Aumento della quota di Azure AI Foundry
Se hai bisogno di aumentare la quota di Azure AI Foundry, utilizza questo documento che riassume le informazioni necessarie e rimanda al modulo di richiesta di aumento della quota e alla documentazione sui modelli e le regioni.
Perché è necessario l'aumento
I tuoi assistenti AI funzionano (o funzioneranno) direttamente nel tuo ambiente Azure AI Foundry, quindi tutti i carichi di lavoro AI sono soggetti ai limiti della tua sottoscrizione Azure (TPM/RPM).
Le quote predefinite sono impostate principalmente per test e PoC. Durante il deployment in produzione, specialmente durante l'ingestione di documenti e la generazione di embedding, questi limiti rappresentano spesso un collo di bottiglia e rallentano significativamente l'elaborazione.
L'aumento della quota consentirà:
- ingestione più rapida di documenti e reindicizzazione,
- throughput maggiore per la generazione di embedding,
- prestazioni stabili sotto carico simultaneo degli utenti,
- latenza ridotta e meno throttling,
- scalabilità e affidabilità in produzione.
Importante: L'aumento della quota non cambia il prezzo. Aumenta solo la capacità di throughput. La fatturazione rimane rigorosamente basata sui token consumati — il prezzo per token rimane lo stesso.
Si tratta di un processo standard di Azure per il deployment AI in produzione. Ti forniremo parametri precompilati e un modello di giustificazione per rendere la richiesta rapida e semplice.
Dati per la richiesta di aumento della quota
| # | Campo | Valore / nota |
|---|---|---|
| 1 | Nome (rappresentante autorizzato del richiedente) | [CLIENT] |
| 2 | Cognome | [CLIENT] |
| 3 | Email aziendale (sul dominio aziendale) | [CLIENT] |
| 4 | Nome dell'azienda | [CLIENT] |
| 5 | Indirizzo dell'azienda | [CLIENT] |
| 6 | Città | [CLIENT] |
| 7 | CAP | [CLIENT] |
| 8 | Paese | [CLIENT] |
| 9 | ID della sottoscrizione | [CLIENT] o [SIESTA.AI], se abbiamo accesso alla tua sottoscrizione Azure |
| 10 | Giustificazione (ESEMPIO) | Di seguito |
| 11 | Tipo di modello | Azure OpenAI |
| 12 | Quota di Deployment del Modello | Model Deployment (PTU/RPM/TPM) |
| 13 | (Azure OpenAI) Tipo di Richiesta di Quota | Global Standard |
| 14 | Regione Global Standard | East US2 o Sweden Central |
| 15 | (Azure OpenAI) Modello Global Standard | text-embedding-3-large |
| 16 | Quota | 10000 |
Esempio di giustificazione
Stiamo costruendo e gestendo una piattaforma SaaS AI in produzione focalizzata sull'automazione enterprise (analisi dei documenti, assistenti RAG, triage delle email, integrazioni CRM e automazione dei processi interni per clienti B2B). Attualmente operiamo in implementazioni pilota e di produzione in vari settori (manifattura, immobiliare, assicurazioni, servizi enterprise). I carichi di lavoro tipici includono:
- chat ad alta frequenza e inferenza API,
- grandi pipeline per ingestione e vettorizzazione di documenti (PDF, DOCX, web crawling),
- prompt ad alta complessità contestuale con ragionamento a più passaggi,
- utilizzo simultaneo da parte di più utenti e team enterprise.
Le attuali quote sono già un collo di bottiglia durante i picchi di carico e i test. Con l'espansione dell'onboarding di nuovi clienti e l'introduzione di ulteriori assistenti e integrazioni (HubSpot, Gmail, Google Drive, Azure Storage, CRM interni) ci aspettiamo un aumento significativo del throughput dei token. Abbiamo bisogno di un aumento della quota per:
- mantenere una latenza stabile durante le operazioni enterprise simultanee,
- supportare l'elaborazione batch di documenti e pipeline di ingestione continue,
- garantire affidabilità in produzione e SLA,
- eliminare il throttling durante i picchi di carico derivanti da flussi di lavoro aziendali reali.
Questo aumento della quota è critico per il prossimo deployment in produzione e i rollout commerciali. Senza una maggiore capacità, la nostra capacità di scalare i clienti e garantire una qualità del servizio coerente sarà limitata. Ci impegniamo a un utilizzo responsabile, al monitoraggio dei costi e all'ottimizzazione efficace di prompt e token in conformità con le best practices di Azure OpenAI.