- Notas relacionadas
- Primeros pasos
- Notificaciones
- Proyectos
- Conjuntos de datos
- Etiquetado de datos
- Paquetes ML
- Paquetes listos para usar
- Procesos
- Habilidades ML
- Logs de ML
- Document UnderstandingTM en AI Center
- API de AI Center
- Licencia
- Plantillas de soluciones de AI
- Tutorial
- Guía básica de resolución de problemas
AI Center
Unidades de IA
- Supervisar la página de asignación de licencias de la Guía de administración de Automation CloudTM para el consumo a nivel de organización.
- Página de información general sobre el consumo a nivel de tenant de unidades de IA de la Guía de Insights para el consumo a nivel de tenant.
Las unidades de IA son la medida utilizada para conceder licencias de productos de IA. Las unidades de IA se facturan en función del consumo cuando los modelos le aportan valor.
Para obtener más información general sobre el consumo de unidades de IA para nuestros productos de IA, consulta las secciones Lógica de medición y carga y Seguimiento de licencias a continuación.
Para obtener detalles específicos sobre el consumo de unidades de IA para Process Mining, consulta la página Licencia en la guía de Process Mining.
También puedes asignar y realizar un seguimiento del consumo de unidades de IA a nivel de tenant. Consulta las páginas de asignación a nivel de tenant para obtener más detalles:
- Automation CloudTM - Automation Cloud - Asignación de licencias a tenants
- Automation Suite - Automation Suite: asignación de licencias de robot y servicio a tenants
Esta página contiene información específica sobre las unidades de IA en función de la actividad utilizada, y cubre el coste de cada producto de IA.
Para calcular el coste global de consumo, se utiliza la siguiente fórmula:
prediction cost
+ hardware cost
= consumption cost
Para obtener más información, consulta las secciones siguientes:
- Coste de la predicción
- Coste del hardware
Para calcular el coste de predicción, se utiliza la siguiente fórmula:
input size
x unit cost of the model
= prediction cost
5000 characters
es el siguiente:
3 units
Consumo: x 0.5
(coste unitario) = 1.5 AI Units
Tamaño de entrada
Modelo | Tipo de entrada | Tamaño de entrada | Tamaño de entrada calculado |
---|---|---|---|
Document UnderstandingTM (UiPath y terceros gestionados por el cliente) | Documento | 1 página | Número de páginas en el documento de entrada |
Communications Mining | JSON | 1 mensaje | Número de mensajes por buzón o sistema de tickets |
AI Computer Vision | Imagen | 1 imagen | Siempre 1 |
Task Mining | ConjuntoDeDatos | 1 conjunto de datos | Siempre 1 |
Actividades de GenAI | Cadena | El límite de tamaño de la cadena es diferente para cada modelo | |
Otros modelos | JSON | 2000 caracteres = 1 unidad | Ceil(length(input)/2000) |
Archivo | 5 MB = 1 unidad | Ceil(size/5MB) | |
Archivos | 5 MB = 1 unidad | Ceil(sum(size(input))/5MB) |
Modelo utilizado
Modelo | Cuando cobramos | Coste unitario |
---|---|---|
Document UnderstandingTM (UiPath y terceros gestionados por el cliente) | Por predicción | Para obtener una lista de todos los modelos de Document Understanding, consulta la página Lógica de medición y cobro de la guía de Document Understanding. |
AI Computer Vision | Por predicción | 0 |
Modelos en vista previa (como Clasificación de imágenes de UiPath) | Por predicción | 0 |
Task Mining | Por proceso correcto | 5000 |
Communications Mining | Por mensaje cargado, modificado o previsto | 1: para obtener más información sobre la lógica de cobro de Communications Mining , consulta la documentación oficial. |
Clasificador de texto sencillo UiPath | Por predicción | 0.2 |
Clasificador multilingüe UiPath | Por predicción | 0.5 |
Reconocimiento personalizado de entidades con nombre de UiPath | Por predicción | 0.5 |
Paquetes de código abierto |
Por predicción | 0.1 |
Actividades de GenAI | Por ejecución | 1: sin conexión a tierra de contexto
2: con puesta a tierra de contexto |
El coste de hardware en el momento de la implementación de Habilidades ML se calcula de la siguiente manera:
replicas
x resource cost
El número de réplicas predeterminado depende del tipo de cuenta:
- Cuenta de empresa: 2
- Otros tipos de cuenta: 1
Utiliza la siguiente tabla para comprobar el coste de recursos para Habilidades ML.
Hardware | Coste unitario |
---|---|
0.5 CPU 2 GB de RAM (predeterminado) | 1 Unidad de IA/réplica/hora |
1 CPU 4 GB de RAM | 2 unidades de IA / réplica / hora |
2 CPU 8 GB RAM | 4 unidades de IA / réplica / hora |
4 CPU 16 GB RAM | 8 unidades de IA / réplica / hora |
6 CPU 24 GB RAM | 12 unidades de IA / réplica / hora |
GPU | 20 unidades de IA / réplica / hora |
Para conocer el coste del hardware relacionado con los procesos, consulta la siguiente tabla.
Hardware | Coste unitario |
---|---|
CPU | 6 unidades IA / hora |
GPU | 20 unidades de IA / hora |
Para automatizar un proceso determinado, es necesario utilizar los dos modelos siguientes de UiPath:
El primer paso es entrenar el modelo Clasificación de texto multilingüe en tu conjunto de datos. El entrenamiento dura 6 horas y 30 minutos utilizando la GPU.
Tras implementar ambos modelos como capacidades de alta disponibilidad, se ejecutan en la CPU durante tres meses. Durante este tiempo, el modelo Clasificación de texto multilingüe procesó 20 000 textos, todos ellos de unos 3000 caracteres, mientras que el modelo Facturas procesó 10 000 facturas de 2 páginas cada una.
- Unidades de IA consumidas para el entrenamiento Clasificación de texto multilingüe:
7
(horas) x20
(unidades de IA por hora para GPU) =140 AI Units
- Unidades de IA consumidas para alojar la Clasificación de texto multilingüe durante tres meses:
24
(horas al día) x90
(número de días) x2
(unidades de IA por hora) =4320 AI Units
- Unidades de IA consumidas para alojar Facturas durante tres meses:
24
(horas al día) x90
(número de días) x2
(unidades de IA por hora) =4320 AI Units
- Unidades de IA consumidas para las predicciones realizadas con Clasificación de texto multilingüe:
20000
(número de predicciones) x2
(tamaño de entrada) x0.5
(coste unitario) =20000 AI Units
- Unidades de IA consumidas para predicciones realizadas con Facturas:
10000
(número de predicciones) x2
(tamaño de entrada) x1
(coste unitario) =20000 AI Units
- Unidades de IA consumidas en total:
hardware cost
+predictions cost
= (140
+4320
+4320
) + (20000
+20000
) =48780 AI Units