AWS发布Amazon Bedrock成本归属工具:集成Athena与CUDOS实现AI成本精细化管理
摘要:AWS推出了针对Amazon Bedrock的全新成本归属工具,通过集成Amazon Athena和CUDOS仪表板,实现对AI推理成本的精细化追踪与分析。该工具支持按IAM主体、项目和团队进行成本分摊,并提供可视化的CUDOS仪表板,帮助企业全面了解AI资源消耗,优化成本分配。
AWS发布Amazon Bedrock成本归属工具:集成Athena与CUDOS实现AI成本精细化管理
AWS近日发布了针对Amazon Bedrock的全新成本归属工具,旨在帮助企业更高效地管理和分析AI推理成本。该工具的核心功能包括:
主要功能与特点
-
IAM主体数据集成:通过在成本与使用报告(CUR)2.0中启用IAM主体数据,工具能够追踪每个推理请求背后的具体用户或应用。
- 关键设置:在CUR 2.0导出配置中启用“包含调用方身份(IAM主体)分配数据”选项。
- 优势:支持按用户、应用、团队或项目进行成本分摊。
-
Amazon Athena查询支持:
- 灵活性:利用Athena的标准SQL查询功能,用户可以自定义分析逻辑,聚合不同维度的成本数据。
- 示例查询:例如,按IAM主体和模型使用类型查询成本,生成详细的成本报告。
-
CUDOS仪表板集成:
- 可视化分析:CUDOS提供预构建的可视化仪表板,支持按IAM主体、项目、模型等维度进行分组分析。
- 交互式过滤:用户可以通过点击图表中的任意元素,动态筛选其他可视化数据,快速定位成本热点。
- 成本趋势跟踪:例如,仪表板可以显示每百万Tokens的成本趋势,帮助评估模型选择或优化策略的效果。
-
成本优化建议:
- 存储优化:由于启用IAM主体数据会增加CUR文件大小,建议使用Amazon S3生命周期策略管理旧数据。
- 查询效率提升:通过在Athena查询中包含
WHERE billing_period = ...过滤条件,并仅选择需要的列,避免不必要的数据扫描,降低查询成本。
行业影响
- AI成本透明化:该工具为企业在AI资源使用上提供了更高的透明度,有助于识别成本浪费,优化预算分配。
- 多团队协作支持:通过按团队或项目分摊成本,工具促进了跨部门协作与责任分配。
- 数据驱动决策:CUDOS仪表板的可视化功能使非技术用户也能轻松理解AI成本构成,从而做出更明智的决策。
开发者建议
- 尽早启用IAM主体数据:以充分利用成本分摊功能。
- 定期审查Athena查询:确保查询效率,避免因数据量过大导致的高昂成本。
- 利用CUDOS仪表板进行实时监控:及时发现异常成本趋势并采取相应措施。
结论
AWS通过集成Amazon Athena和CUDOS,为Amazon Bedrock用户提供了强大的成本管理与分析工具。这一发布不仅提升了AI成本管理的精细化程度,还为企业优化AI资源使用提供了有力支持。
—— 完 ——消息来源:AWS Machine Learning Blog (2026-08-12)
主题标签: #AWS #Amazon Bedrock #成本管理 #AI资源优化 #CUDOS
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区