Informe de análisis del tamaño, la cuota de mercado y las tendencias del mercado de infraestructura de IA por oferta (hardware, software, servicios), por tecnología (aprendizaje automático, aprendizaje profundo), por función (entrenamiento, inferencia), por implementación (local, en la nube, híbrida), por usuario final (empresas, gobierno, proveedores de servicios en la nube) y por región (América del Norte, Europa, Asia-Pacífico, Oriente Medio y África, Latinoamérica). Previsiones para el período 2024-2032.

Dinámica del mercado

Impulsor del mercado global de infraestructura de IA

Necesidad de hardware de IA en centros de datos de computación de alto rendimiento

La infraestructura básica de los centros de datos está sometida a una gran presión debido a la expansión exponencial de los dispositivos inteligentes conectados y al fuerte aumento del consumo de datos. Actualmente, resulta imposible para los humanos gestionar la creciente complejidad de los centros de datos. El hardware para centros de datos con capacidades de inteligencia artificial tiene el potencial de aumentar significativamente la eficacia de las operaciones de datos. Es recomendable llevar a cabo la compleja tarea computacional de entrenar un modelo de aprendizaje automático con millones de conjuntos de datos en los centros de datos. Las GPU (unidades de procesamiento gráfico) ya han completado esta tarea, y el nuevo hardware está ampliando las posibilidades.

En los centros de datos, las CPU se utilizan para la computación en serie, manteniendo un control de varias regiones de memoria donde se almacenan datos e instrucciones. Un procesador analiza las instrucciones y los datos en las direcciones de memoria para realizar cálculos en serie. Los pasos de un cálculo se ordenan lógicamente y de forma secuencial en el análisis en serie. En otras palabras, un procesador en un centro de datos divide una sola tarea en varios conjuntos de instrucciones diferentes que se ejecutan en serie. Esto suele causar problemas de latencia en los centros de datos, especialmente al realizar cálculos basados ​​en IA con conjuntos de datos e instrucciones extensos. El marco de computación paralela permite utilizar simultáneamente numerosos recursos de computación para ejecutar instrucciones. Mediante esta técnica, las instrucciones se dividen en bloques distintos que pueden ser procesados ​​simultáneamente por varios coprocesadores. Por ello, los sistemas de computación de alto rendimiento (HPC) y las supercomputadoras se benefician del procesamiento paralelo.

Los servidores comerciales adoptan cada vez más la computación paralela a medida que avanzan la IA, la minería de datos y la realidad virtual. Gracias a su arquitectura paralela y decenas de miles de núcleos, las GPU son idóneas para la computación paralela, ya que pueden procesar muchas instrucciones simultáneamente. El paradigma de computación paralela es perfecto para implementar el entrenamiento y la interfaz de aprendizaje profundo, puesto que, en general, resulta más eficaz para las redes neuronales artificiales. Se prevé que el mercado de infraestructura de IA crezca durante el período previsto debido a la creciente demanda de computación paralela.

Restricciones al mercado global de infraestructura de IA

falta de mano de obra calificada

Las empresas necesitan experiencia y un equipo competente para crear, gestionar e integrar sistemas de IA debido a su complejidad. Además, se trata de una tarea compleja que requiere una sólida inversión en investigación y desarrollo internos, así como la presentación de patentes para integrar la tecnología de IA en sistemas ya existentes. Incluso pequeños errores pueden provocar fallos en el sistema o un mal funcionamiento de la solución, afectando significativamente el resultado final. Se requieren científicos de datos y desarrolladores expertos para adaptar los procesadores de IA actuales con capacidad de aprendizaje automático. Empresas de todos los sectores adoptan tecnologías emergentes para aumentar la eficacia y la eficiencia operativa, reducir el desperdicio, proteger el medio ambiente, llegar de forma rápida y sencilla a nuevas audiencias y fomentar la innovación de productos y procesos.

Oportunidades del mercado global de infraestructura de IA

Mayor demanda de coprocesadores

Según la ley de Moore, los circuitos integrados duplicarían el número de transistores por pulgada cuadrada aproximadamente cada 18 meses hasta 2020. En 2015, Intel Corporation afirmó que, mediante la creación de tecnologías de fabricación de 7 nm y 5 nm, podría extender la ley de Moore durante algunos años más. Sería difícil reducir aún más el tamaño de los procesadores en el futuro, ya que esto también acortaría la distancia entre electrones y huecos, lo que provocaría problemas como fugas de corriente y sobrecalentamiento en los circuitos integrados (CI). Estos problemas resultarían en una menor durabilidad, un rendimiento más lento y un mayor consumo de energía de los CI. Por lo tanto, la creación de aceleradores o chips coprocesadores, componentes esenciales de la infraestructura para la IA, surgió de la necesidad de encontrar una técnica diferente para mejorar la capacidad de procesamiento de los chips.

Análisis regional

América del Norte ejerce dominio sobre los demás.

El mercado global de infraestructura de IA se analiza por regiones: Norteamérica, Europa, Asia-Pacífico, Latinoamérica y Oriente Medio y África.

América del Norte liderará el mercado, con una tasa de crecimiento anual compuesta (CAGR) del 20% durante el período previsto. Este crecimiento se debe principalmente a la presencia de países como Estados Unidos y Canadá. El desarrollo de la IA en América del Norte se ha visto impulsado por el sólido ecosistema de innovación de Estados Unidos, respaldado por inversiones federales estratégicas en tecnología de vanguardia, así como por la presencia de científicos y emprendedores visionarios de todo el mundo y de las principales instituciones de investigación. Además, la región está experimentando un aumento significativo en dispositivos conectados, 5G e IoT. En consecuencia, los proveedores de servicios de comunicaciones (CSP) necesitan segmentación de red, virtualización, nuevos casos de uso y soluciones de servicio para gestionar eficazmente una complejidad cada vez mayor. Debido a la insostenibilidad de las estrategias convencionales de gestión de redes y servicios, se prevé que esto impulse la demanda de soluciones de IA.

Se prevé que la economía de Asia-Pacífico alcance los 57.000 millones de dólares en 2030, con una tasa de crecimiento anual compuesta (TCAC) del 22,2 %. Gracias a la presencia de naciones densamente pobladas como China e India, Asia-Pacífico ha experimentado una rápida expansión económica. Una de las economías con mayor crecimiento es India, que muestra un gran interés en el avance global de la IA. El gobierno indio está haciendo todo lo posible para impulsar el desarrollo de la IA y posicionarla como líder en este campo, consciente de su potencial. El gobierno busca aprovechar este entorno favorable para acelerar el desarrollo de la IA. De manera similar, para respaldar los servicios de información para el creciente mercado, el gobierno chino está acelerando la construcción de nuevos proyectos de infraestructura, incluyendo redes 5G y centros de datos. Asimismo, el gobierno anunció el Plan de Desarrollo de Inteligencia Artificial de Próxima Generación, que promete apoyo gubernamental, coordinación centralizada e inversiones de más de 150.000 millones de dólares para 2030.

Análisis segmentario

El mercado global de infraestructura de IA se clasifica según la oferta, el despliegue, el usuario final y la región.

El mercado global de infraestructura de IA se segmenta, por oferta, en hardware y software.

Se prevé que el sector de hardware crezca a una tasa de crecimiento anual compuesta (CAGR) del 19,85 % y mantenga la mayor cuota de mercado durante el período de pronóstico. Esta categoría se subdivide en procesadores, almacenamiento y memoria. El segmento de hardware está impulsado principalmente por la creciente demanda de procesadores. Los conjuntos de puertas programables en campo (FPGA), los circuitos integrados de aplicación específica (ASIC) y las unidades de procesamiento gráfico (GPU) son ejemplos de chips específicos para IA. Las unidades centrales de procesamiento (CPU) son un tipo de procesador de propósito general.microprocesadorLas GPU pueden utilizarse para algunas tareas básicas de IA, pero a medida que la IA se desarrolla, las CPU se vuelven cada vez menos eficientes. Si bien, por lo general, en el procesamiento de IA, las GPU superan a las CPU, para que la industria pueda gestionar eficazmente las aplicaciones, la inferencia y el modelado de IA, se necesitan procesadores especializados. Por ello, los diseñadores de chips están desarrollando activamente unidades de procesamiento diseñadas específicamente para ejecutar estos algoritmos.

El sector del software ostentará la segunda mayor cuota de mercado. Algunos ejemplos son el aprendizaje automático, los asistentes virtuales, el reconocimiento de voz, las plataformas de inteligencia empresarial y otras funcionalidades de software de IA. El software que utiliza inteligencia artificial (IA) desarrolla niveles de inteligencia mediante el aprendizaje de numerosos patrones de datos y conocimientos que se actualizan continuamente a través del entrenamiento de algoritmos, lo que da como resultado un software más inteligente. El sector del software de IA incluye aplicaciones que utilizan inteligencia artificial, como chatbots, tecnologías de visión artificial y diversas herramientas de análisis de datos.

En cuanto a su implementación, el mercado global de infraestructura de IA se segmenta en local, en la nube e híbrido.

Se prevé que el segmento híbrido acapare la mayor cuota de mercado, con un crecimiento anual compuesto del 21,71 % para 2030. La demanda de soluciones locales que admitan escalabilidad, tanto vertical como horizontal, está aumentando a medida que los proveedores de soluciones de IA pasan de trabajar con pymes a grandes corporaciones. Por ello, las empresas están incrementando la demanda de soluciones de integración híbrida, que combinan aplicaciones locales con servicios en la nube. La principal ventaja de emplear una arquitectura híbrida para soluciones de IA es que las empresas pueden escalarlas según las actividades o aplicaciones para las que las utilicen.

El sector de la nube tendrá la segunda mayor cuota de mercado. Al integrar la IA con la computación en la nube, las organizaciones han comenzado a implementar la nube de IA, que inicialmente era solo un concepto. La adopción de la IA está influenciada por varias variables clave, entre las que se incluyen herramientas y software de IA que aportan un valor nuevo y más significativo a la computación en la nube, que no solo es una opción rentable para el almacenamiento y el procesamiento de datos, sino que también tiene un impacto en ellos. Los problemas que la IA en la nube resuelve se encuentran entre sus ventajas más atractivas.

En función del usuario final, el mercado global de infraestructura de IA se segmenta en empresas, gobiernos y proveedores de servicios en la nube.

Se prevé que el sector de proveedores de servicios en la nube acapare la mayor cuota de mercado, con un crecimiento anual compuesto del 21 % para 2030. Las empresas de todo el mundo que desean implementar tecnología de IA se han topado con importantes obstáculos, ya que les resulta demasiado costoso desarrollar internamente una infraestructura de IA. En consecuencia, existe una gran demanda de externalización de tecnología de IA. Los principales proveedores de servicios en la nube han puesto a disposición una solución para la IA. Han desarrollado infraestructura de IA para ofrecer estas soluciones de vanguardia, aprovechando su considerable experiencia tecnológica y sus recursos financieros. Los proveedores del mercado han introducido nuevos productos para proporcionar a las empresas la tecnología necesaria.

La sección de Empresas tendrá la segunda mayor cuota de mercado. Se han alcanzado nuevos niveles de automatización en todos los ámbitos, desde los automóviles yquioscos de autoserviciopara alimentar redes eléctricas y bancarias. Para automatizar el mundo, una organización primero debe automatizarse a sí misma, lo cual se ha vuelto esencial. La velocidad a la que se implementan, optimizan y desmantelan estos nuevos entornos superará rápidamente las capacidades de los operadores humanos a medida que las cargas de datos se vuelven más grandes y complejas y la infraestructura se expande fuera de los centros de datos hacia la nube y el borde.