物流市场中的机器学习 尺寸和份额 2026 - 2035

物流领域机器学习市场规模

据 Global Market Insights Inc. 最新发布的报告估计，2025年全球物流领域机器学习市场规模为43亿美元。预计市场将从2026年的53亿美元增长至2035年的445亿美元，复合年增长率（CAGR）为26.7%。
 

机器学习正在重塑物流行业，推动整个供应链实现以数据为中心的决策、预测性洞察和自动化。电子商务的迅猛发展、对供应链效率的迫切需求，以及人工智能和物联网的快速进步，共同推动了这一市场的显著增长。
 

总潜在市场涵盖机器学习在物流领域的多种应用，包括需求预测、路线优化、仓库管理、库存优化、车队管理和预测性维护。
 

现代人工智能算法和机器学习增强了自主移动机器人（AMR）的适应能力，使其能够从环境中学习并随着时间推移提升性能。超过80%的零售商计划在运营中加大人工智能的应用力度，以增强员工队伍并提升员工满意度。
 

现代物流运营日益依赖基于机器学习的预测分析。将人工智能整合到供应链管理中的企业报告称，成本降低了15%，库存节省最高可达35%。
 

2021年，全球电子商务销售额达到5.2万亿美元的峰值，预计到2024年将超过6.3万亿美元，约占全球零售总额的20%。这一快速扩张加大了市场对更快捷、更可靠配送以及精准预计到达时间（ETA）的需求。此外，预计到2025年，全球电子商务交易额将超过4.3万亿美元。
 

随着消费者如今期待次日达和当日达，企业正转向由机器学习驱动的自动化，以简化订单处理、拣选和包装流程。较早采用仓库自动化的企业，其订单履约准确率已超过99.5%。这项技术能够有效应对数量更多、频率更高的小批量订单激增，并在更紧迫的配送时限内完成处理；传统人工流程则难以高效实现这一点 
 

物流领域机器学习市场趋势

机器学习算法正在物流行业引领变革浪潮，尤其是在自主仓库系统领域。如今，仓库自动化正从传统的高资本投入模式转向灵活、可扩展的解决方案，其中自主移动机器人（AMR）和人工智能驱动的编排软件尤为突出。
 

部署AMR技术后的几个月内，早期采用者便见证了每小时拣选件数提升至原来的2至3倍、步行时间减半，以及订单周期时间缩短50%。这些系统不仅能与现有运营无缝融合，还能优化“货到人”和“人到货”两种工作流程。此外，它们还可实时提供拣选效率和机器人利用率方面的洞察。
 

Amazon 的 Vulcan 机器人是先进机器人技术的有力证明，它采用 AI 驱动的触觉传感器来识别并抓取物品。这项创新不仅提升了机器人的适应能力，还促进了其与人类协作，大幅减少了重复性任务。2018年至2022年，第三方物流服务提供商对机器人的采用率同比激增超过30%。
 

机器学习（ML）算法增强了机器人的适应能力，使其能够从环境中学习并随时间推移提升性能，从而胜任更广泛的任务。这项技术使系统能够根据环境条件做出决策，标志着物流从单纯自动化向真正自主化转变，而云技术、5G与人工智能的融合正推动这一转变。
 

生成式人工智能正在推动物流运营转型。这项技术不仅能提供预测性洞察、改进需求预测，还能优化运营。通过分析海量数据集，生成式人工智能可提供实时洞察，助力决策、优化路线规划并提升供应链效率。
 

例如，2024年2月，Maersk 与 Microsoft 携手利用生成式人工智能优化路线并预测需求。这项合作使运输延误减少了30%，燃油效率也得到显著提升。
 

自2016年以来，交通运输行业已向物联网（IoT）投入约780亿美元，推动了机器学习驱动的跟踪与分析技术的应用。物联网传感器与机器学习的融合，正为整个供应链带来前所未有的实时可视性。
 

边缘计算在物联网数据源附近处理数据，从而确保低延迟。这一能力对于自动驾驶车辆和仓储机器人进行实时决策至关重要。云技术、5G与人工智能的强强结合，正推动行业从单纯自动化向真正自主化转变。
 

物流机器学习市场分析

了解关键趋势

下载免费 PDF

按组成部分划分，物流机器学习市场可分为软件和服务。2025年，软件细分市场占据市场主导地位，市场份额为64%；预计2026年至2035年，该细分市场的复合年增长率（CAGR）将达到25.1%。
 

• 软件解决方案包括机器学习（ML）算法、分析工具和集成平台，可用于需求预测、路线优化、库存管理和预测性维护。
   
• 软件细分市场占据领先地位，这是因为 ML 平台能够与 ERP 和 WMS 系统集成，推动物流智能化并确保供应链具备可扩展性。
   
• 领先的云服务提供商 Microsoft Azure、Amazon Web Services 和 Google Cloud Platform 均针对物流领域量身打造了机器学习服务。值得注意的是，Azure Government 将威胁检测作为其机器学习计划的重点之一。
   
• 受 ML 实施日益复杂以及对专业技能需求不断增长的推动，服务细分市场预计将以 29.3% 的复合年增长率增长，到 2035 年达到 188 亿美元。
   
• 服务包括咨询、系统集成和培训等专业服务，以及涵盖持续支持、监控和优化的托管服务。
   
• 专业服务在服务细分市场中占据主导地位，预计将以 28.4% 的复合年增长率增长，到 2035 年达到 104 亿美元；这一增长主要受企业对 ML 应用场景咨询和实施策略需求的推动。
   
• 系统集成服务旨在解决将 ML 解决方案与传统物流系统连接起来的难题。由于数据通常分散在多个平台中，且需要 3—6 个月进行数据准备，这一问题成为关键障碍。
   
• 托管服务细分市场通过持续监控、优化和维护 ML 系统，帮助企业充分利用 AI 能力。
   
• 不到 10% 的分销商制定了 AI 路线图并确定了关键部署用例。为此，企业正转向托管服务，以确保模型持续使用新数据重新训练，并能够迅速适应不断变化的模式和趋势。
   

按技术划分，物流市场中的机器学习分为监督学习和无监督学习。监督学习细分市场占据主导地位，2025 年市场份额为 70%，且预计到 2035 年将以最快的速度增长，复合年增长率为 25.6%。
 

• 在有历史标注数据可用于训练的场景中，监督学习算法在需求预测、路线优化和预测性维护方面表现出色。
   
• 这些技术包括回归分析、决策树、神经网络和集成方法，可从历史数据中识别规律并预测未来结果。
   
• 监督学习利用历史数据推动物流领域的应用。需求预测系统通过深入分析销售、趋势和实时因素，准确率比传统方法提高8-10%。
   
• 梯度提升技术在需求预测方面表现出色，能够处理杂乱数据，且所需的数据准备工作比深度学习方法减少50-70%。
   
• 结合多种算法的混合集成方法最多可将误差减少18%。与此同时，LSTM（长短期记忆）网络擅长捕捉需求数据中的季节性模式和长期依赖关系。
   
• 无监督学习细分市场正加速增长，复合年增长率（CAGR）达29.1%，预计到2035年将达到160亿美元。  
   
• 聚类、异常检测和关联规则学习等无监督学习技术，可用于解决无法或不切实际地获取标注训练数据的应用场景。
   
• 无监督学习在多个物流领域日益受到青睐。企业运用聚类算法对客户、产品和地点进行细分，从而制定更精准的预测策略。
   
• 异常检测系统可实时识别供应链中断和安全威胁。关联规则学习能够揭示产品之间的关联，助力仓库优化和交叉销售。
   
• 无监督学习在欺诈检测、实时风险评估和自动化质量控制等应用中日益受到青睐。企业利用它分析交易数据并检测异常，以防止拒付。
   
• 在计算机视觉领域，无监督学习应用于生产线检测时，缺陷检测准确率可达99%。新兴趋势包括将半监督学习和强化学习用于自动驾驶车辆和仓库机器人。
   

按企业规模划分，物流机器学习市场分为大型企业和中小企业（SME）。大型企业细分市场占据主导地位，2025年市场份额为66%。
 

• 按组织规模细分可揭示不同的采用模式：大型企业目前占据市场价值的主导地位，而中小企业则展现出快速增长潜力。
   
• 大型组织拥有充足的财务资源、专业的技术能力和完善的数据基础设施，能够在全球物流运营中全面实施机器学习。
   
• 高级分析和机器学习助力大型企业预测需求、优化路线并识别潜在的供应链挑战，从而提升决策水平和运营效率。
   
• 借助机器学习能力，这些企业能够优化多个层级的库存，在整个配送网络中平衡库存。这有助于实时分析库存水平并自动调拨，最终使库存减少35%。
   
• 大型物流服务提供商正利用数字孪生技术，将仓库容量提升10%，并在部署机器学习时受益于规模经济。
   
• 在云端人工智能平台降低前期资本需求的推动下，中小企业细分市场预计将以29.5%的复合年增长率增长，到2035年达到181亿美元。
   
• 中小企业越来越多地采用机器学习解决方案以保持竞争力，超过95%的分销商正在探索人工智能应用场景。
   
• 云端部署模式尤其有利于中小企业，其按需付费的定价方式使企业无需大规模基础设施投资即可使用机器学习。
   
• 托管服务模式帮助中小企业运用人工智能能力，无需具备内部专业技术；这也解决了仅有30%的组织能够有效扩大人工智能应用规模的问题。
   
• 中小企业可从机器学习应用中显著获益：需求预测能力提升30%，有助于减少缺货和库存积压；路线优化则可降低10%至25%的运输成本和燃料消耗。
   
• 预测性维护可将车辆停运时间最多减少50%，帮助中小企业优化资产利用。云端机器学习平台的进步预计将推动中小企业采用相关技术，并使其在2030年代初期接近大型企业的普及水平。
   

按部署模式划分，物流领域的机器学习市场分为云端部署和本地部署。2025年，云端部署占据73%的市场份额，且在预测期内的复合年增长率为27.4%。

• 受可扩展性、灵活性、成本降低以及无需维护基础设施即可使用先进机器学习能力等因素推动，预计到2035年，基于云的部署规模将达到339亿美元。
   
• 云平台使企业能够在短短几周内推出机器学习解决方案，这与传统固定自动化通常需要六个月的周期形成鲜明对比。
   
• 主要云服务提供商已针对物流开发专门的机器学习服务。Microsoft Azure 提供人工智能驱动的物流平台，并通过机器学习增强威胁检测能力。
   
• Amazon Web Services 利用其物流专业优势，为供应链应用提供机器学习工具；Google Cloud Platform 则通过机器学习 API 和 AutoML 功能简化模型开发。
   
• 对于数据和主权要求严格、受到监管限制或已在 IT 基础设施上投入大量资金的组织而言，本地部署解决方案仍然适用。
   
• 国防、政府以及部分医疗保健领域倾向于采用本地部署，以便全面掌控敏感的运营数据和客户数据。
   
• 本地部署机器学习需要较高的前期成本和较长的实施时间，但能够提供全面的数据控制、定制能力和离线功能。
   
• 各组织正在采用混合模式，将敏感数据保留在本地，同时利用云平台实现可扩展计算和高级分析。边缘计算的集成支持在本地进行低延迟处理，并与云系统保持同步。
   

获取影响这个市场的主要细分市场的详细见解

下载免费 PDF

北美在物流机器学习市场中占据主导地位，市场份额为32%，预计到2035年将以22.4%的复合年增长率增长。北美的领先地位源于人工智能驱动的物流解决方案得到广泛应用、技术基础设施先进，以及领先科技企业集中于此。
 

• 受电子商务增长、先进数字基础设施和供应链投资强劲的推动，北美在物流机器学习市场中占据主导地位。
   
• Amazon、Microsoft、Google 和 IBM 等全球科技巨头在该地区开展大规模业务，彰显了市场的成熟度。这些领先企业始终走在前沿，不断创新并推出面向物流、仓储和运输提升的尖端机器学习平台。
   
• Amazon 通过将机器学习融入仓库机器人、库存预测和末端配送优化，引领物流领域的发展。这不仅加快了自动化进程，也提升了其整个供应链的实时决策能力。
   
• 2024年，北美占全球供应链人工智能市场的39%，凸显了其在物流领域采用并商业化部署机器学习方面的领先地位。
   
• 企业正在加快采用机器学习，重点关注预测分析、数字孪生和自动化，以增强韧性并满足客户需求。
   
• 在强大的数字基础设施和活跃的跨境贸易支撑下，加拿大在北美市场中的份额稳步提升；预计该市场在2026年至2035年间将以24.5%的复合年增长率扩张。
   

预计2026年至2035年，美国物流机器学习市场将实现显著且前景良好的增长。
 

• 由于数字基础设施先进，且较早采用人工智能驱动的供应链技术，美国在北美物流机器学习市场处于领先地位。
   
• 在完善的云服务提供商、人工智能初创企业和系统集成商生态系统的支持下，科技领军企业和物流巨头正将机器学习应用于仓储、运输和最后一公里配送。
   
• 联邦和行业在数据安全、网络安全和人工智能治理方面的法规，正推动物流行业负责任地采用机器学习（ML）。这一趋势正促使企业投资于重视安全性、合规性和可扩展性的平台。
   
• 联邦和行业在数据安全、网络安全和人工智能治理方面的法规，正推动物流行业负责任地采用机器学习，带动企业投资于安全、合规且可扩展的平台。
   
• 在美国，强大的研发能力、风险投资资金，以及技术提供商、物流企业和学术机构之间的合作，推动机器学习解决方案迅速商业化，促进持续创新和企业广泛采用。
   
• 企业正借助智能自动化提升服务可靠性；与此同时，电子商务运营商、第三方物流服务商（3PL）和车队服务商正在采用机器学习驱动的平台，以满足日益增长的速度和准确性需求。
   

亚太地区是增长最快的物流机器学习市场，预计分析期内复合年增长率将达到31.3%。
 

• 电子商务快速增长、数字基础设施投资大幅增加，以及制造业和物流业迅速现代化，推动亚太地区成为物流机器学习领域增长最快的区域市场。
   
• 在“中国制造2025”等倡议对人工智能和数字技术的大力支持下，中国在亚太市场占据主导地位。
   
• 中国物流巨头正迅速采用机器学习。例如，Alibaba Cloud 的 EasyDispatch 利用人工智能优化路线规划、订单履约和最后一公里配送。此外，这些平台还在拓展其于东南亚物流通道的业务覆盖范围。
   
• 在电子商务渗透率提升、“数字印度”倡议推进，以及价格实惠的云端机器学习工具在预测、路线规划和仓库自动化领域的应用不断增加等因素推动下，印度正成为一个高速增长的市场。
   
• 日本和韩国凭借自动化制造、实力雄厚的汽车和电子产业以及先进的供应链技术，在人工智能应用方面处于领先地位。
   
• 以新加坡、马来西亚和越南等国家为代表的东南亚地区，正受数字基础设施升级、物流领域外资投入增加以及电子商务网络拓展的推动而快速增长。
   

中国是亚太物流机器学习市场增长最快的国家，2026年至2035年的复合年增长率为29.7%。
 

• 中国物流机器学习（ML）市场正在快速增长，推动因素包括电商业务量上升、先进的数字基础设施，以及对智能供应链解决方案的需求。
   
• 通过“中国制造2025”和“新一代人工智能发展规划”等举措，政府政策正推动人工智能和数字技术的应用，促进企业整合人工智能并推动物流业现代化。
   
• 中国先进的物流和数字基础设施包括智能仓库、自动化港口、高铁货运和城市配送系统，能够支持实时数据采集和机器学习应用。
   
• 阿里巴巴、JD.com、Cainiao 和 SF Express 等电商和物流领域的主要企业，正在扩大机器学习的应用规模，用于路线优化、仓储机器人、需求预测和末端配送自动化等任务。
   
• 在强有力的政府支持和繁荣的科技生态系统推动下，中国凭借对智能化、自动化和韧性物流解决方案日益增长的需求，处于亚太市场的前沿。
   

2025年，欧洲物流机器学习市场规模为12亿美元，预计预测期内的复合年增长率将达到24.4%。
 

• 欧洲物流机器学习市场稳步增长，推动因素包括工业产出、跨境贸易和供应链数字化转型。主要市场包括德国、荷兰、法国和英国。
   
• 德国凭借强大的工业基础、自动化仓库以及较早采用人工智能优化供应链，在欧洲市场处于领先地位。
   
• 受电商增长、港口现代化和城市配送挑战的推动，南欧物流领域的机器学习应用日益增多。
   
• 英国正在迅速采用物流人工智能和分析技术，这得益于健全的数据治理、较高的云技术采用率以及政府支持的数字创新计划。
   
• GDPR 和人工智能治理框架等欧洲法规正推动人工智能负责任地应用，增强企业对安全、合规部署机器学习的信心。
   
• 技术提供商、物流运营商和电商企业之间的合作正推动机器学习赋能平台的应用，增强荷兰和斯堪的纳维亚等枢纽地区的互联互通和供应链韧性。
   

德国在欧洲物流机器学习市场占据主导地位，展现出强劲的增长潜力，2026—2035年的复合年增长率为21.1%。
 

• 德国的技术提供商和物流企业专注于人工智能算法、预测分析和云平台，通过机器学习推动该国物流市场创新。
   
• 工业4.0计划和数字化转型激励措施等政府举措，正推动机器学习解决方案在制造、仓储和运输领域的应用。
   
• 德国技术和物流企业正利用机器学习模型、物联网和自动化技术，实现预测性维护、动态路线规划和智能库存管理。
   
• 领先的服务提供商正在开发可扩展、模块化且高度互操作的机器学习平台，进一步巩固德国作为欧洲人工智能驱动型物流创新重要枢纽的地位。
   
• 例如，2025年10月，DHL 发布了其全新的欧洲创新中心，占地5,360 m²，致力于开创人工智能、机器人、物联网和可持续物流解决方案。
   

巴西在拉丁美洲物流机器学习市场中处于领先地位，在2026年至2035年的预测期内呈现出26.3%的显著增长。
 

• 圣保罗、里约热内卢和巴西利亚等巴西主要城市正迅速采用物流机器学习，这得益于电子商务的蓬勃发展以及对高效供应链运营的需求不断增长。
   
• 政府通过投资数字基础设施、人工智能项目以及以创新为重点的政策，推动相关技术的应用。
   
• 在巴西，物流企业、技术提供商和电子商务企业正与全球机器学习和云平台领军企业携手合作，目标是推出涵盖预测分析、仓库自动化、路线优化和最后一公里配送的定制化解决方案。
   
• 随着数字基础设施、物联网网络和云平台不断扩展，由机器学习驱动的物流系统正逐步应用于全国零售、工业和机构领域的供应链运营，并展现出越来越强的可扩展性。
   

2025年，阿联酋将在中东和非洲物流机器学习市场实现显著增长。
 

• 迪拜、阿布扎比和沙迦的政府举措正加快阿联酋市场的发展，重点关注智慧供应链、数字化转型和运营效率。
   
• 在政府资金支持和智慧城市举措的推动下，物流基础设施投资日益倾向于机器学习驱动的平台。这些平台正用于预测分析、路线优化、仓库自动化和车队实时管理。
   
• 在阿联酋，云计算和人工智能企业以及全球和区域技术提供商正推出可扩展、数据驱动的机器学习物流解决方案，专为电子商务、工业和城市配送网络设计。
   
• 阿联酋利用模块化机器学习平台、物联网和自动化工具提升供应链效率与韧性，巩固其作为区域智能物流枢纽的地位。
   
• 在有利法规、政府激励措施以及加强数字基础设施的相关举措支持下，海合会国家采用机器学习驱动的物流解决方案的情况日益增多。这些进展正推动供应链运营朝着更具成本效益、可持续性和灵活性的方向发展。
   

物流机器学习市场份额

物流机器学习行业的七大企业——IBM、Amazon Web Services (AWS)、Microsoft Azure、Google Cloud Platform (GCP)、SAP SE、Manhattan Associates 和 Blue Yonder——在2025年合计占据约27%的市场份额。
 

• IBM Corporation凭借其 Watson AI 平台和丰富的企业软件产品，在市场中处于领先地位。IBM 专注于物流领域，其解决方案利用机器学习优化供应链、预测需求并实现预测性维护。
   
• Amazon Web Services (AWS)依托 Amazon 的物流专业经验和可扩展的云平台，位居市场第二。该公司提供 Amazon Forecast 等机器学习工具用于需求预测，并提供 Amazon SageMaker 用于定制模型开发。
   
• Microsoft Corporation (Azure)凭借 Azure Machine Learning 服务和战略性企业合作关系积极参与竞争。2024年2月，Microsoft 与 Maersk 合作，采用生成式 AI 优化航线并预测需求，使航运延误减少了30%，燃油效率也显著提升。
   
• Google Cloud Platform (GCP)凭借先进的 AI/ML 能力和直观易用的 AutoML 工具脱颖而出，简化了模型开发流程。GCP 的 TensorFlow 框架是机器学习研究与开发的热门选择，为物流应用奠定了基础。
   
• SAP SE发挥其在 ERP 软件方面的专业优势，将机器学习（ML）融入物流系统，并借助 S/4HANA 平台和智能技术部门实现无缝应用。
   
• Manhattan Associates是仓库管理和供应链执行软件领域的领先企业，将机器学习融入其产品。该公司致力于提供 AI 驱动的解决方案，以优化仓库运营、简化订单管理并改进运输执行。
   
• Blue Yonder前身为 JDA Software，利用先进的机器学习技术进行需求预测和库存优化，提供端到端供应链解决方案。其 Luminate 平台整合 AI 技术，提供处方性分析，助力实现最优决策。
   

物流机器学习市场企业

物流机器学习行业的主要企业包括：

• Amazon Web Services (AWS)
• Blue Yonder
• DHL Supply Chain
• FedEx Corporation
• Google Cloud Platform (GCP)
• IBM
• Manhattan Associates
• Microsoft Azure
• Oracle
• SAP SE
   
• IBM、Amazon Web Services 和 Microsoft Corporation 在物流机器学习市场的份额超过15%。这些企业专注于先进技术、战略合作伙伴关系和数字化解决方案，以提升供应链可视性、数据分析能力和自动化水平。它们致力于提供高效的端到端供应链管理，同时通过收购和合作拓展全球业务，为不同地区和行业提供全面的物流解决方案。
   
• 主要企业正着力提升可持续性和韧性，以保持竞争力。它们采用绿色物流实践，例如优化运输路线和使用节能仓储设施，以满足法规要求并吸引注重环保的客户。此外，企业还在制定灵活敏捷的供应链战略，以降低风险，并在业务中断时确保供应链可靠运行。
   

物流机器学习行业新闻

• 2024年5月，Oracle 和 Kuehne+Nagel 宣布建立战略合作伙伴关系，旨在利用人工智能技术创新并优化供应链和物流管理流程。双方将 Oracle 的先进人工智能能力与 Kuehne + Nagel 丰富的物流专业经验相结合，以提升运营效率，并为客户提供增值解决方案。
   
• 2024年4月，Flexport 发布了一个人工智能驱动的物流平台，可优化运输路线并预测供应链中断。此举凸显了利用预测分析进行主动物流管理的趋势日益增强。该平台整合来自不同来源的实时数据，提供可指导行动的洞察。
   
• 2024年9月，Amazon 宣布将投资约107亿美元，以加强其在德国的云业务和物流运营。此举不仅凸显了 Amazon 致力于推动机器学习驱动的物流自动化，也意味着该公司正在整合先进的机器人技术和人工智能系统，以简化并优化仓库作业。
   
• 2025年10月，Element Logic 对仓库自动化趋势的分析指出，行业正迎来关键转变。人工智能、机器人技术、物联网和数据分析的融合，正推动行业摆脱传统的固定式自动化，迈入由机器学习驱动的灵活系统新时代。
   

机器学习物流市场研究报告深入涵盖该行业，提供2022年至2035年收入（十亿美元）的估算与预测，涉及以下细分市场：

市场按组件划分

• 软件
• 服务
  • 托管服务
  • 专业服务

市场按技术划分

• 监督学习
• 无监督学习

市场按组织规模划分

• 大型企业
• 中小型企业（SME）

市场按部署模式划分

• 基于云
• 本地部署

市场按应用领域划分

• 库存管理
• 供应链规划
• 运输管理
• 仓库管理
• 车队管理
• 风险管理与安全
• 其他

市场按最终用途划分

• 零售和电子商务
• 制造业
• 医疗保健
• 汽车
• 食品和饮料
• 消费品
• 其他

以上信息涵盖以下地区和国家：

• 北美
  • 美国
  • 加拿大
• 欧洲
  • 德国
  • 英国
  • 法国
  • 意大利
  • 西班牙
  • 俄罗斯
  • 北欧国家
  • 比荷卢地区
• 亚太地区
  • 中国
  • 印度
  • 日本
  • 澳大利亚
  • 韩国
  • 新加坡
  • 泰国
  • 印度尼西亚
  • 越南
• 拉丁美洲
  • 巴西
  • 墨西哥
  • 阿根廷
  • 哥伦比亚
• 中东和非洲（MEA）
  • 南非
  • 沙特阿拉伯
  • 阿联酋