AWS Bedrock成本归因：用Athena和CUDOS追踪AI支出，中文用户如何落地

一句话看懂

AWS推出Bedrock成本归因功能，结合Athena和CUDOS仪表盘，可按IAM principal、项目、团队追踪AI推理支出，实现精细化成本管理。

详细发生了什么

AWS官方博客发布系列文章第二部分，介绍如何利用Amazon Athena和CUDOS仪表盘可视化分析Amazon Bedrock的成本归因。该功能自动将每个推理请求追溯到发起调用的IAM principal，并通过新增的line_item_iam_principal列实现按用户和应用的可见性。结合成本分配标签，用户可在AWS Cost Explorer中按团队、项目或租户聚合支出。

文章详细说明了设置步骤：首先通过Data Exports创建CUR 2.0数据导出，需启用“Include caller identity (IAM principal) allocation data”选项，以填充line_item_iam_principal列和iamPrincipal/前缀的标签。然后连接Athena进行SQL查询，或部署CUDOS仪表盘获取预构建的可视化。文中提供了三个渐进式查询模式：按IAM principal和usage type查询成本、按IAM principal标签（如项目、团队）分组、以及更复杂的分析。示例输出显示了不同角色（如ChatApp、DocProcessor）的token消耗和费用。

文章还提到，启用IAM principal数据会增加CUR文件大小，因为原本单行数据会拆分为多行，需规划S3存储并考虑生命周期策略。首个CUR 2.0报告可能需要24小时才能送达。

中文圈视角

对于中文用户，尤其是使用AWS中国区或通过海外账号使用Bedrock的企业，成本归因是刚需。国内云厂商（如阿里云、腾讯云）也提供类似的大模型服务，但成本追踪功能可能不如AWS精细。此方法可借鉴到国内云环境，但需注意CUR 2.0和Athena的可用性。

合规方面，中国《数据安全法》要求数据出境评估，若使用AWS海外区域，需确保成本数据不包含敏感信息。建议国内用户优先使用AWS中国区（若可用）或考虑国产替代方案，如阿里云的MaxCompute配合成本分析工具。

此外，中文社区对CUDOS仪表盘的讨论较少，此教程填补了空白。对于使用Claude Code等工具的开发团队，此方法能清晰看到每个开发者的AI调用成本，有助于预算控制和优化。

几条值得记住的细节

启用IAM principal数据后，CUR文件大小会显著增加，需规划S3存储并设置生命周期策略。
首个CUR 2.0报告可能需要24小时才能生成，请耐心等待。
查询时使用line_item_product_code in ('AmazonBedrock', 'AmazonBedrockService')过滤Bedrock成本。
通过tags['iamPrincipal/project']等标签可灵活按项目、团队分组。
可选使用Claude Code或Kiro-CLI自动化设置，克隆GitHub仓库即可。

一句话总结

掌握Bedrock成本归因，让每一分AI支出都清晰可见，中文用户可借鉴此方法优化云成本管理。