บริการ AI ใน Fabric (ตัวอย่าง)

บริการ Azure AI ช่วยให้นักพัฒนาและองค์กรสามารถสร้าง API และโมเดลที่ชาญฉลาด ทันสมัย และพร้อมสําหรับตลาดได้อย่างรวดเร็ว ชื่อเดิม Azure Cognitive Servicesบริการ Azure AI ช่วยเพิ่มศักยภาพให้กับนักพัฒนาแม้ว่าพวกเขาจะไม่มี AI โดยตรงหรือทักษะด้านวิทยาศาสตร์ข้อมูลหรือความรู้ เป้าหมายของบริการ Azure AI คือการช่วยให้นักพัฒนาสร้างแอปพลิเคชันที่สามารถเห็น ได้ยิน พูด ทําความเข้าใจ และแม้แต่เริ่มต้นด้วยเหตุผล

Fabric มีตัวเลือกในการใช้บริการ Azure AI สองทางเลือก:

• แบบจําลอง AI ที่สร้างไว้ล่วงหน้าใน Fabric (ตัวอย่าง)

  ผ้าได้รวมเข้ากับบริการ Azure AI อย่างราบรื่นช่วยให้คุณสามารถเสริมสร้างข้อมูลของคุณด้วยแบบจําลอง AI จัดทําสําเร็จได้โดยไม่ต้องมีข้อกําหนดเบื้องต้น เราขอแนะนําตัวเลือกนี้เนื่องจากคุณสามารถใช้การรับรองความถูกต้องของ Fabric ของคุณเพื่อเข้าถึงบริการ AI และการใช้งานทั้งหมดจะถูกเรียกเก็บเงินกับความจุ Fabric ของคุณ ตัวเลือกนี้ยังอยู่ในการแสดงตัวอย่างสาธารณะ ซึ่งมีบริการ AI แบบจํากัดพร้อมใช้งาน

  Fabric เสนอ บริการ Azure OpenAI Text Analyticsและ Azure AI Translator ตามค่าเริ่มต้น พร้อมการสนับสนุนทั้ง SynapseML และ RESTful API คุณยังสามารถใช้ ไลบรารี OpenAI Python เพื่อเข้าถึงบริการ Azure OpenAI ใน Fabric ได้ สําหรับข้อมูลเพิ่มเติมเกี่ยวกับแบบจําลองที่มีอยู่ โปรดเยี่ยมชม แบบจําลอง AI จัดทําสําเร็จใน Fabric

• นําคีย์ของคุณเอง (BYOK)

  คุณสามารถจัดเตรียมบริการ AI ของคุณบน Azure และนําคีย์ของคุณเองมาใช้จาก Fabric ได้ หากแบบจําลอง AI จัดทําสําเร็จยังไม่รองรับบริการ AI ที่ต้องการ คุณยังคงสามารถใช้ BYOK (นําคีย์ของคุณเองมาเอง) ได้

  หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับวิธีการใช้บริการ Azure AI ด้วย BYOK โปรดเยี่ยมชม บริการ Azure AI ใน SynapseML พร้อมนําคีย์ของคุณเองมาใช้

แบบจําลอง AI จัดทําสําเร็จใน Fabric (ตัวอย่าง)

บริการ Azure OpenAI

REST API, Python SDK, ไซแนปส์ ML

• โมเดลภาษา: gpt-5, gpt-4.1และ gpt-4.1-mini โฮสต์ ดูตารางสําหรับรายละเอียด
• รูปแบบการฝังข้อความ: text-embedding-ada-002 เป็นโฮสต์ ดูตารางสําหรับรายละเอียด

การวิเคราะห์ข้อความ

REST API, ไซแนปส์ ML

• การตรวจหาภาษา: ตรวจหาภาษาของข้อความที่ป้อนเข้า
• การวิเคราะห์ความคิดเห็น: ส่งกลับคะแนนระหว่าง 0 และ 1 เพื่อระบุความคิดเห็นในข้อความที่ป้อนเข้า
• การแยกวลีสําคัญ: ระบุจุดพูดคุยสําคัญในข้อความที่ป้อนเข้า
• การรู้จําเอนทิตีข้อมูลที่สามารถระบุตัวตนได้ (PII): ระบุ จัดประเภท และเปลี่ยนแปลงข้อมูลที่ละเอียดอ่อนในข้อความที่ป้อนเข้า
• การรู้จําเอนทิตีที่มีชื่อ: ระบุเอนทิตีที่รู้จักและเอนทิตีที่มีชื่อทั่วไปในข้อความที่ป้อนเข้า
• การเชื่อมโยงเอนทิตี: ระบุและแยกแยะข้อมูลประจําตัวของเอนทิตีที่พบในข้อความ

ตัวแปล AI ของ Azure

REST API, ไซแนปส์ ML

• แปล: แปลข้อความ
• Transliterate: แปลงข้อความในภาษาหนึ่ง ในสคริปต์หนึ่งเป็นสคริปต์อื่น

ภูมิภาคที่พร้อมใช้งาน

ภูมิภาคที่พร้อมใช้งานสําหรับบริการ Azure OpenAI

สําหรับรายการของภูมิภาค Azure ที่มีบริการ AI จัดทําสําเร็จใน Fabric พร้อมใช้งาน แล้ว โปรดเยี่ยมชมบทความ ภูมิภาคที่พร้อมใช้งาน ส่วนของ ภาพรวมของ Copilot ใน Fabric และ Power BI (ตัวอย่าง)

ภูมิภาคที่พร้อมใช้งานสําหรับการวิเคราะห์ข้อความและ Azure AI Translator

จัดทําสําเร็จ การวิเคราะห์ข้อความและ Azure AI Translator ใน Fabric พร้อมใช้งานสําหรับการแสดงตัวอย่างสาธารณะในภูมิภาค Azure ที่ระบุไว้ในบทความนี้ ถ้าคุณไม่พบภูมิภาคบ้าน Microsoft Fabric ของคุณในบทความนี้ คุณยังสามารถสร้างความจุ Microsoft Fabric ในภูมิภาคที่รองรับได้ สําหรับข้อมูลเพิ่มเติม โปรดเยี่ยมชม ซื้อการสมัครใช้งาน Microsoft Fabric หากต้องการกําหนดภูมิภาคหน้าแรกของ Fabric ของคุณ โปรดไปที่ ค้นหาภูมิภาคหน้าแรกของ Fabric ของคุณ

อัตราปริมาณการใช้

อัตราการใช้สําหรับแบบจําลองภาษา OpenAI

อัตราการใช้สําหรับแบบจําลองการฝัง OpenAI

อัตราปริมาณการใช้สําหรับการวิเคราะห์ข้อความ

อัตราปริมาณการใช้สําหรับตัวแปลข้อความ

การเปลี่ยนแปลงบริการ AI ในอัตราปริมาณการใช้วัสดุของผ้า

อัตราปริมาณการใช้อาจเปลี่ยนแปลงได้ตลอดเวลา Microsoft ใช้ความพยายามอย่างสมเหตุสมผลในการให้การแจ้งเตือนทางอีเมลหรือผ่านการแจ้งเตือนในผลิตภัณฑ์ การเปลี่ยนแปลงจะมีผลตามวันที่ระบุไว้ในบันทึกย่อประจํารุ่นของ Microsoft หรือบล็อก Microsoft Fabric หากการเปลี่ยนแปลงใด ๆ กับบริการ AI ในอัตราปริมาณการใช้ผ้าเพิ่มหน่วยความจุ (CU) ที่จําเป็นในการใช้งานลูกค้าสามารถใช้ตัวเลือกการยกเลิกที่พร้อมใช้งานสําหรับวิธีการชําระเงินที่เลือก

ตรวจสอบการใช้งาน

ตัววัดปริมาณงานที่เกี่ยวข้องกับงานจะกําหนดค่าใช้จ่ายสําหรับบริการ AI จัดทําสําเร็จใน Fabric ตัวอย่างเช่น ถ้าการใช้บริการ AI มาจากปริมาณงาน Spark การใช้งาน AI จะถูกจัดกลุ่มเข้าด้วยกัน และเรียกเก็บเงินภายใต้ตัววัดการเรียกเก็บเงิน Spark บนแอปเมตริกความจุผ้า

ตัวอย่าง

เจ้าของร้านค้าออนไลน์ใช้ SynapseML และ Spark เพื่อจัดประเภทผลิตภัณฑ์หลายล้านรายการลงในหมวดหมู่ที่เกี่ยวข้อง ในปัจจุบัน เจ้าของร้านค้าจะใช้ตรรกะแบบกําหนดค่าตายตัวเพื่อทําความสะอาดและแมป "ประเภทผลิตภัณฑ์" ดิบไปยังหมวดหมู่ อย่างไรก็ตาม เจ้าของวางแผนที่จะสลับไปใช้จุดสิ้นสุด Fabric OpenAI LLM (แบบจําลองภาษาขนาดใหญ่) แบบใหม่ การดําเนินการนี้จะประมวลผลข้อมูลซ้ํากับ LLM สําหรับแต่ละแถว จากนั้นจะแบ่งประเภทผลิตภัณฑ์ตาม "ชื่อผลิตภัณฑ์" "คําอธิบาย" "รายละเอียดทางเทคนิค" และอื่น ๆ

ค่าใช้จ่ายที่คาดไว้สําหรับการใช้งาน Spark คือ 1,000 CU ค่าใช้จ่ายที่คาดหวังสําหรับการใช้งาน OpenAI อยู่ที่ประมาณ 300 CU

เมื่อต้องการทดสอบตรรกะใหม่ ก่อนอื่นให้ทําซ้ําในการเรียกใช้แบบโต้ตอบของ Spark notebook สําหรับชื่อการดําเนินการของการเรียกใช้ ให้ใช้ "Notebook Run" เจ้าของคาดว่าจะเห็นการใช้งานทั้งหมด 1300 CU ภายใต้ "Notebook Run" โดยมิเตอร์การเรียกเก็บเงิน Spark จะคิดเป็นการใช้งานทั้งหมด

เมื่อเจ้าของร้านค้าตรวจสอบตรรกะเจ้าของได้ตั้งค่าการเรียกใช้ปกติและคาดว่าจะเห็นการใช้งานทั้งหมด 1300 CUs ภายใต้ชื่อการดําเนินการ "Spark Job Scheduled Run" โดย Spark Billing Meter จะคํานวณประโยขันข้อมูลการใช้งานทั้งหมด

ตามการรายงานการใช้งานการประมวลผลของ Spark การดําเนินการที่เกี่ยวข้องกับ Spark ทั้งหมดจะถูกจัดประเภทเป็นการดําเนินการเบื้องหลัง

เนื้อหาที่เกี่ยวข้อง

• ใช้ Azure OpenAI ที่สร้างไว้ล่วงหน้าใน Fabric