AI Center
最新
False
- 发行说明
- 入门指南
- 通知
- 项目
- 数据集
- 数据标签
- ML 包
- 开箱即用包
- 管道
- ML 技能
- ML 日志
- AI Center™ 中的 Document Understanding
- AI Center API
- 许可
- AI 解决方案模板
- 如何
- 基本故障排除指南
AI Center
上次更新日期 2024年4月18日
AI Unit
AI Unit 是用于向 AI 产品颁发许可的度量单位。当模型为您带来价值时,我们会根据消耗量对 AI Unit 收费。
有关更多信息,请查看下面的“计量和计费逻辑”和“许可证跟踪”部分。
您还可以在租户级别分配和跟踪 AI Unit 消耗量。 有关更多详细信息,请参阅租户级别分配页面:
- Automation Cloud™ - Automation Cloud - 向租户分配许可证
- Automation Suite - Automation Suite - 向租户分配机器人和服务许可证
注意: 默认情况下,为每个租户分配 0 个 AI Unit,并且所有 AI Unit 都从帐户池中使用。如果没有为租户分配的 AI Unit,则从组织帐户池中使用 AI Unit。如果使用了租户池中的所有 AI Unit,则管理员需要在该特定租户上分配更多 AI Unit。
此页面包含有关 AI 单元的特定信息,具体取决于所使用的活动,涵盖每个 AI 产品的成本。
要计算总消耗成本,请使用以下公式:
prediction cost
+ hardware cost
= consumption cost
有关更多信息,请查看以下部分:
- 预测成本
- 硬件成本
要计算预测成本,请使用以下公式:
input size
x unit cost of the model
= prediction cost
例如,对于输入大小为
5000 characters
的 UiPath 自定义命名实体识别模型,消耗情况如下:
5000 个字符 = 3 个单位消耗:
3 units
x 0.5
(单位成本)= 1.5 AI Units
输入大小
模型 | 输入类型 | 输入大小 | 计算的输入大小 |
---|---|---|---|
Document Understanding(UiPath 和客户管理的第三方) | 文档 | 1 页 | 输入文档中的页数 |
Communications Mining | JSON | 1 条消息 | 每个邮箱或工单系统的消息数 |
Computer Vision | 图像 | 1 张图片 | 始终为 1 |
Task Mining | 数据集 | 1 个数据集 | 始终为 1 |
其他型号 | JSON | 2000 个字符 = 1 个单位 | Ceil(长度(输入)/2000) |
文件 | 5 MB = 1 个单位 | 上限(大小/5MB) | |
文件 | 5 MB = 1 个单位 | 上限 (sum(size(input))/5MB) |
使用的型号
模型 | 当我们充电时 | 单位成本 |
---|---|---|
Document Understanding(UiPath 和客户管理的第三方) | 每个预测 | 有关所有 Document Understanding 模型的列表,请查看 Document Understanding 指南中的“计量与计费逻辑”页面。 |
Computer Vision | 每个预测 | 0 |
预览模型(如 UiPath 图像分类) | 每个预测 | 0 |
Task Mining | 每个成功的管道 | 5000 |
Communications Mining | 上传、修改或预测的每条消息 | 1 - 有关 Communications Mining 的更多信息,请查看官方文档。 |
UiPath 浅色文本分类器 | 每个预测 | 0.2 |
UiPath 多语言分类器 | 每个预测 | 0.5 |
UiPath 自定义命名实体识别 | 每个预测 | 0.5 |
开源包 |
每个预测 | 0.1 |
注意:除 Task Mining 外,运行管道或部署 ML 技能仅会消耗与硬件消耗相关的 AI Unit。
部署 ML 技能时的硬件成本计算如下:
replicas
X resource cost
默认副本计数取决于帐户类型:
- 企业帐户: 2
- 其他帐户类型: 1
注意:增加副本数量可提高可用性。如果用户将副本数量减少到 1,高可用性 (HA) 则无法得到保证。
使用下表检查 ML 技能的资源成本。
硬件 | 单位成本 |
---|---|
0.5 CPU 2 GB RAM(默认) | 1 个 AI 单元/副本/小时 |
1 个 CPU 4 GB RAM | 2 个 AI 单元/副本/小时 |
2 个 CPU 8 GB RAM | 4 个 AI 单元/副本/小时 |
4 个 CPU 16 GB RAM | 8 个 AI 单元/副本/小时 |
6 个 CPU 24 GB RAM | 12 个 AI 单元/副本/小时 |
GPU | 20 个 AI 单元/副本/小时 |
有关与管道相关的硬件成本,请查看下表。
硬件 | 单位成本 |
---|---|
CPU | 6 个 AI 单位/小时 |
GPU | 20 个 AI 单元/小时 |
注意:系统按小时收费。
- 训练多语言文本分类模型所消耗的 AI Unit:
7
(小时)x20
(GPU 每小时的 AI 单位)=140 AI Units
- 托管多语言文本分类模型三个月所消耗的 AI Unit:
24
(一天中的小时数)x90
(天数)x2
(每小时 AI 单位)=4320 AI Units
- 托管发票模型三个月所消耗的 AI Unit:
24
(一天中的小时数)x90
(天数)x2
(每小时 AI 单位)=4320 AI Units
- 使用多语言文本分类模型进行预测所消耗的 AI Unit:
20000
(预测数量)x2
(输入大小)x0.5
(单位成本)=20000 AI Units
- 使用发票做出预测所消耗的 AI Unit:
10000
(预测数量)x2
(输入大小)x1
(单位成本)=20000 AI Units
- 消耗的 AI Unit 总数:
hardware cost
+predictions cost
= (140
+4320
+4320
) + (20000
+20000
) =48780 AI Units