Para obtener más información, solicite una muestra gratuita

El cambio tecnológico: de VLM a VLA (Visión-Lenguaje-Acción)

El auge de la «IA encarnada»

El avance técnico más significativo de 2025-2026 en el mercado de Modelos de Visión-Lenguaje (VLM) es la arquitectura Visión-Lenguaje-Acción (VLA). A diferencia de los VLM tradicionales que generan texto, los VLA generan señales de control (p. ej., , ). Modelos como los sucesores de RT-X de Google y versiones especializadas de Qwen-VL han demostrado que el entrenamiento con datos de visión a escala de internet permite una transferencia sin interrupciones a tareas de manipulación robótica.

Ventanas de contexto multimodal

Las ventanas de contexto se han expandido drásticamente. Los modelos líderes en 2026 ahora admiten más de un millón de ventanas de token que incluyen procesamiento de video nativo. Esto permite que un modelo "vea" una película de dos horas o analice una semana de grabaciones de CCTV en una sola pasada, lo que facilita un razonamiento temporal extenso que era imposible en 2024.

Panorama competitivo del mercado de modelos de visión y lenguaje (VLM): los "cuatro grandes" y los retadores

Los hiperescaladores

• Google (Gemini 3 Pro): Actualmente es líder en comprensión de video de contexto largo y razonamiento multimodal nativo. Su integración en el ecosistema Android le otorga una ventaja en la distribución.
• OpenAI (GPT-5/o3-Vision): Se centra en tareas de visión que requieren un alto nivel de razonamiento. La serie o3 ha marcado nuevos hitos en la interpretación de historias clínicas y el diagnóstico por imagen.
• Meta (Llama 3.2 Vision): El estándar dominante de peso abierto. Al lanzar modelos de visión con más de 90 mil millones de parámetros, Meta ha mercantilizado el mercado de gama media, obligando a la competencia a competir en rendimiento vertical especializado.

Los disruptores especializados en el mercado de los modelos de lenguaje de visión (VLM)

• Alibaba (Qwen2.5-VL): una potencia en la región APAC, específicamente optimizada para la comprensión de documentos de alta resolución (OCR) y el reconocimiento visual de casos extremos.
• Adept & Covariant: actores de nicho que han pivotado completamente hacia VLM "Agentic", construyendo modelos que actúan como empleados digitales capaces de navegar por el software empresarial a través de interfaces visuales.

La era de la IA agencial: agentes visuales autónomos que configuran el mercado de los modelos de visión y lenguaje (VLM)

Más allá de los chatbots

Las empresas están dejando atrás los chatbots y optando por agentes visuales autónomos. En 2026, un gerente de cadena de suministro no le preguntará a un bot: "¿Qué dice este gráfico?". En cambio, le ordenará: "Supervise la señal de la cámara del almacén para detectar infracciones de seguridad y registre un ticket en SAP si un trabajador no lleva chaleco".

Facilitadores técnicos: Cadena de pensamiento (CdP) en la visión

Los modelos de pensamiento (como Qwen-Thinking-VL y la serie o de OpenAI) han introducido la Cadena Visual de Pensamiento. El modelo descompone una escena visual compleja en pasos ("Primero, identificar el coche. Segundo, comprobar si el semáforo está en rojo. Tercero, determinar si el peatón está cruzando") antes de generar un resultado final. Esto ha reducido las tasas de alucinaciones en tareas críticas para la seguridad en más de un 40 %.

Impacto de Edge VLM y procesamiento en el dispositivo en el mercado de modelos de visión y lenguaje (VLM)

La revolución de los modelos pequeños (<10 mil millones de parámetros)

La privacidad y la latencia están llevando a los VLM al límite. Los modelos "nano" (parámetros 2B–7B) ahora pueden ejecutarse en smartphones y módulos NVIDIA Jetson Orin. Técnicas como la cuantificación de 4 bits y la decodificación especulativa permiten que estos modelos procesen imágenes localmente con una latencia de <500 ms.

Implicaciones estratégicas para el hardware

Esta tendencia en el mercado de los Modelos de Lenguaje de Visión (VLM) ha desencadenado un superciclo de hardware. Los dispositivos lanzados en 2026 por Apple, Samsung y Xiaomi incorporan núcleos NPU (Unidad de Procesamiento Neural) dedicados, optimizados específicamente para tareas de visión basadas en transformadores, lo que crea un nuevo estándar de certificación "Vision-AI-Ready" para la electrónica de consumo.

Mercado de la salud: ¿Se convertirán los diagnósticos basados ​​en VLM en el nuevo estándar de atención?

Flujos de trabajo de patología: ¿está el mercado preparado para los informes de diagnóstico basados ​​en IA?

Para 2026, el sector sanitario se ha consolidado como el sector vertical de mayor valor para los Modelos de Visión y Lenguaje (VLM), transformando radicalmente los flujos de trabajo clínicos. El procedimiento operativo estándar en radiología se ha invertido; mientras que los flujos de trabajo de 2024 dependían de la redacción de informes por humanos para su verificación mediante IA, los protocolos actuales utilizan los VLM para generar borradores de diagnóstico preliminares que posteriormente son revisados ​​por especialistas. Esta metodología de "Primer Borrador con IA" ha alcanzado una tasa de penetración del 35 % en hospitales de investigación de primer nivel, lo que reduce significativamente la carga administrativa y permite a los profesionales centrarse en la validación de casos complejos.

I+D farmacéutica: ¿Pueden los Bio-VLM reducir los plazos de los ensayos clínicos en un 20%?

Más allá del diagnóstico , el mercado de los Modelos de Visión y Lenguaje (VLM) está revolucionando la I+D farmacéutica mediante el análisis de estructuras moleculares 3D y la visualización del plegamiento de proteínas. Los "Bio-VLM" especializados, entrenados exclusivamente con datos de microscopía de alta dimensión, superan a los patólogos humanos en la identificación de anomalías celulares sutiles. Esta ventaja computacional se traduce directamente en eficiencia operativa, reduciendo la duración de las fases de selección de ensayos clínicos en aproximadamente un 20%, una métrica crucial para acelerar la comercialización de nuevas terapias.

Sistemas autónomos: ¿son los VLM de extremo a extremo el eslabón perdido hacia la autonomía de nivel 5?

Conducción semántica: ¿Cómo resuelven los modelos fundamentales el problema de los «casos límite» en el mercado de los modelos de visión y lenguaje (VLM)?

La industria automotriz está experimentando una migración a gran escala desde plataformas de software modulares (de percepción a planificación y control) hacia arquitecturas unificadas de conducción VLM de extremo a extremo. Líderes del mercado como Wayve y Tesla (FSD v14) han implementado con éxito modelos de base de entrada y salida de vídeo que poseen una comprensión semántica genuina. A diferencia de las iteraciones anteriores, estos sistemas pueden distinguir matices contextuales complejos, como distinguir entre un peatón distraído y un policía dirigiendo el tráfico activamente, lo que marca un avance hacia la autonomía de nivel 4/5.

Mercado de la robótica: ¿Los VLM de vocabulario abierto finalmente democratizarán la automatización para las PYMES?

En el sector logístico, el mercado de los Modelos de Visión y Lenguaje (VLM) democratizó la robótica al permitir la ejecución de tareas con vocabulario abierto. Los robots de uso general ahora pueden interpretar y actuar según comandos de lenguaje natural como "Recoge el juguete que parece un dinosaurio rojo", sin necesidad de datos de entrenamiento específicos para ese objeto. Esta flexibilidad elimina los costos prohibitivos de la programación a medida, abriendo el mercado de la robótica a las pequeñas y medianas empresas (PYMES) que antes no podían acceder a las soluciones de automatización.

Inteligencia minorista: ¿Puede la búsqueda visual duplicar las tasas de conversión en el comercio electrónico?

Comercio visual 2.0: ¿Es “Comprar por escena” el próximo impulsor de ingresos de VLM?

En el mercado global de Modelos de Visión y Lenguaje (VLM), el comportamiento de búsqueda del consumidor está experimentando una transformación radical: de las simples funciones de "Búsqueda por Imagen" a experiencias integrales de "Compra por Escena". Los usuarios ahora pueden subir la imagen de una habitación completa, lo que permite al VLM identificar, catalogar y encontrar simultáneamente opciones de compra para cada mueble visible. 

Esta precisión contextual ha demostrado ser muy lucrativa, elevando las tasas de conversión de la búsqueda visual al 12%, duplicando efectivamente las métricas de rendimiento que se suelen observar con las consultas de búsqueda tradicionales basadas en texto.

Economía de inventario: ¿Cuánto puede la vigilancia VLM reducir la merma en los inventarios minoristas?

Los minoristas del mercado de Modelos de Visión y Lenguaje (VLM) están combatiendo la pérdida de ingresos mediante la implementación de redes de cámaras fijas y VLM montados en drones para la monitorización continua de los estantes. Estos sistemas poseen la inteligencia granular necesaria para distinguir entre artículos "agotados" e inventario "extraviado", activando de forma autónoma órdenes de reposición o alertas de corrección. Los primeros en adoptar esta tecnología, incluyendo grandes cadenas como Walmart y Tesco, reportan una reducción del 15% en la merma de inventario, lo que valida el retorno de la inversión (ROI) de la integración de VLM en entornos minoristas físicos.

Economía de escala: ¿Es ahora la inferencia más cara que el entrenamiento?

El giro de la inferencia: por qué el gasto operativo ha triplicado el capital de formación

La estructura económica del mercado de la IA se ha invertido radicalmente. Si bien entrenar un modelo de frontera en el mercado de Modelos de Visión y Lenguaje (VLM) sigue siendo una inversión de capital enorme, con un coste superior a los 100 millones de dólares, el gasto total de la industria en inferencia triplica ahora el de entrenamiento. Este cambio señala una fase madura del mercado donde la implementación a gran escala, y no solo la I+D, dicta la estrategia financiera.

Economía de tokens: ¿Pueden los modelos destilados finalmente permitir un análisis "siempre activo" en el mercado de modelos de lenguaje de visión (VLM)?

La rentabilidad del procesamiento de datos visuales ha mejorado drásticamente, con una reducción del 90 % en el precio por millón de tokens de imagen desde 2024. Procesar 1000 imágenes, que costaba aproximadamente 10 USD en 2024, ahora cuesta aproximadamente 0,50 USD mediante modelos optimizados y depurados. Esta comoditización es fundamental para el análisis de vídeo siempre activo, lo que hace que la monitorización visual continua sea financieramente viable por primera vez.

Infraestructura de datos: ¿Qué sucede cuando se agotan los datos de visión humana?

El imperativo sintético: ¿Es la simulación de imágenes la única forma de resolver casos extremos?

El mercado de los Modelos de Lenguaje de Visión (VLM) ha alcanzado su punto máximo de datos de visión pública, agotando los conjuntos de datos generados por humanos disponibles. Para entrenar la generación de modelos de 2026, los laboratorios han optado por los datos sintéticos. Motores de juego avanzados como Unreal Engine 6 y modelos de vídeo generativos crean miles de millones de horas de metraje etiquetado, simulando casos extremos poco frecuentes y de alto riesgo, como un niño corriendo por una carretera nevada, esenciales para entrenar sistemas autónomos robustos.

Bases de datos vectoriales visuales: ¿Cómo buscan las empresas sus archivos de vídeo en el mercado de modelos de lenguaje de visión (VLM)?

Las empresas están evolucionando más allá del almacenamiento basado en texto para crear bases de datos vectoriales visuales. Los activos corporativos, como planos, vídeos de seguridad y fotografías de productos, ahora se integran en almacenes vectoriales. Esta infraestructura permite a los técnicos consultar las bases de datos vectoriales visuales (VLM) con lenguaje natural (p. ej., "Muéstrame el procedimiento de mantenimiento de esta pieza") y recuperar al instante fotogramas de vídeo o páginas del manual específicos.

Marcos regulatorios: ¿Está usted preparado para la aplicación de la Ley de IA de la UE?

Riesgo sistémico: ¿La formación obligatoria de equipos rojos expondrá sesgos visuales ocultos?

Con la Ley de IA de la UE ya plenamente aplicable, los modelos de IA de propósito general (IAPG) con perfiles de riesgo sistémico se enfrentan a la obligación de aplicar un "Red Teaming" para detectar sesgos visuales. Para el mercado de los Modelos de Visión-Lenguaje (VLM), esto implica pruebas rigurosas para evitar la identificación demográfica errónea en escenarios de vigilancia o contratación. El riesgo financiero es alto, con sanciones por incumplimiento que pueden alcanzar el 7 % de la facturación global de una empresa.

Política federal de EE.UU.: ¿Los mandatos de transparencia obligarán a divulgar datos de entrenamiento?

El gobierno de EE. UU., en virtud de la OMB M-26-04 (11 de diciembre de 2025), exige a las agencias federales que adquieren modelos de lenguaje grandes (LLM) que apliquen los "Principios de IA Imparcial" (búsqueda de la verdad y neutralidad ideológica) mediante contratos, incluyendo la transparencia básica, como tarjetas de modelo/sistema, políticas de uso aceptable y mecanismos de retroalimentación. Este mandato de transparencia obliga a los proveedores a revelar públicamente sus fuentes de datos de entrenamiento, lo que genera un escrutinio sin precedentes sobre el uso de imágenes con derechos de autor y la cuestión del consentimiento de los artistas.

¿Desafíos críticos en el mercado de modelos de lenguaje visual (VLM)?

La brecha de confiabilidad: ¿es aceptable una tasa de error del 3% para los sistemas autónomos?

A pesar de los rápidos avances, la "alucinación de objetos" —donde los modelos perciben entidades inexistentes— sigue siendo una falla persistente. La tasa de error estándar de la industria ronda actualmente el 3 % para los modelos de frontera. Si bien ha mejorado, esta tasa aún es demasiado alta para permitir un despliegue totalmente autónomo en aplicaciones médicas o militares de alto riesgo sin una estricta supervisión humana (HITL).

Seguridad visual: ¿Están los firewalls preparados para inyecciones de avisos invisibles?

Ha surgido una sofisticada amenaza de ciberseguridad conocida como "Jailbreaks Visuales". Los adversarios están incrustando patrones de ruido invisibles en imágenes para evadir los filtros de seguridad, lo que podría obligar a los modelos a generar contenido dañino. En respuesta, los presupuestos de seguridad empresarial se están reasignando rápidamente hacia "Firewalls VLM" diseñados para detectar y neutralizar estas entradas adversarias.

Panorama de inversión: ¿Hacia dónde se dirige el dinero inteligente en 2026?

Integración vertical: ¿Los gigantes tecnológicos compran empresas sólo por sus datos?

Los gigantes tecnológicos del mercado global de Modelos de Lenguaje de Visión (VLM) están implementando una estrategia de integración vertical, adquiriendo empresas especializadas en imágenes no por sus fuentes de ingresos, sino por sus datos. Los proveedores de imágenes satelitales y los archivos médicos son objetivos clave, ya que sus conjuntos de datos patentados actúan como "fosos" que la competencia no puede replicar fácilmente.

El cambio en el capital de riesgo: ¿por qué los inversores abandonan los creadores de modelos para favorecer las aplicaciones?

El capital riesgo se ha alejado de los "Constructores de Modelos" con alto consumo de capital y se ha orientado hacia la "Capa de Aplicación VLM". Los inversores están respaldando startups que aplican modelos consolidados (como Llama 3.2 ) a flujos de trabajo verticales específicos, como la tramitación de reclamaciones de seguros. En consecuencia, la ronda promedio de Serie A para aplicaciones nativas de VLM se ha estabilizado en 25 millones de dólares.

Análisis segmentario del mercado global de modelos de visión y lenguaje (VLM)

Por tipo de modelo, los VLM de imagen-texto dominan el 44,50 % de la cuota de mercado en el mercado de modelos de lenguaje de visión (VLM) en 2025

Los VLM de imagen-texto lideran el mercado con una cuota de mercado del 44,50 % en 2025. Su supremacía se debe a una alineación visual-textual superior. Estos modelos destacan en el análisis de escenas, la interpretación de gráficos y la comprensión de documentos. Llama Nemotron Nano VL de NVIDIA superó a OCRBench v2 en junio de 2025. Procesa facturas, tablas y gráficos en una sola GPU. FastVLM de Apple se lanzó en julio de 2025 para consultas en tiempo real en el dispositivo. Los conjuntos de datos de imagen-texto siguen siendo abundantes, lo que impulsa la eficiencia del entrenamiento.

Gemini 2.5 Pro domina los flujos de trabajo de documentos empresariales en el mercado global de Modelos de Visión y Lenguaje (VLM). Este segmento impulsa el 70 % de las API multimodales en Hugging Face. Los proveedores de nube reportan un aumento del triple en las solicitudes de inferencia de imagen-texto en comparación con los modelos de video. El dominio persiste debido a menores necesidades de computación. Los VLM de video-texto se quedan atrás a pesar de una tasa de crecimiento anual compuesta (TCAC) proyectada más rápida. Imagen-texto sigue siendo la base de la implementación comercial.

Por industria, TI y telecomunicaciones capturan el 16% de liderazgo en participación en verticales en 2025

El sector de TI y telecomunicaciones lidera las verticales del mercado de Modelos de Lenguaje de Visión (VLM) con una participación del 16 % en 2025. La monitorización de redes impulsa su adopción. El mercado de IA para telecomunicaciones alcanzó los 4730 millones de dólares. Los operadores implementan VLM para la detección de fraudes y la atención al cliente. La virtualización de funciones de red (NFV) nativa de la nube integra los VLM para el procesamiento en el borde 5G. Los chatbots gestionan el 40 % de las consultas de telecomunicaciones mediante VLM de imagen-texto. 

Verizon reportó un aumento del 25% en la eficiencia gracias a la vigilancia VLM en 2025. El análisis visual de AT&T redujo el tiempo de inactividad en un 15%. Las aplicaciones de seguridad dominan el análisis de datos no estructurados. El análisis visual en tiempo real se traslada a la IA en el borde. La tasa de crecimiento anual compuesta (TCAC) de la nube de telecomunicaciones alcanza el 29,7% hasta 2033. Los VLM mejoran la confiabilidad de la red en medio del despliegue del 5G. El comercio minorista se queda atrás a pesar del crecimiento del comercio electrónico. Las inversiones en infraestructura de TI mantienen el liderazgo.

Por implementación, la implementación basada en la nube asegura un liderazgo en ingresos del 62% en el mercado en 2025

Las soluciones basadas en la nube dominan la implementación del mercado de Modelos de Lenguaje de Visión (VLM), con una cuota de ingresos del 66 % en 2025. Los hiperescaladores impulsan este liderazgo mediante la infraestructura de IA. AWS posee el 30 % de la nube global, impulsando la inferencia de VLM a escala. Azure capta el 20 %, integrando VLM en los flujos de trabajo de telecomunicaciones. Google Cloud, con un 13 %, lidera los servicios GenAI VLM con un crecimiento del 140 % al 180 % en el segundo trimestre de 2025.

Los tres grandes actores del mercado de Modelos de Lenguaje de Visión (VLM) controlan el 63% de la infraestructura, lo que permite su escalabilidad. La presentación de Shopify para MLPerf v6.0 destaca los puntos de referencia de inferencia de VLM en la nube. La nube para telecomunicaciones alcanzó los 23.850 millones de dólares en 2025, con una tasa de crecimiento anual compuesta (TCAC) del 29,7%. La computación en el borde complementa a la nube, pero la deja atrás en cuanto a capacitación. El modelo híbrido crece más rápido, pero representa menos del 20%. La optimización de costos favorece la nube para las pymes. La demanda de análisis en tiempo real impulsa una expansión interanual de la nube del 25%. La flexibilidad de las instalaciones locales es menor.

Para saber más sobre esta investigación: Solicite una muestra gratuita

Mercado global de modelos de visión y lenguaje (VLM): análisis estratégico regional para 2026

América del Norte: El centro de convergencia generativa

• Cuota de mercado: ~42,6 % (estimación para 2025) | Factor clave: Razonamiento multimodal e integración empresarial

Norteamérica mantiene su dominio global en el mercado de Modelos de Lenguaje de Visión (VLM), impulsado no solo por la escala del modelo, sino también por la transición hacia arquitecturas con un fuerte componente de razonamiento como Gemini 2.5 Pro y GPT-4.1. La valoración de la región para 2025, de aproximadamente 1570 millones de dólares, se ve impulsada por un cambio estructural que pasa del simple reconocimiento de imágenes al razonamiento visual complejo en los flujos de trabajo empresariales. El ecosistema de riesgo de Silicon Valley está financiando activamente Controladores Híbridos VLM-LLM, que permiten que los modelos fundamentales interactúen directamente con bases de datos empresariales propietarias.

• El mercado estadounidense está experimentando un aumento de VLM "verticalizados" para atención médica (diagnóstico radiológico) y defensa, lo que permite capas de monetización diferenciadas más allá de las llamadas API genéricas.

Asia-Pacífico: La era de la «IA encarnada» y la robótica

• Tasa de crecimiento: ~34 % interanual | Factor clave: Modelos Visión-Lenguaje-Acción (VLA)

A diferencia del enfoque centrado en el software de Occidente, el mercado de Modelos de Visión-Lenguaje (VLM) de Asia-Pacífico, liderado por China, está implementando VLM principalmente para la interacción con el mundo físico, o IA Corporizada. En consonancia con el XV Plan Quinquenal de Pekín, los centros industriales de Shenzhen y Hangzhou están integrando modelos de Visión-Lenguaje-Acción (VLA) en de robótica y fabricación humanoides. Esta divergencia estratégica permite a China dominar el sector de la automatización industrial, con especial énfasis en los "cerebros robóticos" capaces de interpretar datos visuales de fábrica para ejecutar tareas físicas de forma autónoma.

• Los gigantes tecnológicos chinos están priorizando la reducción de la latencia en los modelos VLA para apoyar la vigilancia de "ciudades inteligentes" en tiempo real y la logística autónoma, creando un efecto de bloqueo de hardware y software.

Europa: El nicho de la «IA soberana» y el cumplimiento normativo

• Enfoque estratégico: Fosos regulatorios mediante la Ley de IA de la UE | Factor clave: Arquitecturas VLM explicables y soberanas

El crecimiento del mercado europeo de Modelos de Visión y Lenguaje (VLM) se define por la doctrina de la "IA Soberana", que surge como respuesta directa a los estrictos requisitos de transparencia de la Ley de IA de la UE para la IA de Propósito General. En lugar de competir por el tamaño de los parámetros, los desarrolladores europeos (por ejemplo, en Francia y Alemania) están ganando cuota de mercado mediante el desarrollo de VLM de peso abierto que cumplen con el RGPD y están diseñados para sectores altamente regulados como la administración pública y la seguridad automotriz.

La región está fomentando un mercado de "Cumplimiento como servicio", donde los VLM locales son preferidos a los modelos de "caja negra" con sede en EE. UU. para procesar datos confidenciales de los ciudadanos, específicamente en la región DACH (Alemania, Austria, Suiza).

Los 5 principales desarrollos recientes que configuran el mercado de los modelos de visión y lenguaje (VLM)

1. Meta lanzó Llama 4 Scout y Llama 4 Maverick como modelos multimodales nativos (texto+visión) de peso abierto, destacando la eficiencia de MoE y el contexto muy largo como diferenciadores fundamentales (abril de 2025).
2. OpenAI , posicionándolos como modelos de razonamiento que pueden “pensar con imágenes” y manejar entradas visuales como parte de flujos de trabajo de uso de herramientas de múltiples pasos (abril de 2025).
3. Apple publicó la investigación FastVLM que describe una codificación de visión eficiente para permitir un procesamiento rápido de consultas de lenguaje de visión en el dispositivo para aplicaciones en tiempo real (julio de 2025).
4. NVIDIA como un modelo de lenguaje de visión centrado en inteligencia de documentos, con énfasis en la precisión de OCRBench v2 y en casos de uso de extracción de documentos empresariales (octubre de 2025).
5. Oracle amplió el soporte para Meta Llama 3.2 11B/90B Vision en todas las regiones de IA generativa de OCI, ampliando el acceso empresarial a la comprensión multimodal de imágenes y texto (enero de 2025).

Principales empresas en el mercado de modelos de visión y lenguaje

• Investigación de Adobe
• Academia DAMO de Alibaba
• Servicios web de Amazon (AWS)
• Manzana
• Baidu
• Laboratorio de inteligencia artificial de ByteDance
• Google DeepMind
• IA en la nube de Huawei
• Investigación de IBM
• Meta (Investigación de IA de Facebook)
• Microsoft
• NVIDIA
• OpenAI
• Oráculo
• Investigación de Salesforce
• Investigación de Samsung
• Inteligencia artificial de SAP
• Tiempo de detección
• Laboratorio de inteligencia artificial de Tencent
• Laboratorio de inteligencia artificial de TikTok
• Otros jugadores destacados

Descripción general de la segmentación del mercado

Por modo de implementación

• Basado en la nube
• En las instalaciones
• Híbrido

Por tipo de modelo

• Modelos Imagen-Texto Visión-Lenguaje
  
  
  • Modelos de subtítulos de imágenes
  • Respuesta visual a preguntas
• Modelos de visión y lenguaje de video-texto
  • Comprensión del video
  • Resumen del vídeo
• Modelos de lenguaje de visión de documentos (DocVLM)
  • OCR + razonamiento
  • Comprensión del diseño
• Otros tipos de VLM multimodal

Por sector industrial vertical

• TI y telecomunicaciones
• BFSI
• Comercio minorista y comercio electrónico
• Salud y ciencias de la vida
• Medios y entretenimiento
• Fabricación
• Automoción y movilidad
• Gobierno y defensa
• Otras industrias

Por región

• América del norte
  • Estados Unidos
  • Canadá
  • México
• Europa
  • Europa Occidental
    • El Reino Unido
    • Alemania
    • Francia
    • Italia
    • España
    • Resto de Europa Occidental
  • Europa Oriental
    • Polonia
    • Rusia
    • Resto de Europa del Este
• Asia Pacífico
  • Porcelana
  • India
  • Japón
  • Australia y Nueva Zelanda
  • Corea del Sur
  • ASEAN
  • Resto de Asia Pacífico
• Oriente Medio y África
  • Arabia Saudita
  • Sudáfrica
  • Emiratos Árabes Unidos
  • Resto de MEA
• Sudamerica
  • Argentina
  • Brasil
  • Resto de Sudamérica