さらに詳しい情報を得るには、  無料サンプルをリクエストしてください。 

Pinecone Enterpriseの採用状況は、ベクターデータベース市場における需要の急増をどのように反映しているのか？

Pinecone導入を推進する企業の動き

Pineconeの台頭は、企業がAIインフラストラクチャに取り組む方法における、より広範な変化を反映している。組織が生成型AIやエージェントシステムの実験段階から本格的な導入へと移行するにつれ、信頼性の高い高性能なベクトルデータベースの必要性が不可欠となっている。Pineconeは、大規模データシステムに従来伴っていた運用上の負担の多くを取り除く、管理された本番環境を提供することで、この移行の中心に位置づけられている。

この勢いは偶然ではありません。今日の企業は、実験よりもスピード、信頼性、拡張性を優先しています。Pineconeが100ミリ秒未満のクエリ応答を実現できる能力は、レコメンデーションエンジン、セマンティック検索、ベクトルデータベース市場における対話型AIといったリアルタイムAIのユースケースに直接的に合致しています。さらに重要なのは、このプラットフォームの企業顧客数の急速な増加は、企業がもはやAIを単にテストしているだけでなく、大規模に運用していることを示しています。.

このプラットフォームの進化は、AIインフラストラクチャがより専門化していく過程を反映しています。従来のデータベースでは、最新のAIモデルによって生成される高次元埋め込みを処理するにはもはや不十分です。Pineconeは、本番ワークフローにシームレスに統合できる専用ベクターインフラストラクチャを提供することで、このギャップを埋め、組織がバックエンドの複雑さではなく、アプリケーション開発に集中できるようにします。.

導入を促進する主要成長指標

• PineconeはシリーズB資金調達で1億ドルを調達し、ベクターデータベース市場の拡張性に対する投資家の強い信頼を示した。.
• 80万人以上の開発者が、生成型AIやエージェント型アプリケーションの構築にPineconeを積極的に利用しています。.
• 9,000社以上の企業顧客が、このプラットフォーム上で本番環境のワークロードを実行しています。.
• 20ドルのビルダープランや50ドルのスタンダードプランといった料金プランは、個人開発者と企業の規模拡大ニーズの両方に対応しています。.

なぜ開発者は、Milvusのオープンソースベクトルインフラストラクチャを利用して大規模なワークロードを拡張しているのでしょうか？

オープンソースは規模拡大の触媒となる

Milvusは、オープンソースのエコシステムがベクトルデータベース市場における新興技術の普及をいかに加速できるかを実証しています。開発者は、特に複雑なAIワークロードを扱う際に、柔軟性、透明性、そして制御性を提供するプラットフォームにますます魅力を感じています。Milvusは、多様なユースケースに合わせてカスタマイズ可能な、拡張性と高性能を備えたベクトルデータベースを提供することで、こうしたニーズをうまく捉えています。.

AIアプリケーションの複雑化に伴い、開発者はパフォーマンスを損なうことなく数百万もの埋め込みデータを処理できるシステムを必要としています。Milvusは分散アーキテクチャと最適化されたインデックス戦略によってこのニーズに対応し、エンタープライズ規模の導入に適しています。.

Zillizからの強力な支援は、プラットフォームの長期的な存続可能性に対する信頼をさらに高めるものです。オープンソースのイノベーションと商用サポートの組み合わせにより、開発者は自由に実験でき、企業は継続的な開発とサポートを受けられる、バランスの取れたエコシステムが構築されます。.

主要な導入状況とパフォーマンス指標

• MilvusはGitHubで44,000以上のスターを獲得し、世界のベクターデータベース市場で1億回以上のダウンロード数を記録しました。.
• 5,000社以上の企業が、ミッションクリティカルなAIワークロードにMilvusを利用しています。.
• 300名を超える貢献者が、プラットフォームの機能を積極的に維持・向上させています。.
• 開発者は並列APIを使用することで、1～2日以内に最大1億件のドキュメントを挿入でき、高いデータ取り込み効率を実現できます。.

現代のクラウドエンタープライズ環境におけるWeaviateの成長を際立たせる主要な導入指標は何ですか？

クラウドネイティブアーキテクチャがベクターデータベース市場の採用を促進

Weaviateの成長は、企業環境におけるクラウドネイティブなベクトルデータベース市場の重要性の高まりを浮き彫りにしています。組織がワークロードをクラウドに移行するにつれ、高い可用性を維持しながら動的に拡張できるシステムが求められています。Weaviateは、導入を簡素化し、運用コストを削減するマネージド型の分散アーキテクチャを提供することで、このニーズに応えています。.

Weaviateが採用される大きな理由の一つは、極めて大規模なデータセットを高いパフォーマンスを維持しながら処理できる能力です。数十億ものベクトルを扱う企業にとって、データを効率的に保存するだけでなく、最小限の遅延でデータを取得できるシステムは不可欠です。Weaviateのアーキテクチャはこのバランスを実現しており、ベクトルデータベース市場における実稼働レベルのAIシステムにとって有力な選択肢となっています。.

さらに、自動レプリケーションや最小限のノード要件など、プラットフォームが重視する自動化機能は、メンテナンスの手間が少ないインフラストラクチャを求める企業のニーズに合致しています。これにより、ITチームはシステムの保守ではなく、イノベーションにリソースを振り向けることができます。.

主要な導入および効率性指標

• Weaviateはオープンソース版として2000万ダウンロードを突破し、開発者の強い関心を示している。.
• 同社は、シリーズBラウンドで5,000万ドルを調達するなど、総額6,770万ドルの資金を調達した。.
• このプラットフォームは100名以上のオープンソース貢献者によって支えられており、継続的な開発が保証されています。.
• エンタープライズ向け導入事例では、最大90億個のベクターを処理できるだけでなく、メンテナンス時間を約200時間短縮できます。.

Chromaのダウンロード数とコミュニティ活動は、ベクターデータベース市場における地域需要の高まりをどのように証明するのか？

シンプルさが草の根レベルでの普及を促進する

Chromaは、ローカル環境向けに設計された軽量で開発者にとって使いやすいベクターデータベースに対する高まる需要に応えるものです。エンタープライズ向けプラットフォームとは異なり、Chromaはシンプルさと使いやすさを最優先しており、プロトタイピングや初期段階の開発に最適です。このアプローチは、複雑な設定を必要とせず、迅速なイテレーションサイクルを求める開発者から大きな支持を得ています。.

このプラットフォームの成功は、重要なトレンドを浮き彫りにしています。それは、すべてのAI開発が大規模に始まるわけではないということです。多くのイノベーションはローカルなレベルで始まり、開発者は本番システムに移行する前にアイデアを試行錯誤します。Chromaの最小限のAPI構造と既存のワークフローへのシームレスな統合は、こうした試行錯誤を可能にし、ベクトルデータベース市場への参入障壁を効果的に低減します。.

AI開発がより民主化されるにつれ、Chromaのようなツールはエコシステムの拡大において重要な役割を果たします。これらのツールによって、個人開発者や小規模チームは、高度なインフラ専門知識を必要とせずにAIアプリケーションの構築に参加できるようになります。.

主要なコミュニティおよび利用状況指標

• ChromaはGitHubで28,000以上のスターを獲得しており、90,000以上のリポジトリで使用されています。.
• このプラットフォームは、世界中で月間1100万回以上のダウンロード数を記録している。.
• 150人以上の貢献者が、そのオープンソースのエコシステムを積極的に維持している。.
• そのAPIはわずか4つのコア関数呼び出ししか必要としないため、開発ワークフローが大幅に簡素化されます。.

なぜ開発者はパフォーマンス向上のためにQdrantやその他の専用ベクトルエンジンを利用するのか？

ベクターデータベース市場における競争優位性としてのパフォーマンス

AIアプリケーションの規模が拡大するにつれ、パフォーマンスは技術選定における決定的な要素となります。開発者は、特にリアルタイムアプリケーションにおいて、超低遅延かつ高スループットを実現できるベクトルデータベースをますます重視するようになっています。Qdrantは、Rustを用いて構築されたパフォーマンス重視のアーキテクチャを提供することで、この変化を体現しています。これにより、効率的なメモリ管理と高速なクエリ実行が可能になります。.

より広範なエコシステムもこの傾向を反映しています。Redis、Faiss、Vespaといったプラットフォームは、ベクトル検索機能を統合することで進化を続けており、パフォーマンス最適化がもはやオプションではなく必須事項であることを示しています。ベクトル検索とレキシカル検索を組み合わせたハイブリッド検索機能は、実際のアプリケーションにおける精度と効率をさらに向上させます。.

こうしたパフォーマンス重視の傾向は、ユーザーの期待によってもたらされています。レコメンデーションエンジンであれ、対話型AIシステムであれ、検索の遅延はユーザーエクスペリエンスに直接影響を与えます。そのため、企業はこうした厳しい要件を満たすことができる、専門的なベクトルデータベース市場エンジンに多額の投資を行っています。.

主要業績指標およびエコシステム指標

• QdrantはGitHubで3万以上のスターを獲得しており、コミュニティメンバー数は6万人を超えています。.
• 高性能クエリは、複雑なフィルタリング処理を含めても、50ミリ秒未満で実行されます。.
• Redisのベクトル検索機能は、200人以上の貢献者と6万以上のGitHubスターによって支えられています。.
• 企業システムは日常的に10億ベクトルを超えるデータセットを処理しており、拡張性に対する要求が高まっている。.

PostgreSQL拡張機能であるPgvectorが、データベース統合において有効な選択肢となる理由とは？

従来型データベースとAIデータベースの橋渡し

Pgvectorは、従来のデータベースが現代のAI要件を満たすためにどのように進化しているかを示しています。多くの組織は、全く新しいシステムを導入するのではなく、既存のインフラストラクチャを拡張してベクトル検索をサポートすることを好みます。PgvectorはPostgreSQLに直接統合することでこれを可能にし、企業は単一のシステム内で構造化データと非構造化データを管理できます。.

このアプローチは、ベクターデータベース市場における運用上の複雑さを大幅に軽減します。チームは使い慣れたツール、ワークフロー、専門知識を活用しながら、高度なAI機能を組み込むことができます。また、維持管理するシステム数を減らすことでインフラストラクチャと管理コストを削減できるため、コスト最適化戦略にも合致しています。.

Pgvectorの人気が高まっていることは、イノベーションが必ずしも破壊的な変革を必要とするわけではないことを示しています。多くの場合、既存システムへの段階的な改良は、特にパフォーマンスとシンプルさのバランスを求める組織にとって、大きな価値をもたらすことができます。.

主要な導入状況とコスト効率指標

• PgvectorはGitHubで15,000以上のスターを獲得しており、50人以上の開発者から貢献を受けています。.
• Pythonパッケージは毎月数千万件のダウンロードを記録しており、ベクトルデータベース市場における普及度の高さを示している。.
• 15種類のプログラミング言語をサポートしており、幅広いエコシステムとの互換性を確保しています。.
• pgvectorへの移行により、本番環境での利用事例において、データベースコストを月額約3,000ドルから200ドルに削減できる可能性があります。.

競合分析：ベクターデータベース市場を支配する上位5社

1. Pinecone： サーバーレスでフルマネージドのSaaSアーキテクチャにより、圧倒的な優位性を誇ります。比類のない使いやすさを実現し、インフラストラクチャのオーバーヘッドを完全に排除しながら、大規模な本番環境レベルのエンタープライズRAGパイプラインをサポートするために容易に拡張できます。
2. Zilliz（Milvus）： オープンソースおよび超大規模エンタープライズ分野をリードする企業。Milvusは、比類のないパフォーマンスで数兆規模のベクトルインデックスを日常的に処理し、大規模でデータ集約型のAI運用における絶対的な標準となっています。
3. Weaviate： AIネイティブなマルチモーダルアーキテクチャにより、卓越した性能を発揮します。拡張性の高いベクトルストレージと豊富なハイブリッド検索機能をシームレスに統合し、主要なLLMおよび埋め込みプロバイダーとのすぐに使える連携機能を提供します。
4. Qdrant： 高度に最適化されたRustベースのエンジンにより、高性能要件を圧倒的に満たします。超低遅延と高度なメタデータペイロードフィルタリング機能を提供し、複雑で精度が求められるオンプレミスおよびクラウド環境において高く評価されています。
5. Chroma： 開発者の採用とAIプロトタイピングにおいて、揺るぎないリーダー的存在です。オープンソースのAIネイティブデータベースとして、LangChainなどのフレームワークに深く組み込まれており、迅速なGenAIアプリケーション開発のためのデフォルト基盤として機能します。

ベクターデータベース市場のセグメント別分析

インデックスの種類別：近似最近傍法が市場をリード 

2026年までに、近似最近傍法（ANN）アルゴリズムはベクトルデータベース分野において圧倒的な優位性を確立し、82%という驚異的な市場シェアを獲得するだろう。この優位性は、膨大なデータセットに対して厳密なk近傍法検索を適用することが計算上不可能であることに直接起因する。. 

企業がペタバイト規模の生成型AIワークロードを処理するようになると、すべてのベクトルの正確な幾何学的距離を計算することが、機能的に大きな障害となります。ANNアルゴリズム、特に階層型ナビゲーションスモールワールド（HNSW）アーキテクチャは、精度をわずかに犠牲にする代わりに、クエリ処理速度を飛躍的に向上させるという戦略的なトレードオフを採用しています。この重要なトレードオフにより、兆単位規模の企業データベース全体にわたる超低遅延のセマンティック検索がネイティブに実現されます。.

• アルゴリズムの効率性： ベクトルデータベース市場における複雑なクエリ実行時に、網羅的なデータセットスキャンを完全に回避することで、必要な計算サイクルを最小限に抑えます。
• HNSWの優位性： 多層グラフ構造を活用することで、数十億規模の展開においても、一貫してミリ秒レベルのデータ取得遅延を実現します。
• スケーラブルなパフォーマンス： 次世代マルチモーダル埋め込みモデルの急速な次元拡張を、レイテンシーの低下なしに処理します。
• リソース最適化： アクティブメモリ使用量を削減し、クラウドホスティングにおける企業インフラ全体のコストを大幅に削減します。

アプリケーション別：RAGがベクターデータベース市場で46％のシェアを占め、圧倒的なシェアを誇る 

検索拡張型生成（RAG）は、アプリケーション分野を積極的に牽引し、2026年時点で46%という圧倒的な市場シェアを獲得しています。この優位性は、言語モデルの誤謬を完全に排除するという企業の喫緊の課題によって根本的に推進されています。標準的な基盤モデルは、企業独自のデータに関する文脈認識能力が著しく欠如しています。. 

RAGアーキテクチャは、テキスト生成の直前にベクトルデータベースから最新の高度に安全な内部インテリジェンスを即座に取得することで、この課題を完璧に解決します。この手法により、AIの出力は現実世界に厳密に基づいたものとなります。企業が決定論的で実用的な対話型エージェントをネイティブに導入する方向へと舵を切る中、RAGはベクトルデータベース市場における採用を推進する揺るぎない基盤を形成します。.

• 幻覚の根絶： 不安定な言語モデルを検証可能な企業データセットに安全に固定し、非常に決定論的な出力生成を保証します。
• リアルタイムコンテキスト： 最新の組織知識をモデルのプロンプトに直接組み込むことで、高額な継続的な再トレーニングを回避します。
• 引用検証： 企業向けAIアプリケーションが、内部ソース文書を直接指し示す、正確で監査対応可能な引用を生成できるようにします。
• アクセス制御： ベクター取得フェーズにおいて、厳格な役割ベースのセキュリティプロトコルを適用し、データの機密性を厳格に維持します。

組織規模別：大企業が市場シェア74％を占め、市場を席巻している。

ベクターデータベース市場は、大企業が圧倒的に独占しており、2026年まで74%という驚異的な市場シェアを維持すると予測されています。この圧倒的な優位性は、日々生成される膨大な量の非構造化データに直接起因しています。小規模組織とは異なり、巨大企業はペタバイト規模の既存文書や膨大なマルチメディアアーカイブを保有しており、これらをネイティブなセマンティックベクター化で即座に処理する必要に迫られています。. 

この休眠状態にある知的財産を検索性の高い埋め込みデータに変換するには、膨大な計算インフラとプレミアムデータベースの契約が必要となる。さらに、これらの巨大企業は厳格なコンプライアンス体制、高度なセキュリティを備えたハイブリッドクラウド環境、複雑なマルチテナントアーキテクチャを必要とするため、ハイエンドデータベースの利用は資金力のある巨大企業に限られる。.

• データ収益化： 膨大な量の非構造化レガシーデータをシームレスに活用し、高度なセマンティックAIによる洞察を引き出します。
• 資本密度： ペタバイト規模のベクトルインデックス作成と継続的なクラウドホスティングを維持するために厳密に必要とされる莫大な資金を保有している。
• 複雑なインフラストラクチャ： 数万件の同時セマンティッククエリを処理できる、高度にカスタマイズされたデータベースの導入が必要となる。
• 規制遵守： 変化し続ける世界のデータ主権法を厳格に遵守するため、プレミアムエンタープライズベンダーのサポートを要求しましょう。

エンドユーザー産業別：ITおよび通信アプリケーションが市場を席巻

IT・通信分野は38%という圧倒的な市場シェアを獲得し、2026年においても主要なエンドユーザー成長の原動力としての地位を確固たるものにするだろう。この業界は、広大なコードベースから膨大なネットワークテレメトリログに至るまで、複雑な非構造化データの継続的な流入を処理している。. 

通信大手各社は、数百万件に及ぶ顧客インタラクション記録をネイティブに超低遅延でセマンティック検索するために、ベクトルデータベース市場を積極的に活用している。これにより、高度にパーソナライズされた、完全自律型のAIサポートエージェントが実現する。同時に、IT企業は高次元ベクトル化を利用して、インテリジェントなコード検索ワークフローを通じてソフトウェア開発ライフサイクルに革命を起こしている。ネットワークがゼロタッチ自動化へと移行するにつれ、スケーラブルなベクトルストアは存続のために不可欠な存在であり続けるだろう。.

• コードベース検索： IT開発者が、膨大な量の独自エンタープライズコードのリポジトリ全体にわたって、瞬時に意味検索を行えるようにします。
• 自律型サポート： 高精度な技術文書検索を通じて複雑な通信問題を解決できるインテリジェントエージェントを支援します。
• テレメトリ分析： 膨大なネットワークログをシームレスにベクトル化し、意味的な異常パターンを特定して、インフラストラクチャの障害を事前に予測します。
• 知識の民主化： 深く分断されたITエンジニアリング部門を迅速に統合し、シームレスに検索可能な、数学的に構造化された企業インデックスを作成します。

 この研究についてさらに詳しく知るには：  無料サンプルをリクエストしてください 

ベクターデータベース市場の地域別分析

北米が最大の市場シェアを占める 

2026年、北米は世界のベクトルデータベース市場において圧倒的な39%のシェアを占め、生成型AIのインフラストラクチャと商用化における絶対的な中心地としての地位を確立しました。この揺るぎない優位性は、OpenAI、Anthropic、Metaといった、基盤となるAIモデル開発企業が他に類を見ないほど集中していることによって支えられています。これらの巨大テクノロジー企業は、自社のエンタープライズ向けサービスを効果的に支え、アルゴリズムの誤作動を軽減するために、拡張性が高く低遅延のベクトルストアを不可欠なものとして必要としています。. 

この地域は莫大な資本密度から大きな恩恵を受けており、シリコンバレーのベンチャーキャピタルは、Pinecone、Weaviate、Chromaといったネイティブなベクターデータベースのユニコーン企業に積極的に資金援助を行っている。さらに、北米のクラウドハイパースケーラーは、主力アーキテクチャに高密度ベクター処理機能をネイティブに組み込んでいる。Azure AI Search、Amazon OpenSearch Serverless、Google Vertex AIといったプラットフォームは、エンタープライズグレードのベクターインデックス作成を事実上コモディティ化している。これにより、フォーチュン500に名を連ねる大手企業は、インフラストラクチャに大きな負担をかけることなく、大規模な検索拡張型生成パイプラインを展開できるようになった。. 

規制の厳しい国内産業、特に分散型金融とヘルスケア分野では、独立したベクターデータベースインスタンスの利用が積極的に求められています。これにより、ベクターデータベース市場におけるHIPAAなどの厳格なコンプライアンスフレームワークに違反することなく、機密性の高い独自の文書をネイティブに処理することが可能になります。米国全土で継続的に生成される膨大な量の非構造化企業データは、高度な類似性検索エンジンへの継続的な依存を保証し、今日の北米の商業的優位性を根本的に確固たるものにしています。.

アジア太平洋地域が、現在世界で最も急速に成長しているベクターデータベース地域となっている。

アジア太平洋地域は、地域に根ざした人工知能エコシステムの急増と大規模なデジタル変革に牽引され、世界で最も速い年平均成長率を記録している。.

中国 

中国は、この地域におけるベクトルデータベース市場の加速を積極的に主導している。百度、テンセント、アリババといった国内の巨大テクノロジー企業は、独自の基盤モデルを急速に展開している。こうした地域密着型のAIアーキテクチャは、データの完全なローカライゼーションを実現し、欧米諸国のハードウェア禁輸措置を回避するために、Milvusのようなオープンソースプラットフォームを基盤とした、巨大で高性能なベクトルインフラストラクチャを厳密に必要とする。. 

インド

インドは、広大で世界的に支配的なITサービス基盤を動的にサポートするため、エンタープライズ向けベクトルデータベースの導入を加速させている。インドのテクノロジー大手は、広大なデジタル公共インフラ全体にわたる運用データセットを管理するため、複雑な多言語検索パイプラインを積極的に展開している。これにより、大規模な銀行システムは、高度な数学的埋め込みを用いて数十もの地域方言を正確に解析することが可能になる。.

日本 

日本は、戦略的かつイノベーション主導型の成長分野であり、従来の製造プロセスを劇的に最適化するために、極めて高精度なベクトルデータベース市場に多額の投資を行っています。日本のコングロマリットは、深刻な人口動態上の労働力不足に対処するため、高度な産業用ロボットフレームワークにセマンティック検索エンジンをシームレスに統合しています。.

インドネシア

インドネシアは、急速に重要な大規模市場として台頭しています。急成長を遂げるeコマース大手企業と急成長中のフィンテック企業は、高性能なベクトルデータベースを活用して数十億件もの消費者インタラクションを処理し、高度にパーソナライズされた商品発見をネイティブに実現しています。このダイナミックな拡大は、アジア太平洋地域が世界最大の成長エンジンであることを確固たるものにしています。.

ベクターデータベース市場における最近のトップ3動向

1. Zilliz (Milvus) – 2026年6月9日： Zilliz Vector Lakebaseのパブリックプレビューを発表しました。本番環境におけるベクター検索とレイクネイティブストレージを組み合わせ、リアルタイム配信とバッチ分析を単一の基盤上で実現します。
2. Weaviate – 2026年6月15日： Engram （一般提供開始）をリリースしました。Engramは、Weaviateのベクトルデータベースを介して、AIエージェント間のやり取りを構造化された永続的なメモリに変換する、AIエージェント向けの管理型メモリ／コンテキストサービスです。
3. Actian – 2026年4月28日：エッジ/オンプレミス/規制環境向けのポータブルベクターデータベースであるVectorAI DBをリリース。1,000万ベクターのデータにおいて、オープンソースのベクターデータベースと比較して22倍高速なスループットを実現したと発表。

ベクターデータベース市場の主要企業

• アクティブループ
• アリババクラウド
• Elasticsearch BV.
• グーグルLLC
• マイクロソフト
• MongoDB株式会社.
• OpenSearch
• パインコーン・システムズ社.
• Qdrant
• Redis社.
• シングルストア株式会社.
• ベスパ
• ウィービエイト
• ジリズ
• その他の著名な選手

市場セグメンテーションの概要

提供することで

• ソフトウェア
  • 専用設計
  • ベクトル対応/ハイブリッド）
• サービス
  • マネージド/クラウド
  • 自己管理型
• サポートとサービス

展開別

• 雲
• オンプレミス
• ハイブリッド

インデックスタイプ別

• おおよその最近隣
• 正確／総当たり

アプリケーション別

• 検索拡張生成（RAG）
• セマンティック検索
• 推薦システム
• 異常検知
• 画像/マルチメディア検索

組織規模別

• 大企業
• 中小企業

最終用途産業別

• IT・通信
• BFSI
• 健康管理
• 小売・Eコマース
• メディア＆エンターテインメント
• その他

地域別

• 北米
  • 米国.
  • カナダ
  • メキシコ
• ヨーロッパ
  • 西欧
    • 英国
    • ドイツ
    • フランス
    • イタリア
    • スペイン
    • 西ヨーロッパの残りの地域
  • 東欧
    • ポーランド
    • ロシア
    • 東ヨーロッパの残りの地域
• アジア太平洋
  • 中国
  • インド
  • 日本
  • オーストラリアとニュージーランド
  • 韓国
  • ASEAN
  • その他のアジア太平洋地域
• 中東およびアフリカ（MEA）
  • サウジアラビア
  • 南アフリカ
  • アラブ首長国連邦
  • MEAの残りの地域
• 南アメリカ
  • アルゼンチン
  • ブラジル
  • 南アメリカのその他の地域