Platform Units

概述

有关 AI 产品的Platform Units消耗的一般信息，请查看计量和计费逻辑以及许可证跟踪部分。

有关 Process Mining Platform Units消耗量的特定详细信息，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 Platform Units 消耗量。有关更多详细信息，请查看 Automation Suite 指南中的“向租户分配许可证”页面。

注意：默认情况下，为每个租户分配 0 个Platform Units ，并且所有Platform Units都从帐户池中使用。 如果没有为租户分配的Platform Units ，则从组织帐户池中使用Platform Units 。 如果使用了租户池中的所有平台单元，则管理员需要在该特定租户上分配更多平台单元。

一般逻辑

本节包含有关Platform Units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

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	Platform Unit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	1000
UiPath 浅色文本分类器	每个预测	0.04
UiPath 多语言分类器	每个预测	0.1
UiPath 自定义命名实体识别	每个预测	0.1
开源包	每个预测	0.02
GenAI Activities	每次执行	0.2 - 无上下文基础 0.4 - 上下文基础

注意：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Platform Units 。

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。

硬件	Platform Units成本
0.5 CPU 2 GB RAM（默认）	0.2 Platform Unit /副本/小时
1 个 CPU 4 GB RAM	0.4 Platform Units /副本/小时
2 个 CPU 8 GB RAM	0.8 Platform Units /副本/小时
4 个 CPU 16 GB RAM	1.6 Platform Units /副本/小时
6 个 CPU 24 GB RAM	2.4 Platform Units /副本/小时
GPU	4 个Platform Units /副本/小时

有关与管道相关的硬件成本，请查看下表。

硬件	Platform Units成本
CPU	1.2 Platform Units /小时
GPU	4 Platform Units /小时

注意：系统按小时收费。