• Retail & E-Commerce
• Salud
• Automoción
• Fabricación
• Seguridad
• Medios de comunicación y entretenimiento
• Agricultura
• Otros

Por análisis regional

América del Norte

• Estados Unidos
• Canadá
• México

Europa

• Alemania
• UK
• Francia
• Italia
• España
• Rusia
• El resto de Europa

Asia Pacífico

• China
• Japón
• India
• Corea del Sur
• Australia
• El resto de Asia Pacífico

América del Sur

• Brasil
• Argentina
• El resto de América del Sur

Oriente Medio y África

• UAE
• Arabia Saudita
• Qatar
• Sudáfrica
• El resto del Oriente Medio " África