- Notas de Versão
- Introdução
- Notificações
- Projetos
- Conjuntos de dados
- Rotulagem de Dados
- Pacotes de ML
- Pacotes para uso imediato
- Pipelines
- Habilidades de ML
- Logs de ML
- Document UnderstandingTM no AI Center
- API do AI Center
- Licenciamento
- Modelos de soluções de IA
- Como fazer
- Guia básico de solução de problemas

AI Center
- Monitoramento da página de alocação de licenças do Guia do Administrador do Automation CloudTM para o consumo no nível da organização.
- Página de visão geral do consumo no nível do tenant das unidades de IA do Guia do Insights para o consumo no nível do tenant.
AI Units é a medida usada para licenciar produtos de IA. As unidades de IA são carregadas de acordo com o consumo quando os modelos estão agregando valor para você.
Para obter mais informações gerais sobre o consumo de AI Units para nossos produtos de IA, consulte as seções Lógica de medição e carregamento e Rastreamento de licença .
Para obter detalhes específicos sobre o consumo de AI Units para Process Mining, consulte a página Licença no guia do Process Mining.
Você também pode alocar e rastrear o consumo de AI Units no nível de tenant. Verifique as páginas de alocação no nível do tenant para obter mais detalhes:
- Automation CloudTM - Automation Cloud - Alocação de licenças para tenants
- Automation Suite - Automation Suite - Alocando licenças de serviço e robô a tenants
General logic
Esta página contém informações específicas sobre AI Units dependendo da atividade usada, abordando o custo de cada produto de IA.
Para calcular o custo de consumo geral, a fórmula a seguir é usada:
prediction cost + hardware cost = consumption costPara obter mais informações, consulte as seguintes seções:
- Custo de previsão
- Custo de hardware
Custo de previsão
Para calcular o custo de previsão, a seguinte fórmula é usada:
input size x unit cost of the model = prediction cost5000 characters é o seguinte:
3 units x 0.5 (custo unitário) = 1.5 AI UnitsTamanho de entrada
| Modelo | Tipo de Entrada | Tamanho de entrada | Tamanho da entrada computada |
|---|---|---|---|
| Document UnderstandingTM (UiPath e terceiros gerenciados pelo cliente) | Documento | 1 página | Número de páginas no documento de entrada |
| Communications Mining | JSON | 1 mensagem | Número de mensagens por sistema de caixa de mensagens ou emissão de tíquetes |
| AI Computer Vision | Imagem | 1 imagem | Sempre 1 |
| Task Mining | Conjunto de dados | 1 conjunto de dados | Sempre 1 |
| Atividades da GenAI | String | O limite de tamanho da string é diferente para cada modelo | |
| Outros modelos | JSON | 2000 caracteres = 1 unidade | Ceil(tamanho da entrada/2000) |
| de transações | 5 MB = 1 unidade | Ceil(tamanho/5 MB) | |
| Arquivos | 5 MB = 1 unidade | Ceil(soma(tamanho da entrada)/5 MB) | |
Modelo usado
| Modelo | Quando cobramos | Custo unitário |
|---|---|---|
| Document UnderstandingTM (UiPath e terceiros gerenciados pelo cliente) | Por previsão | Para obter uma lista de todos os modelos de Document Understanding, consulte a página Lógica de medição e carregamento do guia do Document Understanding. |
| AI Computer Vision | Por previsão | 0 |
| Modelos em visualização (como a Classificação de imagens da UiPath) | Por previsão | 0 |
| Task Mining | Por pipeline bem-sucedido | 5000 |
| Communications Mining | Por mensagem carregada, modificada ou prevista | 1 - Para obter mais informações sobre a lógica de cobrança do Communications Mining , consulte a documentação oficial. |
| Classificador de texto leve da UiPath | Por previsão | 0.2 |
| Classificador multilíngue da UiPath | Por previsão | 0.5 |
| Reconhecimento de entidade nomeada personalizada UiPath | Por previsão | 0.5 |
| Pacotes do Open Source |
Por previsão | 0,1 |
| Atividades da GenAI | Por execução | 1 - sem embasamento de contexto
2 - com embasamento de contexto |
Custo de hardware
O custo de hardware no momento da implantação de Habilidades de ML é calculado da seguinte forma:
replicas x resource costA contagem de réplicas padrão depende do tipo de conta:
- Conta Enterprise: 2
- Outros tipos de conta: 1
Use a tabela a seguir para verificar o custo do recurso para Habilidades de ML.
| Hardware | Custo unitário |
|---|---|
| 0,5 CPU com 2 GB de RAM (padrão) | 1 AI Unit / réplica / hora |
| 1 CPU com 4 GB de RAM | 2 AI Units/réplica/hora |
| 2 CPU 8 GB de RAM | 4 AI Units/réplica/hora |
| 4 CPU 16 GB de RAM | 8 AI Units/réplica/hora |
| 6 CPU 24 GB de RAM | 12 AI Units/réplica/hora |
| GPU | 20 AI Units/réplica/hora |
Consulte a tabela a seguir para consultar o custo de hardware relacionado a Pipelines.
| Hardware | Custo unitário |
|---|---|
| CPU | 6 AI Units/hora |
| GPU | 20 AI Units/hora |
Informações em segundo plano
Para automatizar um processo específico, você precisa usar os dois modelos da UiPath a seguir:
A primeira etapa para treinar o modelo de Classificação de texto multilíngue no seu conjunto de dados. O treinamento leva 6 horas e 30 minutos usando a GPU.
Após implantar ambos os modelos como habilidades de HA, eles são executados na CPU por três meses. Durante esse período, o modelo de Classificação de texto multilíngue processou 20.000 textos, todos com cerca de 3.000 caracteres, enquanto o modelo de Faturas processou 10.000 faturas contendo 2 páginas cada.
Calculating total consumption
- AI Units consumidas para o treinamento da Classificação de texto multilíngue:
7(horas) x20(AI Units por hora para a GPU) =140 AI Units - AI Units consumidas para hospedar a Classificação de texto multilíngue por três meses:
24(horas no dia) x90(número de dias) x2(AI Units por hora) =4320 AI Units - AI Units consumidas para hospedar Faturas por três meses:
24(horas no dia) x90(número de dias) x2(AI Units por hora) =4320 AI Units - AI Units consumidas para previsões feitas usando a Classificação de texto multilíngue:
20000(número de previsões) x2(tamanho da entrada) x0.5(custo unitário) =20000 AI Units - AI Units consumidas para previsões usando Faturas:
10000(número de previsões) x2(tamanho da entrada) x1(custo unitário) =20000 AI Units - AI Units consumidas no total:
hardware cost+predictions cost= (140+4320+4320) + (20000+20000) =48780 AI Units