Размер рынка наборов данных для обучения ИИ — по модальности данных, по режиму развертывания, по типу данных, по методу сбора данных, по конечному использованию, прогноз роста, 2025–2034 гг.

Размер рынка обучающих данных AI

Глобальный объем рынка обучающих данных ИИ был оценен в 3,2 миллиарда долларов США в 2024 году и, по прогнозам, вырастет на 20,5% в период между 2025 и 2034 годами. Быстрое внедрение искусственного интеллекта в таких секторах, как автономное вождение, диагностика в здравоохранении, обработка естественного языка и финансовое моделирование, значительно стимулирует спрос на высококачественные маркированные наборы данных.

Например, в сентябре 2022 года Национальные институты здравоохранения (НИЗ) запустили программу Bridge2AI, которая выделила 130 млн долларов США на увеличение внедрения искусственного интеллекта в биомедицинские и поведенческие исследования. Инициатива обещает создать этические наборы данных высококачественных данных для обучения моделей ИИ, где такой акцент можно найти в голосовых биомаркерах, хирургии и результатах лечения. Bridge2AI способствует междисциплинарному сотрудничеству в обеспечении того, чтобы инструменты ИИ были надежными, справедливыми и применимыми к широкому кругу населения.

Быстрое развитие ИИ в робототехнике и промышленной автоматизации создает огромный спрос на специализированные, реальные учебные наборы данных. Эти наборы данных имеют решающее значение для обучения роботизированных систем выполнению сложных задач, включая обнаружение объектов, сортировку и навигацию в динамических пространствах. С отраслями, работающими над повышением эффективности и минимизацией человеческого вмешательства, становится необходимым иметь высококачественные маркированные данные для обучения моделей ИИ, чтобы они могли надежно функционировать в реальном мире. Эта тенденция особенно характерна для таких отраслей, как производство, логистика и автоматизация складов.

Например, в апреле 2023 года Amazon Web Services (AWS) представила набор данных с открытым исходным кодом ARMBench, который является крупнейшим в своем роде для обучения роботизированных систем «выбор и место». Он включает в себя более 190 000 изображений, полученных из реальных сред, где были отсортированы промышленные продукты. Набор данных будет использоваться для повышения точности и адаптивности роботизированного оружия для автоматизации склада, одного из основных компонентов интеллектуальных систем логистики и выполнения заказов.

Тренинговые тенденции рынка данных AI

• Сочетание искусственного интеллекта и квантовых вычислений в биомедицинских исследованиях увеличивает спрос на сложные наборы данных для обучения. Эти наборы данных имеют решающее значение для учебных моделей в таких областях, как геномика, прогнозирование заболеваний и открытие лекарств. С ростом интенсивности исследований высококачественные структурированные медицинские данные являются ключевыми для точных, эффективных и масштабируемых инноваций в области здравоохранения с поддержкой ИИ.
• Например, в июне 2024 года Клиника Кливленда сотрудничала с IBM и Центром Хартри в Великобритании, чтобы ускорить инновации в области здравоохранения и науки о жизни, используя искусственный интеллект и квантовые вычисления. Сотрудничество направлено на улучшение моделирования заболеваний, открытия лекарств и персонализированной медицины за счет использования сложных вычислений для более быстрой обработки сложных биомедицинских данных.
• Правительства во всем мире активно инвестируют в инфраструктуру обучения ИИ, и это стимулирует рынок набора данных для обучения ИИ. Эти проекты предназначены для создания централизованных, безопасных и диверсифицированных наборов данных для продвижения изменений в таких областях, как здравоохранение, мобильность и государственные услуги.
• В феврале 2025 года ЕС запустил инициативу InvestAI по мобилизации инвестиций в искусственный интеллект в размере 200 миллиардов евро. Эти инфраструктуры предназначены для обеспечения безопасного доступа к крупномасштабным высококачественным наборам данных и вычислительным возможностям для облегчения проектирования и разработки надежного ИИ. Этот стратегический шаг напрямую увеличит рынок наборов данных для обучения ИИ, поскольку он повысит доступность данных с точки зрения здравоохранения, производства и общественных услуг.
• Растущее использование инструментов автоматизации для аннотации данных становится основной тенденцией на рынке обучающих данных ИИ. Эти инструменты, основанные на таких технологиях, как автомаркировка и активное обучение, значительно уменьшают усилия, затраты и усилия, необходимые для маркировки больших наборов данных. Упрощая процесс аннотации с высоким процентом точности, они позволят создать более быстрый и масштабируемый набор данных. Это особенно полезно в отраслях, которые занимаются огромным количеством неструктурированных данных, таких как обработка изображений и видео, где маркировка данных важна для обучения моделей ИИ, поскольку она значительно выигрывает от того же.
• В январе 2024 года пилотная программа Национального исследовательского ресурса искусственного интеллекта (NAIRR), запущенная Белым домом и Национальным научным фондом, предоставляет исследователям доступ к инструментам искусственного интеллекта и аннотированным наборам данных, включая автоматизированные ресурсы маркировки данных для стимулирования развития искусственного интеллекта в научных кругах.

Тарифы администрации Трампа

• Тарифы администрации Трампа, особенно на китайские технологические товары и услуги, оказали заметное влияние на рынок обучающих данных ИИ. Значительная часть ручной работы по маркировке данных и аннотации была передана на аутсорсинг таким странам, как Китай, из-за более низких затрат на рабочую силу. Однако с ростом тарифов и усилением контроля над китайскими технологическими компаниями многие американские компании столкнулись с более высокими операционными затратами на поиск аннотированных данных, что напрямую повлияло на доступность и масштаб инициатив по обучению ИИ.
• Кроме того, напряженность в торговле ограничила доступ к китайским наборам данных, которые жизненно важны для обучения моделей ИИ в таких областях, как обработка естественного языка, распознавание лиц и поведение электронной коммерции. Это уменьшило разнообразие и масштаб доступных данных обучения, что негативно повлияло на производительность и адаптивность моделей ИИ, особенно тех, которые предназначены для глобального использования. Это также препятствует совместным усилиям по обмену данными между американскими и китайскими компаниями.
• В ответ американские компании начали больше инвестировать в отечественную инфраструктуру маркировки данных и инструменты автоматизации. Этот сдвиг способствовал инновациям в области генерации синтетических данных и платформ аннотации с помощью ИИ, но привел к краткосрочным проблемам, таким как узкие места ресурсов и более длительные сроки разработки. В конечном счете, в то время как тарифы способствовали самообеспечению, они нарушили глобальную цепочку поставок аннотированных данных и вызвали стратегический сдвиг в том, как и где разрабатываются наборы данных для обучения ИИ.

Анализ рынка набора данных ИИ

Основываясь на модальности данных, рынок обучающих данных ИИ разделен на текст, изображение, аудио и речь, видео и мультимодальные. В 2024 году текстовый сегмент доминировал на рынке, составляя около 31% доли и, как ожидается, вырастет на CAGR более 21% в течение прогнозируемого периода.

• Сегментация текста доминирует на рынке учебных наборов данных ИИ, в первую очередь из-за широкого использования Обработка естественного языка (NLP) во всех отраслях. Решения на основе ИИ, такие как чат-боты, движки анализа настроений, инструменты перевода языков и виртуальные помощники, в значительной степени полагаются на большие объемы маркированного текста для точной работы. С ростом цифрового контента, включая сообщения в социальных сетях, обзоры продуктов, электронные письма и стенограммы поддержки клиентов, организации имеют доступ к обильным исходным текстовым данным, которые могут быть структурированы для обучения модели.
• Кроме того, появление крупных языковых моделей, таких как GPT и BERT, значительно увеличило спрос на высококачественные, разнообразные текстовые наборы данных. Эти модели требуют огромного количества аннотированного текста для понимания контекста, синтаксиса, тона и семантики. По сравнению с данными изображения или видео, наборы текстовых данных легче и экономичнее собирать, хранить и обрабатывать, что еще больше усиливает их доминирование на рынке обучающих наборов данных ИИ.
• Например, в июне 2023 года стартап Cohere, базирующийся в Торонто, собрал 270 миллионов долларов в раунде финансирования под руководством Inovia Capital с участием NVIDIA, Oracle, Salesforce Ventures и других. Финансирование было направлено на расширение текстовых моделей большого языка, аналогичных GPT OpenAI, с использованием высококачественных крупномасштабных наборов текстовых данных для питания ориентированных на предприятия приложений NLP. Эти инвестиции показывают, как крупные игроки отдают приоритет аннотированным наборам текстовых данных для обучения и масштабирования мощных генеративных инструментов ИИ, усиливая спрос и долю рынка сегментации текста.

Основываясь на режиме развертывания, рынок обучающих данных ИИ сегментирован на локальные и облачные. В 2024 году облачный сегмент доминирует на рынке с 73% доли рынка, и ожидается, что сегмент вырастет более чем на 20,5% с 2025 по 2034 год.

• Режим облачного развертывания доминирует на рынке обучающих данных ИИ благодаря своей масштабируемости, экономичности и доступности. Облачные платформы, такие как AWS, Google Cloud и Microsoft Azure, предлагают обширные хранилища и мощные вычислительные ресурсы, необходимые для управления, маркировки и обработки массивных наборов данных для обучения ИИ. Эти платформы позволяют организациям масштабироваться в зависимости от их рабочей нагрузки, что имеет решающее значение при обработке сложных моделей обучения, таких как LLM или задачи компьютерного зрения.
• Кроме того, облачное развертывание поддерживает совместную работу в разных регионах, позволяя распределенным командам получать доступ и аннотировать данные в режиме реального времени. Он также предоставляет интегрированные инструменты, такие как автоматизированная маркировка данных, синтетическая генерация данных и аналитика, оптимизируя весь конвейер наборов данных. Возможность более быстрого развертывания моделей и безопасного управления данными еще больше усиливает привлекательность облачных платформ в рабочих процессах обучения ИИ, стимулируя их доминирующую долю на рынке.
• Например, в сентябре 2023 года AWS запустила облачную платформу Amazon Bedrock, которая позволяет пользователям создавать и масштабировать генеративные приложения ИИ с использованием базовых моделей AI21 Labs, Anthropic и Stability AI. Платформа поддерживает обучение модели с использованием собственных наборов данных в облачной экосистеме AWS, демонстрируя, как облачные платформы необходимы для управления данными обучения в масштабе.

Основываясь на типе данных, рынок обучающих данных ИИ сегментирован на структурированные данные, неструктурированные данные и полуструктурированные данные. В 2024 году неструктурированная категория данных, как ожидается, будет доминировать из-за экспоненциального роста данных, полученных из таких источников, как социальные сети, аудио / видео контент, электронные письма, отзывы клиентов и каналы датчиков.

• Неструктурированный сегмент данных доминирует на рынке учебных наборов данных ИИ из-за огромного объема данных, полученных из таких источников, как видео, изображения, аудиозаписи, электронные письма, социальные сети и веб-контент. В отличие от структурированных наборов данных, которые следуют определенному формату, неструктурированные данные не имеют конкретной схемы, что делает их идеальными для обучения моделей глубокого обучения, которые полагаются на сложные шаблоны и контекстную информацию. Эта форма данных имеет решающее значение для передовых приложений ИИ, особенно в обработке естественного языка (NLP), компьютерном зрении и распознавании речи.
• Растущее использование генеративных технологий ИИ, включая чат-боты, виртуальные помощники и платформы преобразования текста в изображение, еще больше увеличило спрос на большие объемы неструктурированных и аннотированных наборов данных. Эти приложения требуют различных входов, таких как язык, тон голоса, выражения лица или функции изображения, чтобы функционировать точно. В результате компании вкладывают значительные средства в платформы маркировки данных и инструменты аннотации на основе ИИ для эффективной подготовки неструктурированных данных к обучению.
• Большинство глобальных данных неструктурированы, и их объем продолжает быстро расти в разных отраслях. В настоящее время предприятия и правительства сосредоточены на использовании этих данных для извлечения информации, улучшения персонализации и разработки более адаптивных моделей ИИ. Ожидается, что с распространением мультимедийного контента и потоков данных в реальном времени сегмент неструктурированных данных сохранит свои лидирующие позиции на рынке в течение 2024 года и далее.

В 2024 году регион США в Северной Америке доминировал на рынке учебных наборов данных ИИ с долей рынка около 88% в Северной Америке и получил около 1,23 миллиарда долларов США дохода.

• США лидируют на рынке с точки зрения доли доходов, что обусловлено надежной экосистемой ИИ в стране и ранним внедрением передовых технологий. Крупные технологические гиганты, такие как Google, Microsoft, Meta и Amazon, имеют штаб-квартиру в США и активно инвестируют в приобретение и разработку крупномасштабных обучающих наборов данных для поддержки разработки моделей ИИ в НЛП, компьютерном зрении и автономных системах.
• Государственная поддержка также играет важную роль в доминировании региона. Федеральные агентства США, включая Национальное управление по инициативам в области искусственного интеллекта (NAIIO), финансируют исследования и разработки в области инфраструктуры обучения ИИ, включая инициативы, направленные на улучшение доступа к разнообразным высококачественным наборам данных. Государственно-частное партнерство способствует дальнейшему развитию инноваций в этой области.
• Кроме того, наличие развитой облачной инфраструктуры и мощной базы стартапов ИИ и академических институтов ускоряет рост рынка. Эти факторы в совокупности позиционируют США как глобальный центр инноваций и коммерциализации набора данных для обучения ИИ.
• Например, в мае 2025 года Джефф Безос через свою инвестиционную фирму Bezos Expeditions провел раунд финансирования в размере 72 миллионов долларов США в компании Toloka, специализирующейся на решениях для обработки данных ИИ. Эти инвестиции направлены на ускорение роста Toloka, особенно на рынке США, и повышение качества услуг передачи данных, необходимых для обучения и проверки моделей машинного обучения.

Ожидается, что рынок обучающих данных ИИ в Германии будет испытывать значительный и многообещающий рост с 2025 по 2034 год.

• Германия готова испытать устойчивый рост на рынке учебных наборов данных ИИ, обусловленный сильной промышленной базой страны, поддерживаемыми правительством стратегиями ИИ и растущим внедрением ИИ в ключевых секторах, таких как автомобилестроение, производство и машиностроение. Имея лидерство в автомобильной промышленности, производстве и здравоохранении, Германия создает растущую потребность в высококачественных аннотированных наборах данных для обучения моделей ИИ для автоматизации, автономного вождения, профилактического обслуживания и медицинской диагностики. Это требование еще больше усиливается акцентом Германии на технологический суверенитет и безопасные рамки обмена данными.
• Кроме того, рынок учебных наборов ИИ в Германии расширяется благодаря широкому внедрению ИИ как среди крупных предприятий, так и среди малых и средних предприятий. Благодаря сильной государственной поддержке цифровой трансформации предприятия в таких секторах, как финансы, здравоохранение и розничная торговля, интегрируют ИИ для повышения эффективности.
• Например, в ноябре 2024 года Microsoft подчеркнула сотрудничество между промышленным мастерством Германии и ИИ для революции в таких секторах, как автомобилестроение, энергетика и производство. Это партнерство направлено на повышение производительности и инноваций с использованием передовых технологий ИИ. Интегрируя ИИ с немецкой инженерией, инициатива призвана стимулировать спрос на наборы данных для обучения ИИ, позиционируя Германию в качестве ключевого игрока в промышленных решениях, основанных на ИИ.

Ожидается, что рынок обучающих данных ИИ в Китае будет испытывать значительный и многообещающий рост с 2025 по 2034 год.

• Ожидается, что Китай станет свидетелем значительного роста рынка обучающих данных ИИ, чему способствуют надежные государственные инвестиции в развитие ИИ, быстрое внедрение технологий ИИ в различных отраслях и массовое генерирование данных из его большой цифровой экономики.
• Кроме того, китайское правительство является ключевым игроком в развитии ИИ, а план развития ИИ следующего поколения направлен на то, чтобы сделать Китай глобальным лидером ИИ к 2030 году. Это включает в себя значительные инвестиции в инфраструктуру ИИ и сбор данных, увеличивая спрос на комплексные и высококачественные наборы данных для обучения ИИ. Эти инициативы обеспечивают основу для содействия инновациям, основанным на ИИ, в таких секторах, как здравоохранение, финансы и транспорт.
• Кроме того, Китай быстро внедряет ИИ в различных отраслях, включая автономные транспортные средства, распознавание лиц, интеллектуальное производство и электронную коммерцию. Эти отрасли требуют огромного количества обучающих данных, включая как структурированные, так и неструктурированные наборы данных, для улучшения моделей ИИ. С растущей потребностью в высококачественных обучающих наборах данных такие отрасли, как эта, стимулируют рост рынка, стимулируя спрос на индивидуальные и точные данные для конкретных приложений ИИ.
• Например, в 2023 году Национальная комиссия по развитию и реформам Китая (NDRC) выделила средства на развитие центров обработки данных и инфраструктуры искусственного интеллекта в рамках своих усилий по содействию цифровой трансформации и экономическому росту. Ожидается, что это поддержит генерацию данных для обучения ИИ, способствуя росту рынка.

Ожидается, что рынок обучающих данных ИИ в ОАЭ будет испытывать значительный и многообещающий рост с 2025 по 2034 год.

• ??? Рынок учебных наборов данных ИИ в ОАЭ готов к росту, что обусловлено сильным стремлением страны стать мировым лидером в области ИИ и цифровой трансформации. Правительственные инициативы, такие как Стратегия ОАЭ в области ИИ 2031, стимулируют инвестиции в технологии ИИ, стимулируя спрос на высококачественные учебные наборы данных.
• Кроме того, ОАЭ стали свидетелями широкого внедрения ИИ в ключевых отраслях, таких как здравоохранение, розничная торговля и государственные услуги. Поскольку эти сектора интегрируют решения ИИ, спрос на большие, разнообразные и высококачественные наборы данных для обучения моделей увеличивается, что еще больше подпитывает рост рынка.
• Рост облачной инфраструктуры в ОАЭ в сочетании с увеличением инвестиций со стороны глобальных облачных провайдеров позволяет предприятиям получать доступ к масштабируемым и экономически эффективным наборам данных для обучения ИИ. Доступность облачных сервисов облегчает хранение, управление и обработку больших наборов данных, повышая эффективность разработки и обучения ИИ.
• Например, в апреле 2025 года телекоммуникационная компания Дубая в сотрудничестве с Microsoft планирует построить гипермасштабный дата-центр стоимостью 544,5 миллиона долларов. Этот объект будет поддерживать растущий спрос на облачные и ИИ-услуги в регионе. Проект направлен на укрепление позиций Дубая как центра цифровой трансформации, предлагая предприятиям расширенные возможности в области управления данными, искусственного интеллекта и других технологий. Этот шаг согласуется с более широким видением ОАЭ стать лидером в цифровой экономике.

Доля рынка обучающих данных AI

• Топ-7 компаний индустрии обучающих наборов данных ИИ — это Google, NVIDIA, Microsoft, IBM, Amazon Web Services, CloudFactory и Lionbridge AI — около 31% рынка в 2024 году.
• Google использует свою обширную экосистему данных из таких сервисов, как Search, YouTube и Google Maps, для обучения крупных моделей ИИ. Через Google DeepMind и Google Cloud он разрабатывает собственные и этически исходные наборы данных. Google также подчеркивает ответственный ИИ, инвестируя в разнообразные высококачественные наборы данных и публикуя базовые наборы данных, такие как Open Images, для поощрения более широкой разработки и исследований ИИ.
• NVIDIA фокусируется на оптимизации наборов данных обучения ИИ для ускорения на основе GPU, предлагая интегрированные решения, такие как системы NVIDIA DGX и платформа NVIDIA AI Enterprise. Благодаря своим партнерским отношениям и приобретениям, таким как компании по маркировке данных, он повышает качество набора данных и аннотации. NVIDIA также поддерживает синтетическую генерацию данных с использованием таких инструментов, как Omniverse, для улучшения наборов данных обучения для разработки сложных моделей ИИ, особенно в автономных системах и робототехнике.
• Microsoft использует свою облачную платформу Azure AI для предоставления масштабируемого доступа к курируемым обучающим наборам данных для корпоративных и исследовательских приложений. Он интегрирует наборы данных из LinkedIn, GitHub и Bing, уделяя приоритетное внимание конфиденциальности данных и этичному ИИ. Microsoft сотрудничает с OpenAI и академическими учреждениями для повышения прозрачности и управления наборами данных, а также инвестирует в инструменты для маркировки данных, увеличения и генерации синтетических данных для уточнения обучения модели.

AI Training Dataset Market Компании

Основными игроками, работающими в индустрии обучающих наборов данных ИИ, являются:

• Amazon Web Services
• приложение
• Cloud Factory
• Google
• IBM
• iMerit
• Lionbridge AI
• Microsoft
• Нидиа
• Международный ELUS

Рыночная стратегия для рынка обучающих данных ИИ направлена на повышение качества и количества данных. Компании активно инвестируют в аннотацию данных, курирование и методы увеличения, чтобы обеспечить разнообразные высококачественные наборы данных для обучения модели ИИ. Сотрудничество с компаниями по разработке ИИ, поставщиками облачных услуг и исследовательскими институтами также является общей стратегией для расширения предложений по набору данных и интеграции передовых технологий для более эффективной обработки данных.

Кроме того, использование облачных платформ для предоставления масштабируемых и гибких решений является растущей тенденцией. Такой подход позволяет компаниям предлагать по требованию доступ к наборам данных, улучшая доступность и снижая затраты на получение данных. Принимая эти стратегии, компании могут удовлетворить растущий спрос на решения ИИ в различных отраслях и обеспечить непрерывные инновации на рынке.

Новости отрасли AI Training Dataset

• В сентябре 2024 года SCALE AI объявила об инвестициях в размере 21 миллиона долларов в девять проектов ИИ, направленных на улучшение здравоохранения в Канаде. Эта инициатива, направленная на оптимизацию управления ресурсами, ухода за пациентами и сокращение времени ожидания, является частью Панканадской стратегии искусственного интеллекта. Это способствует сотрудничеству между больницами и поставщиками искусственного интеллекта, содействуя инновациям и обеспечивая этическую обработку данных в канадской системе здравоохранения.
• В августе 2024 года Lionbridge Technologies, Inc. запустила Aurora AI Studio, платформу, призванную помочь компаниям создавать и обучать наборы данных для передовых приложений ИИ. Эта платформа учитывает растущий спрос на высококачественные учебные данные и использует опыт Lionbridge в области обработки и аннотации данных, стремясь расширить возможности разработчиков ИИ и улучшить коммерческие результаты.
• В августе 2024 года Accenture и Google Cloud ускорили внедрение искусственного интеллекта, одновременно повысив кибербезопасность корпоративных клиентов. Поскольку 45% проектов уже перешли на производство, их Центр передового опыта в области искусственного интеллекта предлагает обучение, опыт и инструменты для безопасного масштабирования решений ИИ в разных отраслях.
• В июле 2024 года Microsoft Research представила AgentInstruct, многоагентную структуру рабочего процесса, которая автоматизирует генерацию высококачественных синтетических данных для обучения ИИ. Это значительно снижает зависимость от человеческого лечения. Эффективность рамок была продемонстрирована моделью Orca-3, которая показала заметные улучшения в различных бенчмарках.
• В апреле 2023 года Google запустила набор данных Google AI Video Captions (GVI-Captions), большую коллекцию видеороликов YouTube с автоматическими подписями. Этот набор данных предназначен для улучшения моделей ИИ для создания видеоподписей, улучшая как доступность, так и общий пользовательский опыт. Он поддерживает достижения в обработке естественного языка и способность ИИ интерпретировать и создавать точные подписи к видео.

Отчет о рыночных исследованиях набора данных обучения ИИ включает в себя углубленный охват отрасли с оценками и прогнозами по выручке ($Мн/Бн) с 2021 по 2034 год, для следующих сегментов:

Рынок по модальности данных

• Текст
• Изображение
• Аудио и речь
• Видео
• Мультимодальный

Рынок в режиме развертывания

• Помещения
• облако

Рынок, по данным Тип

• Структурированные данные
• Неструктурированные данные
• Полуструктурированные данные

Рынок посредством сбора данных метод

• Публичные наборы данных
• Частные наборы данных
• Синтетические данные

Рынок, к концу использования

• Медицинская помощь
• автомобильный
• БФСИ
• Розничная и электронная коммерция
• IT и телекоммуникации
• Правительство и оборона
• Производство
• Другие

Указанная выше информация предоставляется для следующих регионов и стран:

• Северная Америка
  • США.
  • Канада
• Европа
  • Германия
  • Великобритания
  • Франция
  • Италия
  • Испания
  • Россия
  • Скандинавы
• Азиатско-Тихоокеанский регион
  • Китай
  • Япония
  • Индия
  • Южная Корея
  • АНЗ
  • Юго-Восточная Азия
• Латинская Америка
  • Бразилия
  • Мексика
  • Аргентина
• МЭА
  • ОАЭ
  • Саудовская Аравия
  • Южная Африка