AI Unit

概述

提示：要在组织级别和租户级别跟踪您的 AI Unit 使用情况，请查看以下页面：

• 用于组织级别使用的 Automation Cloud ^TM 管理员指南中的“ 监控许可证分配”页面。
• Insights 指南中的AI Unit 租户级别消耗概述页面，了解租户级别消耗。

要跟踪Document Understanding ^TM和 AI Center 项目的 AI Unit 使用情况，请查看 Insights 用户指南中的Document Understanding 和 AI Center 使用情况仪表板页面。

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。

有关我们 AI 产品中 AI Unit 消耗的更多一般信息，请查看下面的计量和计费逻辑以及许可证跟踪部分。

有关 Process Mining 消耗的 AI Unit 的具体详细信息，请查看 Process Mining 指南中的许可证页面。

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 ^TM - 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。

计量和充电逻辑

一般逻辑

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

预测成本

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 TM （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
AI 计算机视觉	图像	1 张图片	始终为 1
Task Mining	数据集	1 个数据集	始终为 1
GenAI Activities	字符串	每个模型的字符串大小限制不同
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 TM （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。
AI 计算机视觉	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计费逻辑的更多信息，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
GenAI Activities	每次执行	1 - 无上下文基础 2 - 具有上下文基础

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。

硬件成本

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。

消费示例

背景信息

要自动化给定流程，您需要使用以下两个 UiPath 模型：

• 多语言文本分类
• 发票

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。

计算总消耗量

• 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

许可证跟踪

所有场景的 AI Unit 消耗情况都可以在 AI Unit 中进行跟踪。

如果将鼠标悬停在“AI Unit”部分的栏上，系统则会显示弹出窗口。您可以打开此弹出窗口，以了解确切的消耗量。