حداقل سخت‌افزار مورد نیاز + معماری استقرار

سرور هوش مصنوعی (AI)

مشخصات، نقش و فرآیند RAG برای نامه‌های متنی و تصویری — در کنار دو سرور فعلی اتوماسیون اداری فراگستر، یک سرور پردازش هوش مصنوعی اضافه می‌شود تا سرویس‌های OCR، جستجوی هوشمند و چت با LLM کاملاً روی زیرساخت سازمان شما اجرا شوند.

اجرای کاملاً On-Premise یکپارچه با اتوماسیون اداری فراگستر OCR + RAG + LLM

۳ سرور

ساختار واحد استقرار

A100 / H100

شتاب‌دهنده GPU

SQL 2025

مخزن دانش و بردارها

مشاهده مشخصات

حداقل سخت‌افزار مورد نیاز

سرور پردازش هوش مصنوعی

نقش سرور: OCR، پردازش مدل‌ها، جستجوی هوشمند، بازیابی دانش با RAG، چت با LLM و تولید پاسخ.

مبنای طراحی این پیکربندی حداقلی

سرویس‌دهی مدل زبانی تا ~70B پارامتر (کوانتیزه، سرو با vLLM)
حدود ۳۰ نشست هم‌زمان چت و جستجوی هوشمند (بسته به طول زمینه)
ایندکس‌سازی پیوسته آرشیو تا چند میلیون نامه متنی و اسکن‌شده

پردازنده گرافیکی (GPU)

1 × NVIDIA A100 80GB یا H100 80GB
+ 1 × NVIDIA L40S 48GB

حافظه ۸۰ گیگابایتی، میزبان مدل زبانی تا ~70B (کوانتیزه) است؛ L40S مخصوص OCR و Embedding است تا پردازش اسناد، سرویس چت را کند نکند

پیشنهادی: 2 × NVIDIA H100 80GB (NVLink) برای مدل‌های بزرگ‌تر و کاربران هم‌زمان بیشتر
حافظه (RAM)

≥ 256GB ECC

قاعده مهندسی: دست‌کم ~۲ برابر مجموع حافظه GPU؛ برای کش مدل، پردازش دسته‌ای Embedding و OCR هم‌زمان

پیشنهادی: 512GB برای آرشیوهای بزرگ و ایندکس‌سازی سنگین
پردازنده (CPU)

2 × Server CPU (مجموعاً ۲۴+ هسته / ۴۸+ رشته)

پیش‌پردازش اسناد، توکن‌سازی، صف‌بندی درخواست‌ها و هماهنگی سرویس‌ها؛ نمونه مرجع: 2 × Intel Xeon Silver 4410Y یا معادل AMD EPYC
ذخیره‌سازی (Storage)

≥ 2TB NVMe SSD (RAID 1)

وزن مدل‌ها، کش و فایل‌های موقت پردازش؛ NVMe برای بارگذاری سریع مدل و I/O بالا، RAID 1 برای افزونگی

پیشنهادی: ≥ 4TB NVMe SSD (RAID 1) برای نگهداری چند مدل و کش بزرگ‌تر
شبکه (Network)

2 × 10GbE

تبادل کم‌تأخیر اسناد و بردارها با سرورهای اپلیکیشن و پایگاه داده؛ ترجیحاً در VLAN مجزا
سیستم‌عامل (OS)

Linux (Ubuntu Server LTS)

توزیع لینوکس با پشتیبانی بلندمدت و سازگاری کامل با درایور NVIDIA، CUDA و اکوسیستم متن‌باز AI

پشته نرم‌افزاری پیشنهادی

Ubuntu Server 26.04 LTS NVIDIA Driver + CUDA 12 Docker + NVIDIA Container Toolkit vLLM / Triton Inference Server SQL Server 2025 (Vector Index)

FG-AI-SRV

GPU

NVMe

PWR

سرویس‌های هوشمند

اجزای منطقی روی سرور AI

این پنج سرویس، موتور هوش مصنوعی سامانه را تشکیل می‌دهند و همگی روی سرور AI اجرا می‌شوند.

OCR Engine

استخراج متن از نامه‌های تصویری و اسکن‌شده

میزبان: L40S

Embedding Model

تبدیل متن به بردارهای معنایی

میزبان: L40S

Vector Index

ایندکس و جستجوی سریع بردارها

میزبان: SQL 2025

LLM Service

مدل زبانی برای درک پرسش و تولید پاسخ

میزبان: A100 / H100

RAG Orchestrator

هماهنگ‌سازی بازیابی دانش و تولید پاسخ

میزبان: CPU

از سند تا پاسخ

فرآیندهای هوشمند سامانه

۱ فرآیند ایندکس‌سازی نامه‌ها

هر نامه پس از ورود به سامانه، به‌صورت خودکار پردازش و برای جستجوی معنایی آماده می‌شود.

دریافت نامه

نامه متنی یا تصویری/اسکن‌شده وارد سامانه می‌شود

استخراج متن

مستقیم برای نامه‌های متنی؛ با OCR برای نامه‌های تصویری

پاک‌سازی و Chunking

نرمال‌سازی متن و تقسیم آن به قطعات معنادار

Embedding و ایندکس‌سازی

تبدیل قطعات به بردارهای معنایی

ذخیره‌سازی

نگهداری متن، متادیتا و بردارها در پایگاه داده

فرآیند همیشگی و پنهان در SQL 2025

۲ فرآیند پاسخ‌دهی RAG

پاسخ هر پرسش، با تکیه بر دانش ایندکس‌شده سازمان تولید می‌شود — نه صرفاً دانش عمومی مدل.

پرسش کاربر

کاربر پرسش خود را در چت مطرح می‌کند

Embedding پرسش

پرسش به بردار معنایی تبدیل می‌شود

بازیابی قطعات

قطعات مرتبط از SQL 2025 بازیابی می‌شوند

ارسال زمینه

زمینه + پرسش به مدل زبانی ارسال می‌شود

چت با LLM

مدل زبانی پاسخ را تولید می‌کند

پاسخ به کاربر

نتیجه بازیابی و به کاربر نمایش داده می‌شود

SQL Server 2025 — مخزن متن، متادیتا و بردارهای سازمان

معماری پیشنهادی

ساختار پیشنهادی استقرار سامانه

یک ساختار واحد شامل سه سرور مجزا: Application + AI + Database. سرورهای اپلیکیشن و پایگاه داده همان زیرساخت فعلی اتوماسیون اداری فراگستر هستند و سرور هوش مصنوعی به آن‌ها اضافه می‌شود؛ مشخصات این دو سرور بر اساس تعداد کاربران هم‌زمان تعیین می‌شود.

ارتباط دوطرفه بین هر سه سرور

سرور اپلیکیشن

Application Server

زیرساخت فعلی اتوماسیون

نقش سرور: مدیریت درخواست کاربران، اجرای API و منطق کسب‌وکار، احراز هویت و هماهنگی بین سرویس‌ها

مشخصات سخت‌افزاری این سرور بر اساس تعداد کاربران هم‌زمان تعیین می‌شود؛ جزئیات کامل را در صفحه الزامات سخت‌افزاری اتوماسیون ببینید.

مشاهده مشخصات سخت‌افزاری

سرور هوش مصنوعی

AI Server

سرور جدید سرویس‌های AI

نقش سرور: OCR، جستجوی هوشمند، پردازش مدل‌ها، بازیابی دانش با RAG، چت با LLM و تولید پاسخ

CPU 2 × Server CPU (24+ Cores)
RAM ≥ 256GB ECC
GPU 1 × A100 80GB / H100 + 1 × L40S 48GB
Storage ≥ 2TB NVMe SSD (RAID 1)
Network 2 × 10GbE
OS Linux (Ubuntu Server LTS)

جزئیات کامل مشخصات و دلایل فنی

سرور پایگاه داده

Database Server

زیرساخت فعلی اتوماسیون

نقش سرور: ذخیره‌سازی امن اسناد، متادیتا، ایندکس‌ها و داده‌های ساختاریافته

مشخصات سخت‌افزاری این سرور بر اساس تعداد کاربران هم‌زمان تعیین می‌شود؛ جزئیات کامل را در صفحه الزامات سخت‌افزاری اتوماسیون ببینید. برای سرویس‌های AI، پایگاه داده SQL Server 2025 (Vector) نیاز است.

مشاهده مشخصات سخت‌افزاری

الزامات زیرساختی استقرار

برای بهره‌برداری پایدار در محیط عملیاتی، این چهار الزام را در طراحی زیرساخت در نظر بگیرید.

شبکه بین سرورها

حداقل 1GbE مطابق الزامات اتوماسیون؛ برای ترافیک سرویس‌های AI، شبکه 10GbE در VLAN مجزا توصیه می‌شود

تغذیه و خنک‌سازی

منبع تغذیه دوگانه (2 × 1600W) و خنک‌سازی مناسب رک برای GPUهای پرمصرف

امنیت و جداسازی

اجرای کامل بدون نیاز به اینترنت؛ اسناد و داده‌ها هرگز از سازمان خارج نمی‌شوند

افزونگی و پشتیبان‌گیری

RAID 1 برای دیسک‌ها و پشتیبان‌گیری منظم از پایگاه داده، متادیتا و ایندکس‌ها

مسیر هر درخواست

فرآیند گردش کار

ورود سند / درخواست کاربر

سند یا درخواست از طریق اتوماسیون ثبت می‌شود

ارسال به Application Server

مسیردهی و مدیریت درخواست

پردازش در سرور هوش مصنوعی

OCR، تحلیل و مدل زبانی (LLM)

ذخیره و بازیابی داده

در Database Server

بازگشت نتیجه

نمایش پاسخ به کاربر

فرآیند همیشگی و پنهان در SQL 2025

چرا این معماری؟

دستاوردها برای سازمان شما

پاسخ دقیق‌تر

پاسخ‌ها بر پایه اسناد و مکاتبات واقعی سازمان شما تولید می‌شوند

استفاده از دانش ایندکس‌شده

دانش نهفته در مکاتبات سازمان، قابل جستجو و بهره‌برداری می‌شود

پشتیبانی از اسناد متنی و تصویری

نامه‌های تایپی و اسکن‌شده هر دو به‌صورت خودکار پردازش می‌شوند