Tools
Kalkulator Kebutuhan Hardware
Perkirakan spesifikasi server untuk visual inspection AI dan AI CCTV (VMS) — GPU, CPU, RAM, storage, jaringan, dan daya. Isi kondisi lini produksi Anda, hasilnya tampil langsung.
Bagaimana angka ini dihitung?
Kalkulator memakai model beban yang sama dengan yang kami pakai saat sizing proyek Nirmana VisionAI di lapangan:
- Beban GPU dihitung sebagai total waktu inferensi per detik:
jumlah kamera × fps efektif × faktor resolusi × biaya per frame tiap model. Biaya per frame diukur pada GPU referensi kelas RTX 4060 dengan TensorRT FP16 (mis. deteksi objek medium ±7,5 ms/frame). Kapasitas satu GPU dipatok 65% agar ada headroom untuk lonjakan produksi. - Faktor resolusi (0,85–2,8×) mewakili biaya tiling: sensor besar dipotong jadi beberapa petak supaya cacat kecil tetap terbaca, jadi satu frame 4K bisa berarti beberapa kali inferensi.
- Mode trigger memakai duty cycle 35% — inferensi hanya jalan saat sensor/PLC memicu, bukan sepanjang stream.
- VRAM = runtime CUDA + bobot tiap model yang dimuat + buffer decode per stream, ditambah alokasi khusus untuk training on-box dan LLM lokal.
- Pemilihan GPU mencari kombinasi termurah yang sudah memenuhi kebutuhan compute sekaligus VRAM — bukan yang paling kencang. Kalau beban Anda cuma butuh 3 GB VRAM dan seperempat kapasitas satu kartu, yang muncul memang kartu kelas entry, bukan kartu kelas atas. Kartu kedua dan seterusnya baru disarankan kalau satu kartu benar-benar tidak cukup.
- CPU, RAM, jaringan, dan daya diturunkan dari jumlah stream yang harus di-decode, jumlah klien viewer, dan konsumsi GPU yang direkomendasikan.
Hasilnya adalah estimasi awal untuk perencanaan anggaran. Angka final selalu kami validasi dengan sampel gambar asli dan uji benchmark di produk Anda — sebab cacat halus kadang memaksa resolusi atau model yang lebih besar dari perkiraan.