AI Unit

概述

提示：

要在组织级别和租户级别跟踪 AI Unit 的使用情况，请查看以下页面：

• 《Automation Cloud ^TM 管理员指南》中的“监控许可证分配”页面，供组织级别使用。
• 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 消耗量，请查看 Insights 用户指南中的“Document Understanding 和 AI Center 消耗情况”仪表板页面。

AI 单元是用于许可 AI 产品的度量。 当模型为您带来价值时，我们会根据消耗量对 AI 单元收费。

有关我们 AI 产品的 AI Unit 消耗的更多一般信息，请查看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 的使用情况。有关更多详细信息，请查看租户级别的分配页面：

• 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

备注：

默认情况下，不为任何租户分配 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。

备注：

跨租户和跨组织场景中的单元消耗

当 AI Center 模型托管在与调用该模型的自动化不同的租户或组织中时，单位费用将由模型托管租户承担，而不是由自动化租户承担。自动化租户上的强制执行设置不适用于此消耗。要通过强制执行来控制 AI Center 单元，请在模型托管租户上配置强制执行。有关更多信息，请参阅租户消耗强制执行。

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，输入大小为5000 characters的UiPath 自定义命名实体识别模型的使用情况如下：

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 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 - 有上下文基础

备注：

除 Task Mining 外，运行管道或部署 ML 技能仅消耗与硬件消耗相关的 AI 单元。

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

备注：

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

备注：

任何开始的小时都将收费。

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。

将这两个模型部署为 HA 技能后，它们将在 CPU 上运行三个月。 在此期间，多语言文本分类模型处理了 20,000 个文本，大约 3,000 个字符，而“发票”模型处理了 10,000 张发票，每张发票包含 2 页。

计算总消耗量

• 用于训练多语言文本分类的 AI 单元：

7 （小时）x 20 （GPU 每小时的 AI 单位）= 140 AI Units

• 三个月内托管多语言文本分类所消耗的 AI 单元：

24 （一天中的小时数）x 90 （天数）x 2 （每小时 AI 单位）= 4320 AI Units

• 三个月内用于托管发票的 AI 单元：

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进行预测所消耗的 AI 单元：

20000 （预测数量）x 2 （输入大小）x 0.5 （单位成本）= 20000 AI Units

• 使用发票进行的预测所消耗的 AI 单元：

10000 （预测数量）x 2 （输入大小）x 1 （单位成本）= 20000 AI Units

• 消耗的 AI 单位总数:

hardware cost + predictions cost = ( 140 + 4320 + 4320 ) + ( 20000 + 20000 ) = 48780 AI Units

许可证跟踪

所有场景的 AI 单元都在AI 单元下进行跟踪。

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，以查看确切的消耗量。