世界の合成データ生成市場規模は、2021年に1億2330万米ドルを獲得し、2022年から2030年にかけて年平均成長率（CAGR）34.8％で拡大すると予測されています。人工知能（AI）の普及率上昇に伴うデータの合成生成の盛り上がりが、業界の成長に拍車をかけている。例えば、2020年8月、ホワイトハウスはAIと量子コンピューティングに10億米ドルを注入すると発表したと報じられています。コネクテッドデバイスやIoTの普及に伴い、データに対する需要は顕著になっており、オンデマンドデータを生成するための合成データの必要性がさらに高まっています。業界プレーヤーは、データ提供のギャップに対処するために合成データを求めると予想されます。
合成データは、AIモデルを訓練するために実データの代わりに使用できるフェイクデータとしても人気があります。業界プレーヤーは、プライバシー保護ソリューションの浸透が急増していることを受けて、模擬データに対する需要の増加を示しています。さらに、機械学習の急激な増加により、人工データへの注目が高まっています。人工データは、膨大なデータセットにアクセスすることで、AIや機械学習技術を活用するものです。
GDPRを含む個人情報保護法の遵守が急務となっており、大手企業のポートフォリオ育成に拍車がかかるでしょう。また、実データが不足する中でのモデルのトレーニングや、モデル開発の増強など、作成されたデータの用途は広がっています。特に、人工データは、実データが利用可能になる前にモデルを訓練・育成するのに役立ち、コストを最小限に抑えることができます。
AI関係者は、新興国および先進国全体で合成データの牽引力が高まっていることを示しました。例えば、2021年9月、Vanson Bourneと共同で行ったSynthesis AIの調査では、技術の意思決定者の89％が合成データを優位に立つための鍵として捉えていることが示唆されています。技術系の経営者は、データ品質の向上と生産性の強化のために、人工データを活用することになるでしょう。合成データの生成は、自動車やヘルスケアなどの産業分野で、アクセスの改善、コストの抑制、AIモデルの構築にかかる時間の短縮につながると期待されています。
収益面では、2021年に表形式データセグメントが40%超の最大シェアを占めました。関係者は、主に研究者の強気な需要により、表形式データセグメントが世界市場で大きなシェアを占めると予想しています。2020年10月、MITの研究者は、オープンソースのデータ生成ツールセット-Synthetic Data Vaultを発表しました。
研究者らは、ユーザーはプロジェクトに必要なデータを表や時系列で入手できると主張しました。さらに2019年には、研究者チームがモード別の正規化で学習手順を後押しし、データの不均衡に対処する条件付き表形式GAN（CTGAN）などを提案しました。研究者が表形式データを重視する中、エンドユーザー部門は、データプライバシー保護のために人工データに頼ることになりそうです。
画像・映像データ分野は、データベースを増強する需要の高まりから、合成データ生成市場のシェアに大きく貢献すると予想されます。さらに、オリジナルデータの代替としての合成メディアの利用が、発展途上国や先進国において顕著になってきています。特に、合成画像＆動画は、自動車分野で大きな人気を集めています。
例えば、2019年7月、Waymoはシミュレーションで100億マイル以上走行したと主張しています。業界プレーヤーは、消防車、パトカー、救急車、その他の緊急車両を発見するシステムを訓練するために合成画像＆ビデオデータを使用すると予想され、業界の成長に良い兆しを見せています。
収益面では、エージェントベースモデリングセグメントが2021年に61%の最高シェアを占めました。エージェントベースモデリング（ABM）は、実世界のデータの物理モデルを作成し、同じモデルを使用してデータを再現することで人気を集めています。最近、金融分野ではエージェントベースモデリングが従来のモデルを凌駕する勢いです。
不正検知システムのテストや開発のための商取引生成に、エージェントベースモデリングが強く求められるようになったのです。業界関係者は、様々な種類のネットワークのモデリングにABMを活用することが期待されています。ABMは、消費者間の相互作用、イノベーション、自動車や道路のシミュレーションでも脚光を浴びています。
市場関係者は、その強固な交通制御・管理の浸透により、ABMを優先的に採用しています。例えば、エージェントベースモデリングは、カーシェアリングやルート選択を強調し、斬新なシステムや戦略を生み出すためのトレンドになっています。さらに、心理的な特性もエージェントモデルを促進させる根拠となっています。また、エージェントベースシミュレーションは、情報の伝達過程や効果的なフィードバックのために、シェアリングモビリティの研究にも弾みをつけています。
2021年の合成データ生成市場は、完全合成データセグメントが39％の最大収益シェアでリードしています。ハイブリッド合成データセグメントは、予測期間中に顕著なCAGRを目撃することになります。成長軌道の上昇は主に、完全合成データと部分合成データの長所を提供するため、実用性が向上したプライバシー保護に起因しています。ハイブリッド合成データのトレンドは、最終用途セクターで顕著になる一方で、より長い処理時間を必要とする可能性があるため、市場成長に影響を与える可能性があります。
関係者は、完全合成データセグメントが世界市場規模に大きく貢献すると予想しています。新興国および先進国において、プライバシー保護の必要性が高まっていることも、成長軌道の上昇の一因であります。特に、大手企業は自動車産業への浸透を高めるために、完全合成への投資を増強しています。
例えば、2022年5月、Waymoは「World’s Most Experienced Driver」を構築すると発表したと報じられた。同社は、実世界規模で完全合成データを生成し、データ生成速度を高め、反復速度を強化することができるとしています。
自然言語処理分野は、2021年に27％超の主要な収益シェアを占めました。合成データは、新しい言語のリリースをブートストラップするのに役立つため、自然言語処理で飛躍的な利用が見られる。2019年10月、アマゾンは米国スペイン語、ヒンディー語、ブラジルポルトガル語のAlexaのバージョンを発表しました。
同社は、自然言語理解（NLU）システムのトレーニングデータを効率化し、完成させるために、合成データへの注力を強めています。近年の自然言語処理技術の進歩により、合成データの必要性はさらに高まり、企業はより迅速に行動することができるようになるでしょう。
予測分析もまた、BFSIセクターからの堅調な需要に後押しされ、有望なアプリケーション・セグメントとして浮上しています。銀行や金融セクターは、不正検出のための予測分析で合成データを利用する可能性が高いです。例えば、2020年9月、アメリカン・エキスプレスは、金融詐欺に対抗するために偽の動画を作成するための技術をテストしていると報告しました。
同社は、生成的敵対ネットワークを用いてクレジットカード詐欺を特定し、クレジットカード取引に見せかけた架空の金融データを生成します。さらに、保険業界では、売上を増大させ、引受費用を最小限に抑えるための予測分析が人気を博しています。エンドユーザーは、顧客のニーズや要求を見つけ出し、その満足度を高めるために、人工データを予測分析に利用すると思われます。
収益面では、2021年にヘルスケア＆ライフサイエンス分野が23％の高シェアを占めました。ヘルスケア＆ライフサイエンス分野では、プライバシーを保護する人工データに対する需要が強気を見せる構えです。データ漏洩リスク、患者のプライバシー、規制の枠組み、個別のデータソース、人工データ生成ツールなどの課題がある中、大きな勢いを見せています。
例えば、2022年5月、アンセム社は、アルファベット社のグーグル・クラウドに参加し、より良い不正検出とパーソナライズされたサービスのために1.5～2ペタバイトの合成データを作成すると発表しました。俊敏性の向上とプライバシー規制のために、ヘルスケアにおける合成データの強い可能性は、世界市場におけるリーディング企業の地位を今後も育んでいくでしょう。
人工データは、AIモデルを訓練し、組織内および企業外とのデータ共有を促進するために、小売業やeコマース部門に活力を与えています。ブランドや小売業者は、ベンダーとのデータ交換を効率化し、広告やプロモーションを推進するために合成データを利用しています。
さらに、小売業者は、分析およびトレーニングのために合成ビジネスデータを使用するテック企業も現金化しています。最近では、在庫や倉庫の管理を効率化するためにも、人工データの利用が定着してきました。オンライン購入の急増に伴い、Eコマース事業者は合成データ生成ソフトウェアへの投資をさらに促進させる可能性があります。
収益面では、2021年に北米が36％のトップシェアを占めました。エンドユーズセクターが不正検知、NLP、画像データへの傾斜を強めていることから、米国とカナダが有利な地域として浮上しています。J.P. Morgan、American Express、Amazon、GoogleのWaymoなど、複数の企業が合成データへの投資を増やしています。
例えば、アマゾンは2022年6月、ラベル付き合成画像データを生成する「Amazon SageMaker Ground Truth」を発表しています。これらの業界プレーヤーは、機械学習の学習用合成データ、不正検知のための決済データ、マネーロンダリング対策の行動などに傾倒していくことがわかります。
さらに、拡大するコンピュータビジョンの足跡も、北米の合成データ生成市場予測において良い結果をもたらすだろう。製造業、地理空間画像、物理セキュリティは、顕著な牽引力を獲得しています。例えば、2022年3月、ニューヨークとテルアビブにオフィスを持つDatagenは、コンピュータビジョンチームの合成データソリューション成長を促進するために、シリーズBで5000万米ドルを調達しました。
さらに、自律走行車の台頭は、この地域全体のシミュレーションデータにも刺激を与えています。自律走行車は、シミュレーションデータによって、企業がエッジケースをテストできるようになり、事故のリスクを抑えることができるようになりました。米国などの先進国は、厳しい訓練要求と自動運転車の開発のために、自律シミュレーションプラットフォームを強化しています。
主要企業および市場シェアの洞察
競争シナリオは、有機的および無機的な成長戦略を重視する発展途上国および先進国を指します。大手企業は、セキュリティ上の懸念、ガバナンスプロセス、レガシーインフラの問題を克服するために、合成データ製品やサービスを提供すると思われます。さらに、データ共有、コンピュータビジョンアルゴリズム、NLP、予測分析の重要性が高まることで、グローバルな展望が再定義されるでしょう。
新興の合成データ分野では、今後、成長機会が豊富になる可能性があります。M&A、製品発表、イノベーション、R&D活動への資金投入が顕著になる可能性があります。例えば、2022年4月、Synthesis AIは、コンピュータビジョンAI用の合成データを生成するためにシリーズAで1700万米ドルを調達し、総資金調達額は2400万米ドル以上になりました。
同社は、混合訓練（合成と実物）、ニューラルレンダリング、複雑な人間行動モデリングに重点を置いて研究を強化することを企図しています。そのほか、2021年10月にフェイスブックがAIを買収。Reverieは、大企業と中小企業がAI戦略を推進するために合成データの採用を増やしていることを示唆しています。世界の合成データ生成市場の著名なプレーヤーは以下の通りです。
モーストリーAI
シンセシスAI
スタティス
YData
エコビットd.o.o.
Hazy
キネティック・ビジョン社
カイメララボ
MDClone
ニューロメーション
TwentyBN
データジェン・テクノロジーズ
インフォマティカ テストデータ管理
…
…
【目次】
第1章 調査方法と調査範囲
1.1 情報の入手と調査範囲
1.2 情報分析
1.3 市場形成とデータの可視化
1.4 市場範囲と前提条件
1.4.1 セカンダリーソース
1.4.2 一次情報源
第2章 エグゼクティブサマリー
2.1 市場の展望
2.2 合成データ生成の世界市場
2.2.1 合成データ生成の世界市場（2017年～2030年）
2.2.2 合成データ生成の世界市場（地域別、2017年～2030年
2.2.3 合成データ生成の世界市場（データ種類別）、2017年～2030年
2.2.4 合成データ生成の世界市場：モデリングタイプ別、2017年～2030年
2.2.5 合成データ生成の世界市場（オファリング別）：2017年～2030年
2.2.6 合成データ生成の世界市場：アプリケーション別、2017年～2030年
2.2.7 合成データ生成の世界市場：エンドユース別、2017年～2030年
2.3 セグメント別動向
第3章 合成データ生成の市場変数・トレンド・スコープ
3.1 市場セグメントとスコープ
3.2 合成データ生成市場 – バリューチェーン分析
3.3 市場ダイナミクス
3.3.1 市場の原動力
3.3.1.1 データセキュリティとプライバシーに対する要求の高まり
3.3.1.2 先端技術への投資の増加
3.3.2 市場の抑制要因
3.3.2.1 データ精度の受け入れが市場の懸念材料に
3.4 産業分析 – ポーターの分析
3.4.1 サプライヤーパワー
3.4.2 バイヤーパワー
3.4.3 代替品の脅威
3.4.4 新規参入の脅威
3.4.5 競合他社との競争
3.5 主要な機会 – 優先順位付け
3.6 合成データ生成市場 – PEST分析
3.6.1 政治的要因
3.6.2 経済
3.6.3 社会的
3.6.4 技術的
第4章 合成データ生成市場 データタイプの展望
4.1 合成データ生成市場のデータ種類別シェア（2021年・2030年）
4.2 タブラーデータ
4.2.1 タブラーデータ合成データ生成市場、地域別、2017年～2030年
4.3 テキストデータ
4.3.1 テキストデータ合成データ生成市場、地域別、2017年〜2030年
4.4 画像・映像データ
4.4.1 画像・映像データ合成データ生成市場（地域別）、2017年～2030年
4.5 その他
4.5.1 その他の合成データ生成市場（地域別、2017年～2030年
第5章 合成データ生成市場 モデリングタイプの展望
5.1 合成データ生成市場のモデリングタイプ別シェア（2021年・2030年）
5.2 ダイレクトモデリング
5.2.1 ダイレクトモデリング市場、地域別、2017年～2030年
5.3 エージェントベースモデリング
5.3.1 エージェントベースモデリング市場、地域別、2017年～2030年
第6章 合成データ生成市場 提供展望
6.1 合成データ生成市場 オファリング別シェア（2021年・2030年）
6.1.1 完全合成データ
6.1.1.1 完全合成データ市場（地域別）、2017年～2030年
6.1.2 部分合成データ
6.1.2.1 部分合成データ市場、地域別、2017年～2030年
6.1.3 ハイブリッド合成データ
6.1.3.1 ハイブリッド合成データ市場（地域別）、2017年～2030年
第7章 合成データ生成市場 アプリケーションの展望
7.1 合成データ生成のアプリケーション別市場シェア（2021年・2030年）
7.2 データ保護
7.2.1 データ保護市場、地域別、2017年～2030年
7.3 データ共有
7.3.1 データ共有市場、地域別、2017年～2030年
7.4 プレディクティブ・アナリティクス
7.4.1 予測分析市場、地域別、2017年～2030年
7.5 自然言語処理
7.5.1 自然言語処理市場（地域別）、2017年～2030年
7.6 コンピュータビジョンアルゴリズム
7.6.1 コンピュータビジョンアルゴリズム市場（地域別、2017年～2030年）
7.7 その他
7.7.1 その他市場（地域別）、2017年～2030年
第8章 合成データ生成市場 エンドユーズ展望
8.1 合成データ生成市場 エンドユース別シェア（2021年・2030年）
8.2 BFSI
8.2.1 BFSI市場、地域別、2017年〜2030年
8.3 ヘルスケア＆ライフサイエンス
8.3.1 ヘルスケア＆ライフサイエンス市場、地域別、2017年〜2030年
8.4 運輸・ロジスティクス
8.4.1 運輸・ロジスティクス市場（地域別）：2017年〜2030年
8.5 IT・通信
8.5.1 IT・通信市場（地域別）、2017年〜2030年
8.6 小売・Eコマース
8.6.1 小売・Eコマース市場（地域別、2017年〜2030年
8.7 製造業
8.7.1 製造業市場（地域別、2017年〜2030年
8.8 民生用電子機器
8.8.1 コンシューマーエレクトロニクス、地域別、2017年〜2030年
8.9 その他
8.9.1 その他市場、地域別、2017年～2030年
第9章 合成データ生成市場 地域別展望
9.1 北米
9.1.1 北米の合成データ生成市場（データ種類別）：2017年～2030年
9.1.2 北米の合成データ生成市場：モデリングタイプ別（2017年〜2030年
9.1.3 北米の合成データ生成市場：オファリング別、2017年〜2030年
9.1.4 北米の合成データ生成市場：用途別（2017年〜2030年
9.1.5 北米の合成データ生成市場：エンドユーザー別、2017年～2030年
9.1.6 米国
9.1.6.1 米国の合成データ生成市場（データ種類別）、2017年 – 2030年
9.1.6.2 米国の合成データ生成市場（モデリングタイプ別）（2017年〜2030年
9.1.6.3 米国の合成データ生成市場（オファリング別）、2017年～2030年
9.1.6.4 米国の合成データ生成市場、アプリケーション別、2017年～2030年
9.1.6.5 米国の合成データ生成市場：エンドユーザー別（2017年～2030年
9.1.7 カナダ
9.1.7.1 カナダの合成データ生成市場（データ種類別）：2017年-2030年
9.1.7.2 カナダの合成データ生成市場：モデリングタイプ別（2017年〜2030年
9.1.7.3 カナダの合成データ生成市場、オファリング別、2017年～2030年
9.1.7.4 カナダの合成データ生成市場：アプリケーション別（2017年～2030年
9.1.7.5 カナダの合成データ生成市場：エンドユース別、2017年～2030年
9.1.8 メキシコ
9.1.8.1 メキシコの合成データ生成市場（データ種類別）：2017年 – 2030年
9.1.8.2 メキシコの合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.1.8.3 メキシコの合成データ生成市場、オファリング別、2017年 – 2030年
9.1.8.4 メキシコの合成データ生成市場：用途別（2017年～2030年
9.1.8.5 メキシコの合成データ生成市場：エンドユーザー別、2017年～2030年
9.2 欧州
9.2.1 欧州の合成データ生成市場（データ種類別）：2017年 – 2030年
9.2.2 欧州の合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.2.3 欧州の合成データ生成市場、オファリング別、2017年〜2030年
9.2.4 欧州の合成データ生成市場：アプリケーション別、2017年～2030年
9.2.5 欧州の合成データ生成市場、エンドユーザー別、2017年〜2030年
9.2.6 英国（U.K.
9.2.6.1 イギリスの合成データ生成市場（データ種類別）：2017年 – 2030年
9.2.6.2 イギリスの合成データ生成市場：モデリングタイプ別（2017年〜2030年
9.2.6.3 イギリスの合成データ生成市場：オファリング別、2017年～2030年
9.2.6.4 イギリスの合成データ生成市場：用途別（2017年～2030年
9.2.6.5 イギリスの合成データ生成市場、エンドユーザー別、2017年 – 2030年
9.2.7 ドイツ
9.2.7.1 ドイツの合成データ生成市場、データタイプ別、2017年 – 2030年
9.2.7.2 ドイツの合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.2.7.3 ドイツの合成データ生成市場、提供物別、2017年～2030年
9.2.7.4 ドイツの合成データ生成市場、用途別、2017年 – 2030年
9.2.7.5 ドイツの合成データ生成市場、エンドユーザー別、2017年 – 2030年
9.2.8 フランス
9.2.8.1 フランスの合成データ生成市場：データタイプ別、2017年 – 2030年
9.2.8.2 フランスの合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.2.8.3 フランスの合成データ生成市場：オファリング別、2017年〜2030年
9.2.8.4 フランスの合成データ生成市場：用途別（2017年〜2030年
9.2.8.5 フランスの合成データ生成市場：エンドユーザー別、2017年 – 2030年
9.3 アジア太平洋地域
9.3.1 アジア太平洋地域の合成データ生成市場（データ種類別）、2017年 – 2030年
9.3.2 アジア太平洋地域の合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.3.3 アジア太平洋地域の合成データ生成市場：オファリング別、2017年-2030年
9.3.4 アジア太平洋地域の合成データ生成市場：アプリケーション別、2017年-2030年
9.3.5 アジア太平洋地域の合成データ生成市場：エンドユース別、2017年〜2030年
9.3.6 中国
9.3.6.1 中国合成データ生成市場、データタイプ別、2017年 – 2030年
9.3.6.2 中国合成データ生成市場、モデリングタイプ別、2017年〜2030年
9.3.6.3 中国合成データ生成市場、オファリング別、2017年〜2030年
9.3.6.4 中国合成データ生成市場：アプリケーション別、2017年〜2030年
9.3.6.5 中国合成データ生成市場、エンドユーザー別、2017年〜2030年
9.3.7 日本
9.3.7.1 日本 合成データ生成市場、データタイプ別、2017年 – 2030年
9.3.7.2 日本 合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.3.7.3 日本 合成データ生成市場、オファリング別、2017年～2030年
9.3.7.4 日本合成データ生成市場：アプリケーション別、2017年～2030年
9.3.7.5 日本合成データ生成市場：エンドユーザー別、2017年～2030年
9.3.8 インド
9.3.8.1 インドの合成データ生成市場（データ種類別）：2017年 – 2030年
9.3.8.2 インドの合成データ生成市場（モデリングタイプ別）：2017年 – 2030年
9.3.8.3 インドの合成データ生成市場、オファリング別、2017年 – 2030年
9.3.8.4 インドの合成データ生成市場：用途別（2017年～2030年
9.3.8.5 インドの合成データ生成市場：エンドユーザー別、2017年～2030年
9.4 南米
9.4.1 南米の合成データ生成市場：データタイプ別、2017年〜2030年
9.4.2 南米の合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.4.3 南米の合成データ生成市場：オファリング別、2017年〜2030年
9.4.4 南米の合成データ生成市場：用途別（2017年〜2030年
9.4.5 南米の合成データ生成市場：エンドユーザー別、2017年〜2030年
9.4.6 ブラジル
9.4.6.1 ブラジル合成データ生成市場：データタイプ別、2017年 – 2030年
9.4.6.2 ブラジル合成データ生成市場：モデリングタイプ別、2017年〜2030年
9.4.6.3 ブラジル合成データ生成市場：オファリング別、2017年-2030年
9.4.6.4 ブラジル合成データ生成市場：用途別（2017年～2030年
9.4.6.5 ブラジル合成データ生成市場：エンドユース別、2017年-2030年
9.5 MEA
9.5.1 MEAの合成データ生成市場（データ種類別）：2017年-2030年
9.5.2 MEAの合成データ生成市場（モデリングタイプ別）：2017年〜2030年
9.5.3 MEAの合成データ生成市場、オファリング別、2017年～2030年
9.5.4 MEA合成データ生成市場：アプリケーション別、2017年〜2030年
9.5.5 MEA合成データ生成市場：エンドユース別、2017年～2030年
第10章 競合他社の状況
10.1 Mostly AI（モストリーAI
10.1.1 会社概要
10.1.2 財務パフォーマンス
10.1.3 製品ベンチマーク
10.1.4 最近の開発状況
10.2 シンセシスAI
10.2.1 会社概要
10.2.2 財務パフォーマンス
10.2.3 製品ベンチマーク
10.2.4 最新の開発状況
10.3 スタティス
10.3.1 会社概要
10.3.2 財務パフォーマンス
10.3.3 製品ベンチマーク
10.3.4 最新の開発状況
10.4 ワイデータ
10.4.1 会社概要
10.4.2 財務パフォーマンス
10.4.3 ベンチマーキング製品
10.4.4 最新の開発状況
10.5 エコビットディーオーオー
10.5.1 会社概要
10.5.2 財務パフォーマンス
10.5.3 ベンチマーキング製品
10.5.4 最新の開発状況
10.6 ヘイズィー
10.6.1 会社概要
10.6.2 財務パフォーマンス
10.6.3 ベンチマーキング製品
10.6.4 最新の開発状況
10.7 キネティック・ビジョン社
10.7.1 会社概要
10.7.2 財務パフォーマンス
10.7.3 ベンチマーキング製品
10.7.4 最新の開発状況
10.8 カイメラ・ラボ
10.8.1 会社概要
10.8.2 財務パフォーマンス
10.8.3 ベンチマーキング製品
10.8.4 最新の開発状況
10.9 エムディクローン
10.9.1 会社概要
10.9.2 財務パフォーマンス
10.9.3 製品ベンチマーク
10.9.4 最新の開発状況
10.10 ニューロメーション
10.10.1 会社概要
10.10.2 財務パフォーマンス
10.10.3 ベンチマーキング製品
10.10.4 最新の開発状況
10.11 TwentyBN
10.11.1 会社概要
10.11.2 ベンチマーキング製品
10.11.3 最近の開発状況
10.12 データジェン・テクノロジーズ
10.12.1 会社概要
10.12.2 ベンチマーキング製品
10.12.3 最新の開発状況
10.13 インフォマティカ テストデータ管理
10.13.1 会社概要
10.13.2 製品ベンチマーク
10.13.3 最新の開発状況
【お問い合わせ・販売サイト】
www.globalresearch.co.jp/contact
商品コード：GVR-4-68039-982-5
