1 はじめに
1.1 調査目的
1.2 市場の定義
1.2.1 包含と除外 62
1.3 市場範囲 63
1.3.1 市場セグメンテーション 63
図1 生成AI市場のセグメンテーション 63
1.3.2 対象地域 64
図2 生成AI市場の地域別セグメント化 64
1.3.3 対象年数 64
図3 調査対象年／期間 64
1.4 対象通貨 65
表1 米ドル為替レート、2019年～2023年 65
1.5 利害関係者 65
1.6 変化のまとめ 66
1.6.1 景気後退の影響 67
2 調査方法 68
2.1 調査データ 68
図 4 ジェネレーティブ AI 市場：調査デザイン 68
2.1.1 二次データ 69
2.1.2 一次データ 69
表 2 一次インタビュー 69
2.1.2.1 主要プロファイルの内訳 70
図 5 主要プロファイル（企業タイプ、呼称、地域別） 70
2.1.2.2 主要な業界インサイト 70
図6 業界専門家による洞察 70
2.2 市場規模の推定 71
図7 生成AI市場：トップダウンアプローチとボトムアップアプローチ 71
2.2.1 トップダウンアプローチ 71
2.2.2 ボトムアップアプローチ 72
図 8 アプローチ 1（ボトムアップ；供給側）： 生成AIのソリューション／サービスを提供する主要プレイヤーからの収益 72
図 9 アプローチ 2（ボトムアップ、サプライサイド）： 生成AIの全ソリューション／サービスからの総収益 73
図 10 アプローチ 3（ボトムアップ；供給側）： 市場推定のステップと対応するソース 74
図 11 アプローチ 4（ボトムアップ、需要サイド）： 全体的な人工知能支出に占める生成AIのシェア 75
2.3 データの三角測量 76
図 12 データの三角測量 76
2.4 市場予測
表3 要因分析 77
2.5 調査の前提 78
2.6 調査の限界 79
2.7 景気後退が生成AI市場に与える影響 80
表4 世界の生成AI市場における景気後退の影響 80
3 エグゼクティブサマリー 82
表5 生成AIの市場規模と成長率、2020～2023年（百万米ドル、前年比） 84
表6 生成AIの市場規模と成長率、2024～2030年（百万米ドル、前年比） 84
図13 2024年にはサービスよりも生成AIソフトウェアの方が市場規模が大きくなる 85
図 14 2024 年にはディープラーニングがソフトウェアタイプの中で主要セグメントとなる 85
図15 予測期間中、生成AIソフトウェアのクラウド展開が急成長 86
図 16 2024 年にはプロフェッショナルサービスが支配的なサービスセグメントとなる 86
図 17 2024 年にはトレーニング＆コンサルティングサービスがプロフェッショナルサービスの中で最も高いシェアを記録 87
図 18 2024 年にはテキストデータモダリティが最大の市場シェアを占める 87
図 19 2024 年にはコンテンツ管理が主要アプリケーションに 88
図20 予測期間中に最も高い成長率を示すのは小売とeコマース 88
図 21 2024～2030 年に最も速い成長率を記録するのはアジア太平洋地域 89
4 プレミアムに関する洞察 90
4.1 ジェネレーティブ AI 市場プレーヤーにとっての魅力的な機会 90
図 22 マルチモーダルなジェネレーティブ AI に対する需要の増加と大規模言語モデルの性能向上が市場成長を促進 90
4.2 生成AI市場：上位3つのアプリケーション 91
図 23 合成データ管理分野が予測期間中に最も高い成長率を占める 91
4.3 北米：生成AI市場：サービス別、業種別 91
図 24 2024 年にはソフトウェアとメディア＆エンターテイメントが北米市場の最大セグメント株主に 91
4.4 生成AI市場、地域別 92
図 25 北米が 2024 年に最大の地域シェアを占める 92
5 市場概要と業界動向 93
5.1 はじめに 93
5.2 市場ダイナミクス 93
図 26 ジェネレーティブ AI 市場：促進要因、阻害要因、機会、課題 94
5.2.1 ドライバー 94
5.2.1.1 データへの容易なアクセスを可能にするクラウドストレージの革新 94
5.2.1.2 AIとディープラーニングの進化 95
図27 ディープラーニングの進歩により極めて大規模な言語モデルが開発される（2018～2023年）（億パラメータ） 95
5.2.1.3 コンテンツ作成とクリエイティブ用途の増加 96
図 28 企業規模を問わない生成 AI の上位ユースケース（2022 年） 96
5.2.2 阻害要因 97
5.2.2.1 訓練データの準備に伴う高コスト 97
図29 様々なgpt-3ベースのllmsの100万パラメータ当たりのトレーニングコスト 97
5.2.2.2 バイアスと不正確な出力に関する問題 98
図30 chatgptの回答で強調されたトレーニングデータに関する問題 98
5.2.2.3 データ侵害と機密情報漏洩に関するリスク 99
5.2.3 チャンス 99
5.2.3.1 大規模言語モデルの導入の増加 99
図 31 大規模言語モデルへの支出（エンドユーザー別）、2024 年対 2030 年（百万米ドル） 100
5.2.3.2 合成画像の商業化に対する企業の関心の高まり 101
5.2.3.3 人間のベースライン性能につながる生成MLの頑健な改善 101
図 32 人間の認知スキルにおける著名な生成 AI モデルのスコア（2022 年） 102
5.2.4 課題 103
5.2.4.1 違法行為への生成AIの悪用に関する懸念 103
5.2.4.2 生成AIモデルによって生成される出力の品質 103
図 33 2023 年における gpt-4 の 3 カ月以内のモデルドリフト 104
5.2.4.3 生成AIの計算複雑性と技術的課題 104
図 34 いくつかの著名な生成 AI モデルの計算要件（テラフロップス） 105
5.3 生成AIの倫理と影響 105
図 35 ジェネレーティブ AI の倫理的シナリオ（2023～2025 年） 105
5.3.1 バイアスと公平性 105
5.3.2 プライバシーとセキュリティ 106
5.3.3 知的財産 106
5.3.4 説明責任と責任 106
5.3.5 社会的・経済的影響 106
5.3.6 環境への影響 106
図36 生成AIモデルと実例との比較によるCO2換算排出量（トン）（2022年） 107
5.4 生成AIの進化 108
図 37 生成AIの進化 108
5.5 生成AIの投資利益率 109
図 38 ジェネレーティブ AI の生産性インパクト（産業別）（10 億米ドル） 110
図 39 ジェネレーティブ AI クラウドプログラムが企業にもたらす正味の投資利益率（％ポイント） 111
5.6 生成AIの成熟度曲線 112
図40 生成AIの成熟度曲線 113
5.7 生成AI：開発・導入コスト 113
図41 Gpt-3レベルの性能を持つ生成AIモデルの学習コスト、2020～2030年（米ドル） 114
5.7.1 ハードウェアコスト 114
図42 生成AIモデルのトレーニングにかかるハードウェアコスト 114
5.7.2 ソフトウェアコスト 115
図 43 ニューラルネットワークを用いた生成 AI モデルのトレーニングにかかるソフトウェアコスト 115
5.7.3 技能労働コスト 116
図44 AIソフトウェア労働者の時給中央値（2023年）（1時間当たり米ドル） 116
5.8 エコシステム分析 116
表7 生成AI市場：エコシステム 116
図45 生成AI市場のエコシステムにおける主要プレイヤー 119
5.8.1 テキストジェネレータープロバイダー 119
5.8.2 動画ジェネレーター・プロバイダー 120
5.8.3 画像ジェネレーター・プロバイダー 120
120 5.8.4 音声・音声ジェネレーター・プロバイダー 120
5.8.5 コードジェネレーター事業者 120
5.8.6 クラウドプラットフォームプロバイダー 120
5.8.7 APIプロバイダー 120
5.8.8 エンドユーザー 121
5.8.9 政府・規制機関 121
5.9 サプライチェーン分析 121
図46 生成AI市場：サプライチェーン分析 121
表8 生成AI市場：サプライチェーン分析 122
5.10 生成AIのツールとフレームワーク 124
5.10.1 テンソルフロー 124
5.10.2 pytorch 124
5.10.3 keras 124
5.10.4 caffe 124
5.10.5 Theano 124
5.10.6 mxnet 125
5.10.7 torch 125
5.10.8 抱擁顔 125
5.11 生成AI 技術と手法 125
5.11.1 テキスト生成と言語モデリング 125
5.11.1.1 テキスト生成のためのリカレントニューラルネットワーク 126
5.11.1.2 トランスフォーマーによる言語モデリング 126
5.11.1.3 翻訳のための Seq2Seq モデル 126
5.11.2 画像・動画生成 126
5.11.2.1 画像生成のための生成的敵対ネットワーク 127
5.11.2.2 スタイル転送と画像間翻訳 127
5.11.2.3 GANによる動画生成 127
5.11.3 音楽・音声生成 127
5.11.3.1 音声生成のためのWaveNetとSampleRNN 128
5.11.3.2 LSTMネットワークによる音楽生成 128
5.11.4 強化学習 128
5.11.4.1 ポリシー勾配法 128
5.11.4.2 アクタークリティック手法 129
5.12 投資環境と資金調達シナリオ 129
図 47 ジェネレーティブ AI のエクイティ資金調達と取引（2019～2023 年） 129
図 48 資金調達額と資金調達ラウンド別の主要生成AIベンダー（2017～2024年） 130
図 49 最も評価されたジェネレーティブ AI 企業、2023 年（10 億米ドル） 131
図50 生成AIの新興企業、資金調達ステージ別、2023年 132
図51 生成AIの資金調達分布（2021～2022年）（百万米ドル） 133
図52 生成AIへの投資（カテゴリー別）、2023年（百万米ドル） 133
図53 大規模言語モデル運用（llmops）への投資、カテゴリー別、2023年（百万米ドル） 134
図54 大規模言語モデルの取引件数と取引額、2021年第1四半期～2023年第3四半期（百万米ドル） 135
5.13 ケーススタディ分析 136
5.13.1 Marks & Spencer は Persado のモチベーション AI を利用してメールのコンバージョンを 20-34% 向上 136
5.13.2 Vodafone Group plc は、Persado のモチベーション AI により、重要なトレンドと豊富なインサイトを発見 137
5.13.3 Wpp 社、AI ビデオで 5 万人の従業員をトレーニング 138
5.13.4 テレパフォーマンス、シンセシア・スタジオでグローバル従業員をトレーニング 138
5.13.5 シスコはLumen5を使ってビデオコンテンツのローカライゼーションを拡張 139
5.13.6 シーメンス、lumen5 でコミュニケーションをデジタル化 139
5.13.7 インテルとアクセンチュアは共同で34のオープンソースAIリファレンスキットを作成 140
5.14 技術分析 140
5.14.1 主要技術 140
5.14.1.1 GAN（Generative Adversarial Networks：生成的逆数ネットワーク） 140
5.14.1.2 変分オートエンコーダ（VAE） 141
5.14.1.3 トランスフォーマーアーキテクチャ 141
5.14.1.4 注意メカニズム 141
5.14.1.5 トランスファー学習 142
5.14.2 隣接技術 142
5.14.2.1 自然言語処理（NLP） 142
5.14.2.2 コンピュータビジョン 142
5.14.2.3 強化学習 143
5.14.2.4 知識グラフ 143
5.14.3 補完技術 143
5.14.3.1 高性能コンピューティング（HPC） 143
5.14.3.2 説明可能なAI 144
5.14.3.3 プライバシー保護 AI 144
5.14.3.4 ブロックチェーン 144
5.15 規制の状況 145
5.15.1 規制機関、政府機関、その他の組織 145
表 9 北米：規制機関、政府機関、その他の組織 145
表 10 欧州： 規制機関、政府機関、その他の組織 146
表11 アジア太平洋地域： 規制機関、政府機関、その他の団体 146
表12 中東・アフリカ：規制機関、政府機関、その他の団体 147
表13 ラテンアメリカ：規制機関、政府機関、その他の団体 148
5.15.2 規制 148
5.15.2.1 北米 148
5.15.2.1.1 SCR 17：人工知能法案（カリフォルニア州） 148
5.15.2.1.2 S1103：人工知能自動決定法案（コネチカット州） 148
5.15.2.1.3 国家人工知能イニシアチブ法（NAIIA）（米国） 149
5.15.2.1.4 人工知能およびデータ法（AIDA）（カナダ） 149
5.15.2.2 欧州 149
5.15.2.2.1 欧州連合（EU） – 人工知能法（AIA） 149
5.15.2.2 一般データ保護規則（欧州） 150
5.15.2.3 アジア太平洋地域 151
5.15.2.3.1 生成型人工知能サービスの暫定行政措置（中国） 151
5.15.2.3.2 国家AI戦略（シンガポール） 151
5.15.2.3.3 広島AIプロセス総合政策フレームワーク（日本） 152
5.15.2.4 中東・アフリカ 152
5.15.2.4.1 人工知能国家戦略（アラブ首長国連邦） 152
5.15.2.4.2 国家人工知能戦略（カタール） 153
5.15.2.4.3 AI倫理原則とガイドライン（ドバイ） 153
5.15.2.5 ラテンアメリカ 153
5.15.2.5.1 サンティアゴ宣言（チリ） 153
5.15.2.5.2 ブラジル人工知能戦略（EBIA） 154
5.16 特許分析 154
5.16.1 方法論 154
5.16.2 出願特許（文書タイプ別） 155
表14 出願された特許（2013～2023年） 155
5.16.3 技術革新と特許出願 155
図 55 過去 10 年間の特許取得件数（2013-2023 年） 155
5.16.3.1 生成AI市場における出願人トップ10 156
図 56 ジェネレーティブ AI 市場における出願人上位 10 社（2013～2023 年） 156
表 15 ジェネレーティブ AI 市場における特許所有者上位 20 社（2013～2023 年） 156
表 16 ジェネレーティブ AI 市場における少数の特許リスト（2022～2023 年） 157
図 57 付与された特許の地域分析（2013 年～2023 年） 161
5.17 価格分析 161
5.17.1 主要プレイヤーの平均販売価格動向（データモダリティ別） 162
図 58 上位 3 つのデータモダリティにおける主要企業の平均販売価格（米ドル／月） 162
表17 上位3つのデータモダリティにおける主要企業の平均販売価格（米ドル／月） 162
5.17.2 オファリング別の指標価格分析 163
表18 生成AIソリューションの指標価格水準（オファリング別） 163
5.18 主要なカンファレンスとイベント 164
表19 生成AI市場：会議・イベントの詳細リスト（2024～2025年） 164
5.19 ポーターの5つの力分析 165
表 20 ジェネレーティブ AI 市場に対するポーターの 5 つの力の影響 166
図 59 生成AI市場：ポーターの5つの力分析 166
5.19.1 新規参入の脅威 167
5.19.2 代替品の脅威 167
5.19.3 供給者の交渉力 167
5.19.4 買い手の交渉力 167
5.19.5 競争相手の強さ 167
5.20 技術ロードマップ 168
図60 生成AI市場の技術ロードマップ 168
5.21 生成AIのビジネスモデル 170
図61 生成AIのビジネスモデル 170
5.21.1 生成AIのサービス・モデル 170
5.21.2 組み込み型アプリのビジネスモデル 171
5.21.3 垂直統合ビジネスモデル 171
5.21.4 マーケットプレイス／エクスチェンジモデル 171
5.22 顧客のビジネスに影響を与えるトレンド／破壊 172
5.22.1 顧客ビジネスに影響を与えるトレンド／破壊 172
図 62 顧客のビジネスに影響を与えるトレンド／破壊 173
5.23 主要ステークホルダーと購買基準 173
5.23.1 購入プロセスにおける主要ステークホルダー 173
図 63 上位 3 つのアプリケーションの購買プロセスにおける関係者の影響 173
表 21 上位 3 つのアプリケーションの購買プロセスにおける関係者の影響 174
5.23.2 購入基準 174
図 64 上位 3 つのアプリケーションにおける主な購買基準 174
表 22 上位 3 つのアプリケーションの主な購買基準 174
6 生成AI市場（オファリング別） 175
6.1 はじめに 176
6.1.1 オファリング： 生成AI市場の促進要因 176
図 65 ジェネレーティブ AI サービスは予測期間中に高い CAGR を記録 177
表 23 ジェネレーティブ AI 市場、オファリング別、2019～2023 年（百万米ドル） 177
表24 生成AI市場、オファリング別、2024年～2030年（百万米ドル） 177
6.2 ソフトウェア 178
表 25 ジェネレーティブ AI ソフトウェア市場、地域別、2019-2023 年（百万米ドル） 178
表26 生成AIソフトウェア市場、地域別、2024年～2030年（百万米ドル） 178
6.2.1 生成AIソフトウェア市場、タイプ別 179
図66 2024年に生成AIソフトウェアの中でディープラーニングサブセグメントが最大に 179
表 27 ジェネレーティブ AI ソフトウェア市場、タイプ別、2019 年～2023 年（百万米ドル） 180
表 28 ジェネレーティブ AI ソフトウェア市場、タイプ別、2024～2030 年（百万米ドル） 180
6.2.1.1 ルールベースモデル 180
6.2.1.1.1 ルールベースのモデルは、データ生成のための明確なルールを持つ生成AIへの明確で解釈可能なアプローチを提供 180
表 29 ルールベースのジェネレーティブ AI モデル市場、地域別、2019～2023 年（百万米ドル） 181
表 30 ルールベースのジェネレーティブ AI モデル市場、地域別、2024-2030 年（百万米ドル） 181
6.2.1.1.1.1 知識ベースモデル 181
6.2.1.1.1.2 スクリプトベースモデル 182
6.2.1.1.1.3 エキスパートシステム 182
6.2.1.2 統計モデル 182
6.2.1.2.1 統計モデルはデータの複雑なパターンを捉え、正確な出力を生成する強力な手段を提供する 182
表31 統計的生成AIモデル市場、地域別、2019～2023年（百万米ドル） 183
表32 統計的生成AIモデル市場、地域別、2024年～2030年（百万米ドル） 183
6.2.1.2.1.1 マルコフモデル 183
6.2.1.2.1.2 隠れマルコフモデル 184
6.2.1.2.1.3 ガウス混合モデル 184
6.2.1.2.1.4 条件付き確率場 184
6.2.1.3 深層学習モデル 185
6.2.1.3.1 ディープラーニングモデルは、きめ細かさが要求される生成タスクが得意 185
表 33 ディープラーニング生成 AI モデル市場、地域別、2019～2023 年（百万米ドル） 185
表34 ディープラーニング生成AIモデル市場、地域別、2024年～2030年（百万米ドル） 185
6.2.1.3.1.1 フィードフォワードニューラルネットワーク 186
6.2.1.3.1.2 リカレントニューラルネットワーク 186
6.2.1.3.1.3 長時間短期記憶（LSTM）ネットワーク 186
6.2.1.3.1.4 ゲート型リカレントユニット（GRU） 186
6.2.1.4 生成的敵対ネットワーク（GAN） 187
6.2.1.4.1 GANは、競合する2つのニューラルネットワークを訓練して多様なデータを生成することで、生成的AIに独自のアプローチを提供する 187
表 35 生成的敵対ネットワーク市場、地域別、2019～2023 年（百万米ドル） 187
表36 生成的敵対ネットワーク市場、地域別、2024年～2030年（百万米ドル） 187
6.2.1.4.1.1 条件付き生成的敵対ネットワーク（CGAN） 188
6.2.1.4.1.2 スタイルGAN 188
6.2.1.4.1.3 サイクルGAN 188
6.2.1.5 オートエンコーダ 189
6.2.1.5.1 元の入力に似た新しいデータ点を必要とする生成タスクに使われるオートエンコーダ 189
表 37 オートエンコーダ：生成 AI 市場、地域別、2019～2023 年（百万米ドル） 189
表 38 オートエンコーダ：ジェネレーティブ AI 市場、地域別、2024～2030 年（百万米ドル） 189
6.2.1.5.1.1 デノイジングオートエンコーダ 190
6.2.1.5.1.2 変分オートエンコーダ 190
6.2.1.6 畳み込みニューラルネットワーク（CNN） 190
6.2.1.6.1 畳み込みニューラルネットワーク（CNN）は画像データの階層的特徴を学習してリアルな画像を生成 190
表 39 畳み込みニューラルネットワーク市場、地域別、2019～2023 年（百万米ドル） 191
表 40 畳み込みニューラルネットワーク市場、地域別、2024～2030 年（百万米ドル） 191
6.2.1.6.1.1 画像生成CNN 191
6.2.1.6.1.2 ビデオ生成CNN 192
6.2.1.7 トランスフォーマベースの大規模言語モデル（LLM） 192
6.2.1.7.1 トランスフォーマベースのLLMは芸術的パフォーマンスを提供し、首尾一貫した文脈に関連したテキストを生成可能 192
表 41 トランスフォーマベースの LLM 市場、地域別、2019～2023 年（百万米ドル） 193
表 42 トランスフォーマベースの LLM 市場：地域別、2024～2030 年（百万米ドル） 193
6.2.1.7.1.1 トランスからの双方向エンコーダ表現（BERT） 193
6.2.1.7.1.2 Generative pre-trained transformer-1 (GPT-1) 193
6.2.1.7.1.3 生成的事前学習済み変換器-2（GPT-2） 194
6.2.1.7.1.4 Generative pre-trained transformer-3 (GPT-3) 194
6.2.1.7.1.5 Generative pre-trained transformer-4 (GPT-4) 194
6.2.1.7.1.6 対話アプリケーション用言語モデル（LaMDA） 195
6.2.1.7.1.7 その他の変換モデル 195
6.2.2 ソフトウェア市場（展開モード別） 195
図 67 クラウド分野が予測期間中に高い成長率を記録 196
表43 生成AIソフトウェア市場、展開モード別、2019年～2023年（百万米ドル） 196
表44 生成AIソフトウェア市場、展開モード別、2024年～2030年（百万米ドル） 196
6.2.2.1 オンプレミス 197
6.2.2.1.1 既存システムとシームレスに統合できるように生成AIのカスタマイズを支援するオンプレミス・ソリューション 197
表 45 オンプレミス型ジェネレーティブ AI ソフトウェア市場、地域別、2019～2023 年（百万米ドル） 197
表46 オンプレミス型生成AIソフトウェア市場、地域別、2024年～2030年（百万米ドル） 197
6.2.2.2 クラウド 198
6.2.2.2.1 AIソリューションの迅速な展開とAI技術へのアクセスを可能にするクラウド展開 198
表 47 クラウドベースのジェネレーティブ AI ソフトウェア市場、地域別、2019～2023 年（百万米ドル） 198
表48 クラウドベースの生成AIソフトウェア市場、地域別、2024～2030年（百万米ドル） 198
6.3 サービス 199
図 68 マネージドサービスが予測期間中、サービス向け生成AI市場で高いCAGRを記録 199
表49 生成AI市場、サービス別、2019年～2023年（百万米ドル） 199
表50 生成AI市場、サービス別、2024年～2030年（百万米ドル） 200
表51 生成AIサービス市場、地域別、2019-2023年（百万米ドル） 200
表52 生成AIサービス市場、地域別、2024年～2030年（百万米ドル） 200
6.3.1 プロフェッショナルサービス 201
6.3.1.1 生成AIソリューションの要件評価とカスタマイズ実装、導入支援 201
図 69 システムインテグレーション＆実装サブセグメントが予測期間中に最も高い成長率を記録 201
表53 生成AIサービス市場、プロフェッショナルサービス別、2019年～2023年（百万米ドル） 201
表54 生成AIサービス市場、プロフェッショナルサービス別、2024年〜2030年（百万米ドル） 202
表55 生成AIプロフェッショナルサービス市場、地域別、2019-2023年（百万米ドル） 202
表56 生成AIプロフェッショナルサービス市場、地域別、2024年～2030年（百万米ドル） 202
6.3.1.2 トレーニング＆コンサルティングサービス 203
表57 生成AIのトレーニング＆コンサルティングサービス市場、地域別、2019年～2023年（百万米ドル） 203
表58 生成AIのトレーニング＆コンサルティングサービス市場、地域別、2024年～2030年（百万米ドル） 203
6.3.1.2.1 モデル設計＆トレーニング 204
6.3.1.2.2 モデルの微調整 204
6.3.1.2.3 迅速なエンジニアリング 204
6.3.1.2.4 コンサルティングとシステムアーキテクト 205
6.3.1.3 システム統合と実装サービス 205
表59 生成AIのシステム統合＆実装サービス市場、地域別、2019～2023年（百万米ドル） 205
表60 生成AIのシステムインテグレーション＆実装サービス市場、地域別、2024年～2030年（百万米ドル） 206
6.3.1.3.1 モデルの統合と展開 206
6.3.1.3.2 カスタムアプリ開発 206
6.3.1.3.3 APIベースのモデル統合 207
6.3.1.4 サポート＆メンテナンスサービス 207
表61 生成AIのサポート＆保守サービス市場、地域別、2019～2023年（百万米ドル） 207
表62 生成AIのサポート＆保守サービス市場、地域別、2024年～2030年（百万米ドル） 208
6.3.1.4.1 モデルパフォーマンスメトリクス 208
6.3.1.4.2 セキュリティ＆コンプライアンス監査 208
6.3.1.4.3 モデルの最適化 209
6.3.2 マネージドサービス 209
6.3.2.1 マネージドサービスは生成AIのエンドツーエンド管理を提供し、企業がコアコンピテンシーに集中できるように支援 209
表63 生成AIのマネージドサービス市場、地域別、2019～2023年（百万米ドル） 209
表64 生成AIのマネージドサービス市場、地域別、2024年～2030年（百万米ドル） 210
7 生成AI市場、データモダリティ別 211
7.1 はじめに 212
7.1.1 データモダリティ：生成AI市場の促進要因 212
図 70 動画データモダリティは予測期間中に最も高い成長率を示す 213
表65 生成AI市場、データモダリティ別、2019～2023年（百万米ドル） 213
表66 生成AI市場、データモダリティ別、2024年～2030年（百万米ドル） 213
7.2 テキスト 214
7.2.1 テキストを処理・生成するRnnやトランスフォーマアーキテクチャなどの高度な技術 214
表 67 ジェネレーティブ AI 市場、テキストモダリティ別、2019～2023 年（百万米ドル） 214
表 68 ジェネレーティブ AI 市場、テキストモダリティ別、2024～2030 年（百万米ドル） 214
7.2.2 テキスト生成 215
表69 テキスト生成における生成AI市場、地域別、2019-2023年（百万米ドル） 215
表70 テキスト生成における生成AI市場、地域別、2024-2030年（百万米ドル） 215
7.2.3 テキストベースのチャットボット 216
表71 テキストベースのチャットボットにおける生成AI市場、地域別、2019年～2023年（百万米ドル） 216
表72 テキストベースのチャットボットにおける生成AI市場、地域別、2024-2030年（百万米ドル） 216
7.2.4 テキスト要約 217
表73 テキスト要約における生成AI市場、地域別、2019～2023年（百万米ドル） 217
表74 テキスト要約における生成AI市場、地域別、2024-2030年（百万米ドル） 217
7.2.5 テキスト翻訳 218
表75 テキスト翻訳における生成AI市場、地域別、2019-2023年（百万米ドル） 218
表76 テキスト翻訳における生成AI市場、地域別、2024年～2030年（百万米ドル） 218
7.2.6 その他のテキストモダリティ 219
表77 その他のテキストモダリティにおける生成AI市場、地域別、2019年～2023年（百万米ドル） 219
表78 その他のテキストモダリティにおける生成AI市場、地域別、2024年～2030年（百万米ドル） 219
7.3 画像 220
7.3.1 フォトリアリスティックな画像から抽象芸術まで、人工知能の画像技術を用いたビジュアルコンテンツの作成 220
表79 生成AI市場、画像モダリティ別、2019～2023年（百万米ドル） 220
表 80 ジェネレーティブ AI 市場、画像モダリティ別、2024～2030 年（百万米ドル） 220
7.3.2 画像生成 221
表 81 画像生成におけるジェネレーティブ AI 市場、地域別、2019～2023 年（百万米ドル） 221
表82 画像生成における生成AI市場、地域別、2024年～2030年（百万米ドル） 221
7.3.3 画像キャプション 222
表83 画像キャプションの生成AI市場、地域別、2019年～2023年（百万米ドル） 222
表84 画像キャプションの生成AI市場、地域別、2024年～2030年（百万米ドル） 222
7.3.4 画像編集とエンハンス 223
表 85 画像編集・エンハンスメントにおけるジェネレーティブ AI 市場、地域別、2019～2023 年（百万米ドル） 223
表 86 画像編集・エンハンスにおけるジェネレーティブ AI 市場、地域別、2024-2030 年（百万米ドル） 224
7.3.5 その他の画像モダリティ 224
表 87 その他の画像モダリティにおけるジェネレーティブ AI 市場、地域別、2019～2023 年（百万米ドル） 225
表88 その他の画像モダリティにおける生成AI市場、地域別、2024～2030年（百万米ドル） 225
7.4 ビデオ 225
7.4.1 ディープラーニングモデルが視覚データを理解・再現し、本物そっくりの動画を実現 225
表89 生成AI市場、ビデオモダリティ別、2019～2023年（百万米ドル） 226
表90 生成AI市場、映像モダリティ別、2024～2030年（百万米ドル） 226
7.4.2 ビデオジェネレーション 226
表91 動画生成における生成AI市場、地域別、2019年～2023年（百万米ドル） 227
表92 動画生成における生成AI市場、地域別、2…
…
…
*** 生成AIの世界市場に関するよくある質問(FAQ) ***
・生成AIの世界市場規模は？
→MarketsandMarkets社は2024年の生成AIの世界市場規模を209億米ドルと推定しています。
・生成AIの世界市場予測は？
→MarketsandMarkets社は2030年の生成AIの世界市場規模を1,367億米ドルと予測しています。
・生成AI市場の成長率は？
→MarketsandMarkets社は生成AIの世界市場が2024年～2030年に年平均36.7%成長すると展望しています。
・世界の生成AI市場における主要プレイヤーは？
→「Microsoft（米国）、IBM（米国）、Google（米国）、AWS（米国）、META（米国）、Adobe（米国）、OpenAI（米国）、NVIDIA（米国）、Accenture（アイルランド）、Capgemini（フランス）、Insilico Medicine（香港）、Simplified（米国）、Anthropic（米国）、AI21 Labs（イスラエル）、Lumen5（カナダ）、Hugging Face（米国）、Dialpad（米国）、Persado（米国）、Copy. ai（米国）、Synthesis AI（米国）、Together AI（米国）、PlayHT（米国）、Speechify（米国）、Mistral AI（フランス）、Midjourney（米国）、Fireflies（米国）、Adept（米国）、Stability AI（英国）、Lightricks（イスラエル）、Synthesia（英国）、Mostly AI（オーストリア）、Cohere（カナダ）、Colossyan（英国）、Mosaic ML（米国）、Inflection AI（米国）、Glean（米国）、Charater. ai（米国）、Hypotenuse AI（米国）、Viable（米国）、Defog. ai（米国）、Jasper（米国）、DeepSearch Labs（英国）、Writesonic（米国）、amberSearch（ドイツ）、Runway（米国）、Inworld AI（米国）、Typeface（米国）、Paige（米国）、Upstage（韓国）、InstaDeep（英国）、 Forethought（米国）、GFP-GAN（米国）、Fontjoy（イタリア）、EleutherAI（米国）、StarryAI（米国）、Magic Studio（米国）、Baichuan Intelligence（中国）、Salesforce（米国）、Technology Innovation Institute（UAE）、Abacus. AI（米国）、OpenLM（米国）など ...」を生成AI市場のグローバル主要プレイヤーとして判断しています。
※上記FAQの市場規模、市場予測、成長率、主要企業に関する情報は本レポートの概要を作成した時点での情報であり、最終レポートの情報と少し異なる場合があります。
*** 免責事項 ***
https://www.globalresearch.co.jp/disclaimer/
