优秘智能观察：随着大模型调用成为企业AI经营的常规支出，颗粒度的成本归因能力是企业降本增效的核心前提，本文整理的AWS Bedrock成本追踪方案可为企业大模型成本管控提供参考。
一、Bedrock成本归因能力核心价值
此前发布的Bedrock成本归因基础功能，可将每一次推理请求追溯到发起调用的IAM主体，通过新增的line_item_iam_principal字段实现按用户、按应用的用量可视化，搭配成本分配标签还可按团队、项目、租户维度聚合支出，适配第三方工具调用、自定义开发等所有Bedrock应用场景。本文将讲解如何通过Amazon Athena查询与CUDOS仪表盘，实现成本数据的可视化分析。
二、前置准备：搭建CUR 2.0数据导出链路
分析Bedrock成本前，需先配置带IAM主体数据的成本和使用报告（CUR 2.0）导出，具体要求如下：
- 前提条件：拥有AWS账号账单控制台权限、CUR/S3/Athena相关IAM权限、存储CUR数据的S3桶，具备基础SQL与AWS控制台操作能力。
- 核心配置：导出内容需勾选「包含调用者身份（IAM主体）分配数据」，时间粒度选择「小时级」获取最高精度数据，文件版本选择「覆盖现有报告」避免重复存储。
注意事项：开启IAM主体数据会增大CUR文件体积，高用量、多主体的业务场景需提前规划S3存储容量，可配置S3生命周期规则管理历史文件。首次CUR 2.0报告交付最长需要24小时。
三、对接Amazon Athena实现自定义查询
Amazon Athena支持用标准SQL查询CUR数据，无需额外管理基础设施，你可以通过官方开源脚本自动化完成Athena与CUR数据的对接，也可按照官方文档手动配置。完成对接后可通过测试语句验证配置正确性，常见查询场景包括：
1. 按IAM主体与使用类型统计成本
该查询可明确「谁调用了哪些模型、分别产生了多少支出」，输出结果包含IAM主体ARN、模型使用类型、总token消耗、总支出等字段，可通过LIKE语法筛选特定模型的调用数据。
2. 按IAM标签维度统计成本
若你已为IAM主体绑定团队、项目、成本中心等标签并激活为成本分配标签，可通过对应字段按业务维度聚合成本，快速核算不同业务线的Bedrock投入。（因原文篇幅限制，完整查询语句可参考AWS官方技术文档）
四、通过CUDOS仪表盘实现可视化分析
Athena适合灵活自定义查询、对接BI工具与内部对账流程，CUDOS则提供了适配企业组织架构的预构建可视化视图，可直接展示颗粒度的Bedrock成本与用量数据，降低企业数据分析门槛。
优秘智能点评：大模型调用成本的精细化管控，是企业AI化经营落地的重要一环。不管是调用公有云大模型，还是搭建企业内部专属AI系统，清晰的成本归因、用量统计能力，都能帮助企业把AI投入精准匹配到业务产出。优秘智能旗下营销智脑、灵秘数字分身等产品均内置全链路用量统计与成本分摊能力，助力企业实现可控的AI经营升级，感兴趣可前往umi6.com咨询了解。
优秘智能