AI Center

AI Unit

概述

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：

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：

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

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)

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：

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。

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。

要自动化给定流程，您需要使用以下两个 UiPath 模型：

第一步是在数据集上训练多语言文本分类模型。使用 GPU 进行训练需要 6 小时 30 分钟。

在将两个模式部署为 HA 技能后，它们会在 CPU 上运行三个月时间。在此期间，多语言文本分类模型处理了 20,000 个文本，每个文本大约 3,000 个字符；而发票模型处理了 10,000 张发票，每张发票为 2 页。

训练多语言文本分类模型所消耗的 AI Unit：
7 （小时）x 20 （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）x 90 （天数）x 2 （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）x 90 （天数）x 2 （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）x 2 （输入大小）x 0.5 （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）x 2 （输入大小）x 1 （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