エッジAIソフトウェア市場 サイズとシェア 2026-2035

エッジAIソフトウェア市場規模

エッジAIソフトウェア市場は、2025年に37億米ドルの規模に達し、2026年の45億米ドルから2035年までに426億米ドルへ拡大すると予測されており、年平均成長率（CAGR）は28.3%となる見込みです。同市場には、接続デバイス上またはその近傍でAIモデルを開発、最適化、導入、オーケストレーション、監視、更新するためのソフトウェアが含まれます。また、組み込みシステム、産業機器、車両、カメラ、医療機器、分散型センサーネットワークで使用されるプラットフォーム、フレームワーク、ランタイム、ツールキット、ライフサイクル管理機能も対象となります。

この予測は、クラウドAIを全面的に置き換えるのではなく、推論を実行する場所が変化していることを反映しています。大量のセンサーデータストリームや業務ワークロードではローカルでの応答が求められることが多い一方、モデルのトレーニング、デバイス群の管理、一部の分析は引き続きクラウドに接続された環境で行われる場合があります。接続が不安定な状況でも推論を継続する必要がある場合、生データが商業上機微な情報に該当する場合、またはネットワークの往復時間が生産プロセスに適合しない場合に、エッジAIの価値は特に大きくなります。

産業用途は具体的な事例となります。ISA-95は製造情報交換のために広く利用されている参照アーキテクチャであり、Industry 4.0環境全体でデータフローがより分散化するにつれて、その重要性が高まっています ^{[1]ISA - International Society of Automation, isa.org}。エッジデバイスは、機械の近くで振動、画像、プロセス信号を処理できます。コンテナ化された予知保全アーキテクチャに関する査読済み研究では、エッジ監視によって回転機器の健全性指標分析における遅延を削減できることが示されています ^{[2]SpringerLink - Edge AI / Artificial Intelligence Research Publications, link.springer.com}。このため、エッジAIソフトウェアは、モデル性能、産業相互運用性、業務継続性が交差する領域に位置付けられます。

プライバシーとガバナンスも2つ目の構造的な成長要因ですが、これらが必ずしも完全なローカルアーキテクチャを要求するわけではありません。EU AI Actは2024年8月1日に発効し、段階的な施行により、禁止される慣行、汎用AIモデル、高リスクシステムに関する義務が調達判断に組み込まれています。NISTのAIリスクマネジメントフレームワークとその生成AIプロファイルも同様に、AIシステムのライフサイクルにおけるデータガバナンスとリスク管理を重視しています。エッジAIベンダーにとって、ローカル推論が最も説得力を持つのは、トレーサビリティ、モデル制御、長期的にソフトウェアを維持するための確実な手段と組み合わせた場合です。

主な成長要因

産業オートメーションとスマート製造の導入拡大

製造業務においてクラウドからの応答を待つよりも迅速な意思決定が必要とされる場面で、エッジAIソフトウェアの導入が進んでいる。Industry 4.0アーキテクチャでは、産業用接続、AI、IoTデバイス、相互運用可能な生産システムを組み合わせる。こうしたデータフローが分散化するなか、ISA-95はシステム境界を定義するための確立された方法を提供している。予知保全、マシンビジョン検査、プロセス最適化では、モデルのデプロイ、ローカル環境への統合、工場固有の条件に対する監視がそれぞれ必要となるため、ソフトウェア需要が創出されている。

導入の経済的な根拠は、単なる遅延時間の短縮にとどまらない。モデルが異常な振動パターンや生産上の欠陥をライン上で特定すれば、その信号がまだ価値を持つ段階で業務上の対応を開始できる。そのため、コンテナ化されたデプロイ、産業用プロトコル、管理されたモデル更新に対応するソフトウェアサプライヤーは、独立した推論ライブラリを提供する企業よりも有利な立場にある。導入における課題は、運用技術との統合に残っている。ダウンタイム、サイバーリスク、レガシーインターフェースが、実験的なソフトウェアに対する許容度を制限しているためである。

低遅延かつプライバシーを保護するAIへの需要拡大

ローカル推論により、機密性の高い映像、健康、音声、生産データを外部環境へ移すことで生じる情報露出を抑制できる。EU AI法の段階的な要件により、ガバナンスとライフサイクル全体にわたる説明責任がさらに重視されている。特に、高リスクに分類される可能性のある用途では、その傾向が強い。NISTのAI RMFおよび2024年生成AIプロファイルも、プライバシーとデータガバナンスに関する考慮事項を、導入後の問題ではなく設計上の中心的な課題として位置付けている。

これにより、企業がどのデータをローカルに保持し、どのモデル出力を送信できるようにするか、またデバイス間でバージョンをどのように記録するかを決定できるソフトウェアが有利になる。自動車、産業制御、医療機器の分野では、導入方式が応答性にも影響する。断続的または混雑した接続に依存する推論サービスは、業務上の障害要因となる可能性があるためである。その結果、求められているのは単に接続を切断したデバイスではなく、ハイブリッドアーキテクチャである。顧客は依然として、集中管理されたポリシー、可観測性、モデル保守を必要としているためである。

IoTデバイスと接続センサーの普及

接続機器の設置基盤が拡大し、フィルタリング、解釈、処理を必要とするデータの量と種類が増加している。IoT Analyticsは、2024年の稼働中の接続IoTデバイス数を185億台と推定し、2025年には211億台に達すると予測した ^{[3]IoT Analytics - Edge AI / Edge Computing Market Research, iot-analytics.com}。カメラ、産業用センサー、コントローラー、モバイルエンドポイントが増加するなか、すべての生データを集中環境へ送信することはコストが高く、多くの場合不要となっている。

ソフトウェア面では、エッジアプリケーションが制約のある環境で、データの前処理、推論、イベントルーティング、選択的な同期を処理する必要がある。映像ストリームや機械テレメトリは継続的な入力を生成するため、視覚データおよび時系列データを扱うワークロードが特に重要となる。こうしたパイプラインをさまざまなデバイスクラス間で移植可能にできるベンダーは、接続性の拡大を継続的なプラットフォーム需要へ転換できる。一方、ハードウェアの対象ごとに個別のデプロイを必要とするベンダーは、実装上の摩擦が高まることになる。

小型生成AIモデルの登場

生成AIはデバイスの近傍で実行可能なワークロードの範囲を広げているが、導入は依然としてメモリ、電力、アクセラレーターの利用可能性によって制約されている。EDGE-LLMに関する研究では、プルーニングと量子化を組み合わせた手法により、通常のチューニングと比較して、タスク精度を同程度に維持しながら、速度が2.92倍向上し、メモリオーバーヘッドが4分の1に削減されたと報告されている ^{[4]arXiv - Research Papers on Edge AI and Artificial Intelligence, arxiv.org}。したがって、圧縮技術は、より小型のモデルをエッジデバイスの制約内に収めることで、対応可能なワークロードの範囲を変化させている。

この動きは、大規模言語モデルに対する単純な需要急増というよりも、モデル最適化ソフトウェアに機会をもたらしている。購入企業は、選択した対象デバイス上で、レイテンシ、メモリ、精度、電力のトレードオフを定量化できるツールを必要としている。生成AIの商業的役割は、ローカルアシスタンス、マルチモーダルインターフェース、デバイス側での要約など、ローカル実行によってプライバシー、信頼性、コストの面で明確な優位性が得られる、範囲が限定された用途で最も強くなると考えられる。

主要な抑制要因

ハードウェアの分断化とソフトウェアの移植性に関する課題

エッジハードウェアの環境は、ARM、x86、RISC-V、GPU、NPU、VPU、専用アクセラレーターにまたがっている。ONNXは、機械学習フレームワーク、ツール、ハードウェアの分断化に対応する形で登場し、ONNX Runtimeは、さまざまな導入先に共通の推論レイヤーを提供することを目指している。それでも、実行プロバイダー、ドライバー、コンパイラー、量子化形式、オペレーティングシステムのビルドは、依然として対象ごとに固有である。

その結果、実証実験の段階では見過ごされがちな商業コストが発生する。あるアクセラレーター上で良好に動作するモデルでも、別のアクセラレーターでは異なるコンパイル、キャリブレーション、または演算子サポートが必要になる場合がある。ONNX RuntimeがNVIDIA、Intel、AMD、Qualcommなどのハードウェアにまたがるプロバイダーをサポートしていることは、共通インターフェースの価値を示す一方、その基盤に必要な統合作業の大きさも示している。この差を縮小できるソフトウェアプロバイダーは、顧客の導入期間を短縮できる。これに対して、独自の最適化経路に依存する企業は、顧客が選択できるハードウェアを制限するリスクを抱える。

エッジAIに精通した開発者の不足

エッジAIの開発には、機械学習、組み込みソフトウェア、システム統合、性能チューニング、本番運用が組み合わさる。こうした能力への需要は、ソフトウェア全般に対する需要の拡大とともに高まっている。米国労働統計局は、AI、IoT、ロボティクス、自動化アプリケーションに支えられ、ソフトウェア開発者の雇用が2024年から2034年にかけて15.8%増加すると予測している。

この制約は、業務に関する専門知識を有しているものの、モデルを保守可能なデバイス向けソフトウェアに変換できるチームを持たないエンドユーザーにとって、特に大きな意味を持つ。そのため、ハードウェア抽象化、構築済みの統合機能、ビジュアル開発ツール、マネージド導入ワークフローの価値が高まる。また、開発者エクスペリエンスも競争上の変数となる。顧客がエッジAIスタックを選択する際には、推論性能と同様に、ドキュメント、プロファイリングツール、モデル変換経路、導入自動化が決定的な要素となり得る。

したがって、市場では、対象ごとの最適化を可視化しつつ管理可能にするソフトウェアが評価される見込みである。クロスプラットフォーム・ランタイム、オープンモデル形式、コンパイラ対応、統制された更新プロセスは、ハードウェアの違いをなくすものではない。これらは、個別対応のエンジニアリング作業を、サポート可能な製品ワークフローへと転換する。こうした移植性に加えて、ローコードまたはガイド付きの導入機能を組み合わせるベンダーは、技術集約度が最も高い大企業以外にも導入を広げるための、より明確な道筋を持つ。

エッジAIソフトウェア市場のセグメント分析

提供形態別

プラットフォームの市場規模は 2025 年に 25億3,020万米ドルに達し、2035 年までに 3,165億8,100万米ドルに達すると予測される。首位を占める背景には、モデルの統合的な導入、デバイス管理、監視、更新機能に対する需要がある。プラットフォームの購入は、多数のデバイス、複数の拠点、または規制対象となる運用要件を抱える購入者にとって特に重要であり、意思決定は推論機能だけでなく、ライフサイクル管理を基準に行われる。

フレームワーク・ツールキットの市場規模は 2025 年に 11億5,380万米ドルとなり、2035 年までに 1,091億6,000万米ドルに達すると予測される。これらの製品は、ハードウェアに特化した最適化、差別化されたアプリケーション、またはモデル動作の直接的な制御を必要とする組織にとって、引き続き重要である。この区分は絶対的なものではなく、プラットフォームは一般に、管理レイヤーの下にフレームワークやランタイムを組み込んでいる。戦略上の緊張関係は、迅速な標準化と、専門的なワークロードに必要な柔軟性との間にある。

導入形態別

クラウド対応エッジの市場規模は 2025 年に 21億6,470万米ドルとなり、2035 年には 265億3,650万米ドルに達すると見込まれ、年平均成長率（CAGR）は 29.0% となる。この形態は、ローカルでの実行と、モデルの集中配信、監視、デバイス群の管理を組み合わせたものである。分散型の小売、産業、輸送、インフラへの導入に適しており、ローカル推論を継続しながら、運用チームが遠隔から状況を把握することが求められる。

オンプレミス型エッジの市場規模は 2025 年に 15億1,920万米ドルとなり、2035 年には 160億3,770万米ドルに達すると予測され、年平均成長率（CAGR）は 27.1% となる。データ管理要件や決定論的なローカル応答が、継続的なクラウド接続の利点を上回る、隔離された運用ネットワークや環境に特に適している。導入形態は連続体の中での設計上の選択肢として捉えるべきであり、多くの顧客は、モデル開発やリアルタイム性を要しない分析に外部リソースまたはプライベートクラウドを利用しながら、ローカルの制御機能を維持すると考えられる。

技術別

コンピュータービジョンは最大の技術セグメントであり、市場規模は 2025 年に 13億6,610万米ドルとなり、2035 年には 158億2,910万米ドルに達すると予測される。その規模は、検査、安全監視、小売分析、モビリティ、物理セキュリティにおける用途を反映している。これらの用途では、映像を継続的に送信することが、帯域幅やプライバシー上の負担となる可能性がある。

生成AIは年平均成長率（CAGR）31.0%で成長し、2025年の6億3,760万米ドルから2035年には91億3,640万米ドルに達すると予測される。その成長は、フロンティア規模のモデルを無制限に展開することではなく、制約のあるデバイス上でも生成モデルを実用化できる圧縮・展開ツールに結び付いている。機械学習（ML）は9億9,710万米ドルから111億6,720万米ドルに拡大すると予測される一方、自然言語処理（NLP）は6億8,310万米ドルから64億4,150万米ドルに拡大する見込みである。従来型の機械学習は、より小規模なモデルが実用面で優位性を発揮できる構造化データ、時系列データ、異常検知のワークロードにおいて、引き続き役割を担う。

データモダリティ別

視覚データ（動画・画像）は2025年に13億5,350万米ドルで最大となり、2035年には161億5,690万米ドルに達すると予測される。その優位性は、物理環境におけるコンピュータービジョンの導入状況を反映している。物理環境では、ローカル処理により上流工程に送るデータ量を削減し、時間的制約のあるアラートを支援できる。

時系列データは、設備、エネルギー、ネットワーク、輸送分野の用途で状態監視や予測にストリーミング信号が活用されることを背景に、2025年の9億440万米ドルから2035年には101億6,670万米ドルに拡大すると予測される。マルチモーダルデータは、画像、音声、テキスト、センサー入力を組み合わせる用途に支えられ、2025年の4億7,570万米ドルから2035年には70億1,620万米ドルに達する見込みである。空間データとテキストデータは、2035年までにそれぞれ32億1,860万米ドルと60億1,570万米ドルに達すると予測される。

最終用途別

製造・産業は最大の最終用途セグメントであり、2025年の市場規模は8億8,990万米ドル、2035年には123億390万米ドルに達すると予測される。同セグメントは、推論を機械の状態、品質管理、安全性、または工程上の意思決定に直接結び付けられる用途から恩恵を受ける。成長の鍵となるのは、ソフトウェアが産業用データアーキテクチャと統合し、生産設備の近くで安定して稼働できるかどうかである。

自動車・輸送は、センサーを多用し、低遅延が求められるシステムにおけるローカル処理の必要性を反映し、2025年の5億6,650万米ドルから2035年には74億8,450万米ドルに拡大すると予測される。ヘルスケア・ライフサイエンスは、機密データ、デバイスの可搬性、ワークフローの信頼性が導入判断を左右するなか、4億530万米ドルから50億4,500万米ドルに拡大する見込みである。

小売・消費者向けは2035年に49億9,390万米ドル、スマートシティ・インフラは40億2,330万米ドルに達すると予測される。エネルギー・公益事業、IT・通信、その他は、それぞれ29億7,170万米ドル、30億5,260万米ドル、26億9,920万米ドルに達する見込みである。これらの分野は分散型監視の必要性を共有しているが、購買基準は異なる。公益事業では信頼性と設備統合が優先される一方、通信事業者はネットワーク互換性と規模を重視する。

クラウド対応エッジは、フリート管理とモデル運用の反復的な改善が中核要件になりつつあることから、オンプレミス型エッジを上回る成長が見込まれる。ただし、制御システム、機密データ、またはネットワークの可用性によりローカルでの自律運用が不可欠な場合、オンプレミス型の導入は引き続き戦略的に重要である。サプライヤーにとっての機会は、こうした選択肢を共存させるソフトウェアアーキテクチャにある。これにより、顧客は異なるローカル環境やクラウド接続環境にまたがって、共通の開発・ガバナンス慣行を利用できる。

エッジAIソフトウェア市場の地域別分析

北米

北米の市場規模は 2025年に 13億1,140万米ドルに達し、年平均成長率（CAGR）28.0%で成長し、2035年には 148億1,150万米ドルに達すると予測される。米国の市場規模は 2025年に 11億3,850万米ドルで、クラウド、半導体、ソフトウェア、産業技術の各企業が集積していることを背景に、2035年には 132億4,940万米ドルに達すると見込まれる。カナダの市場規模は 1億7,290万米ドルから 15億6,210万米ドルに拡大すると予測される。

同地域の事業上の優位性は、エッジソフトウェアを確立された開発者エコシステムや企業の既存技術基盤と組み合わせられる点にある。制約要因はプラットフォームへのアクセスではなく、運用環境への統合である。特に、顧客がデバイスの多様性、セキュリティ管理、現地運用を両立させる必要がある場合に、その傾向が顕著となる。

欧州

欧州の市場規模は 2025年に 8億9,530万米ドルで、2035年には 93億9,190万米ドルに達すると予測され、成長率は 27.1%となる。ドイツの市場規模は 2025年に 3億6,970万米ドルで、2035年には 41億7,830万米ドルに達すると見込まれる。その他の欧州地域の市場規模は 5億2,570万米ドルから 52億1,360万米ドルに拡大すると予測される。地域内の主要国には、ドイツ、英国、フランス、イタリア、スペイン、ロシア、オランダが含まれる。

欧州での導入は、産業オートメーションと AI ガバナンス環境の影響を受けている。EU AI 法の段階的な義務化により、モデルの文書化、追跡可能性、リスク管理を導入方針に組み込む動機が生まれている ^{[5]European Commission - Digital Strategy, digital-strategy.ec.europa.eu}。これは、エッジ処理があらゆるコンプライアンス対応における普遍的な解決策になることを意味しない。しかし、機密性の高い用途や規制対象の用途では、ガバナンスに対応できるアーキテクチャの重要性が高まっている。

アジア太平洋

アジア太平洋は最も成長率の高い地域になると予測され、市場規模は 2025年の 10億4,570万米ドルから、年平均成長率（CAGR）30.2%で成長し、2035年には 140億3,670万米ドルに達する見込みである。中国の市場規模は 2025年に 4億8,330万米ドルで、2035年には 70億7,870万米ドルに達すると予測される。インド、日本、韓国、オーストラリア、ベトナム、インドネシアを含むその他のアジア太平洋地域の市場規模は、5億6,240万米ドルから 69億5,800万米ドルに拡大すると見込まれる。

同地域では、製造能力、大規模な接続デバイス人口、拡大する産業・インフラ用途が組み合わさっている。その結果として生じる市場機会は一様ではない。先進製造、自動車エレクトロニクス、消費者向けデバイスのエコシステムでは、導入要件がそれぞれ異なる。現地の技術エコシステムと多様なデバイスアーキテクチャに対応できるサプライヤーほど、地域規模を持続的なソフトウェア導入につなげやすい。

中南米

中南米の市場規模は 2025年に 2億5,880万米ドルで、年平均成長率（CAGR）24.0%により、2035年には 21億3,300万米ドルに達すると予測される。主要対象国はブラジル、メキシコ、アルゼンチンである。分散型の産業拠点、農業、輸送、都市インフラにおける用途では、接続品質にばらつきがある場合や、データを発生源の近くで処理する必要がある場合に、現地処理が有利となる可能性がある。

他地域と比べて成長率が低いことから、ソフトウェアベンダーには、より明確な導入・保守面での合理性を示すことが求められる。帯域幅への依存を低減し、設置を簡素化し、既存設備と連携できるソリューションの方が、高度なカスタマイズを必要とし、インフラ負担の大きい製品・サービスよりも商業的な重要性が高くなる。

中東・アフリカ

中東・アフリカ（MEA）の市場規模は、2025年の 1億7,270万米ドルから、年平均成長率（CAGR）29.6%で成長し、2035年には 22億110万米ドルに達すると予測される。対象国は南アフリカ、サウジアラビア、UAE である。スマートインフラ、エネルギー資産、物流、産業活動が重要な用途となっており、特に遠隔地で現地のインテリジェンスとレジリエントな運用が必要とされる場合に、その重要性が高まる。

地域別の市場機会は、常時バックホール接続への依存を低減する実用的な価値によって形成される。サプライヤーは、集中管理と、遠隔地でも継続して稼働できるソフトウェアの両立を図るとともに、導入およびサービス提供を担う地域のインテグレーターを支援する必要がある。

欧州のガバナンス環境は、監査可能で制御可能な AI 導入に向けた差別化された市場を形成している。一方、ラテンアメリカおよび中東・アフリカ（MEA）では、運用のレジリエンスと簡素化された現場導入が評価される。したがって、地域展開は単にプラットフォームのインターフェースを翻訳することではない。各地域の事業環境に合わせて、ライフサイクル管理、接続性に関する前提、ハードウェアサポート、チャネル戦略を適合させる必要がある。

エッジ AI ソフトウェア市場のシェアと競争環境

市場は依然として中程度に分散している。AWS は 2025 年に推定 8.7% のシェアを占め、市場収益は約 3 億 2,230 万米ドルに相当した。Intel は 7.4%（2 億 7,160 万米ドル）、Microsoft は 6.9%（2 億 5,360 万米ドル）、Google は 5.3%（1 億 9,670 万米ドル）、NVIDIA は 4.6%（1 億 6,830 万米ドル）を占めた。これら 5 社を合わせた市場シェアは約 32.9%となり、産業用ソフトウェアプロバイダー、半導体関連ソフトウェアサプライヤー、専門企業には依然として大きな参入余地が残されている。

AWS は、ローカルでの ML 推論、メッセージング、データ同期など、デバイスソフトウェアの構築、導入、管理を可能にするエッジランタイムおよびクラウドサービスとして AWS IoT Greengrass を利用している ^{[6]AWS - Edge AI and Machine Learning, aws.amazon.com}。その優位性は、エッジ導入をより広範なクラウドサービス群と接続できる点にある。ただし、AWS IoT Greengrass V1 のサポートが 2026 年 6 月 1 日に終了するため、顧客はライフサイクル上の依存関係を評価する必要がある。

Intel は、主要フレームワーク向けのモデル変換をサポートし、Intel の CPU、統合 GPU、VPU、NPU、FPGA 全体で推論を最適化するためのツールキットとして OpenVINO を位置付けている ^{[7]Intel - Edge AI Solutions and Technologies, intel.com}。Microsoft は、Linux および Windows IoT デバイス上で AI と Azure ワークロードをコンテナ化して導入するための Azure IoT Edge を提供しており、オフライン運用にも対応している。Google は、モバイル、組み込み、IoT デバイス向けの LiteRT および関連ツールを通じてデバイス上の AI を支援しており、リソースに制約のある導入に関連する量子化およびプルーニング機能を備えている。

NVIDIA は、x86 ディスクリート GPU および Jetson ARM64 環境の双方をサポートする GPU アクセラレーション対応のストリーミング分析ツールキットである DeepStream を通じて、高スループットの映像処理およびマルチセンサーのワークロードで競合している。推定 3.8% のシェアを持ち、2025 年の売上高が 1 億 4,120 万米ドルに達した Qualcomm は、Snapdragon の CPU、GPU、Hexagon HTP アクセラレーター全体でモデル変換、量子化、実行を可能にする Qualcomm AI Runtime SDK を提供している。Qualcomm による 2025 年 3 月の Edge Impulse 買収は、同社の IoT ポートフォリオにエッジ MLOps および開発者向けプラットフォーム機能を追加するものである。

Armは、LiteRTやONNXなどのフレームワークとCortex-A CPU、Mali GPU、Ethos NPUを橋渡しするArm NNソフトウェアツールキットを提供している。AMDは、Ryzen AIおよびVersal/Zynqアクセラレーター環境向けのターゲット固有コンパイルをサポートするVitis AI ONNX Runtime実行プロバイダーを通じて参入している。NXP Semiconductorsは、TensorFlow Lite、ONNX Runtime、PyTorch、OpenCVをサポートし、自社のマイクロコントローラーおよびプロセッサー全体でニューラルネットワークモデルを展開できるeIQ開発環境を提供している。

産業用ソフトウェアサプライヤーは、運用環境への対応によって差別化を図っている。PTCは産業用IoT向けにThingWorxを提供しており、エッジ接続や、機械データを産業ワークフローに取り込むための統合機能を備えている。Schneider Electricは、産業データのローカル処理とエッジアプリケーションの一元管理を実現するEcoStruxure Edge Appsを提供している。Siemens Industrial Edgeは、現場におけるデータの前処理、分析、モデル展開、モデル監視をサポートしている。

2025年に推定 3.6% のシェアと 1億3,360万米ドルの売上高を占めたIBMは、確立されたエッジおよびハイブリッドクラウドの事業基盤を通じて、引き続き企業向け市場で存在感を示している。Alibaba Cloud、MediaTek、SAPも地域および企業向けの競合企業に含まれるが、承認済みのエビデンスパッケージには、これらの企業について製品固有の主張を裏付けるのに十分な、適格な技術資料が含まれていない。

新興競合企業は、差別化されたアーキテクチャーと開発者向けアプローチを提供している。Axelera AIは、Metisプラットフォームとインメモリコンピューティングのアプローチを組み合わせ、エッジ推論に対応している。Edge Impulseは、17万人を超える開発者を擁するエンドツーエンドのエッジAIプラットフォームであり、MCU、CPU、GPU、NPU全体での展開をサポートしている。HailoとSiMa.aiは、ビジョン、マルチモーダル、生成ワークロード向けに、ソフトウェア連携型アクセラレーターおよびフルスタックのアプローチに注力している。

最近の業界動向

• 2024年9月 - NVIDIAはJetson Orin向けのJetPack 6.1をリリースした。このリリースでは、CUDA 12.6、TensorRT 10.3、cuDNN 9.3、VPI 3.2、DLA 3.1により、AIソフトウェアスタックが更新された。
• 2024年11月 - Siemensは、NVIDIA GPUで高速化された産業用PCと、産業オペレーション向けのAI推論サーバーを発表した。Siemensは、統合された産業用エッジ構成により、現場でのAI実行が25倍高速化したと報告した。
• 2025年1月 - Siemensは、オペレーション向けのIndustrial Copilotを導入した。この製品は、AIを機械に近づけ、Siemens Industrial Edgeと統合することで、生産環境における展開と管理を実現するものとして位置付けられた。
• 2025年3月 - QualcommはEdge Impulseの買収を完了した。この買収により、QualcommのDragonwing IoTポートフォリオ向け機械学習ソフトウェア機能が拡張された。
• 2025年3月 - SiemensとMicrosoftは、Siemens Industrial EdgeとAzure IoT Operationsの統合を発表した。この取り組みは、生産ラインのデータをエッジおよびクラウドサービスに接続することを目的としており、クラウドベースのモデル学習とローカル推論も含まれる。
• 2025年8月 - SiMa.aiは8,500万米ドルを調達し、累計調達額が3億5,500万米ドルに達したと報告した。同社はまた、ModalixマルチモーダルMLSoCがPaletteソフトウェアスイートとともに出荷されていると発表した。