一句话结论
AWS 官方发布 Amazon Bedrock 成本管理实操手册，确立五阶段闭环模型，旨在解决生成式 AI 自主工作负载成本失控及归属难题。
关键要点
- Amazon Bedrock 自动将推理成本归因于发起调用的 AWS IAM 主体，调用者 ARN 写入 AWS Cost and Usage Report (CUR) 2.0 的 `line_item_iam_principal` 列，激活成本分配标签 API 后数据在 24 至 48 小时内可见。
- 针对 LLM 网关导致归属失效问题，建议采用每小时每用户调用一次 AWS STS 的会话管理策略，将用户身份设为角色会话名，凭证缓存上限为 1 小时。
- 截至 2026 年 10 月美国东部地区数据，Claude Sonnet 4.6 和 Haiku 4.5 的缓存读取费率为基础输入的 0.1 倍，Claude Sonnet 5.5 和 Opus 5.5 为 0.05 倍；5 分钟 TTL 缓存下稳定前缀的 10 次调用成本约为无缓存价格的五分之一。
- 执行层提供多种技术路径：AWS Budgets 提供阈值警报但无法硬性阻止支出；AWS Lambda 聚合器通过 DynamoDB 统计计数器，超阈值将身份加入 IAM 拒绝策略，生效需数秒至数分钟；网关组件在数据路径同步执行，超限时返回 HTTP 429，提供亚秒级阻止。
- 优化核心为模型路由，将样板代码、Linting 等常规任务下移至更小模型，目标是让代理编码集群中超过半数调用落在更便宜模型上。
背景与事实
随着生成式 AI 应用从简单推理迈向 Agentic 自主工作负载，成本结构随自主程度与上下文规模呈指数级增长。AWS 机器学习博客发布的《管理 Amazon Bedrock 成本端到端：FinOps 与平台团队实操手册》指出，核心挑战在于确定支出团队、工作负载及预算合规性。为此，手册确立了“归属、观测、执行、优化、运营”五阶段循环模型，其中 FinOps 团队负责归属与运营，平台工程团队负责观测、执行及优化，打破传统云成本管理的孤岛效应。
在归属层面，Amazon Bedrock 机制确保推理成本自动归因至发起调用的 AWS IAM 主体，包括用户、角色、联合身份及 API 密钥。调用者 ARN 被写入 AWS Cost and Usage Report (CUR) 2.0 的 `line_item_iam_principal` 列。管理员通过激活成本分配标签 API（前缀如 `iamPrincipal/`），可使数据在 24 至 48 小时内于 AWS Cost Explorer 中可见。针对 LLM 网关通过单一 IAM 角色调用导致归属失效的痛点，方案建议实施每用户会话管理：网关每小时每用户仅调用一次 AWS STS，将用户身份设为角色会话名，凭证缓存最长 1 小时。此外，手册明确了三种归因机制：应用推理配置文件适用于稳定团队；项目与工作区服务于 bedrock-mantle 端点；IAM 委托人归因通过会话标签实现，覆盖所有模型，是 bedrock-runtime 推荐的主机制。模型调用日志记录至 CloudWatch Logs 或 S3，CUR 归因存在约 24 小时滞后，结合 OpenTelemetry 可实现分钟级监控。
在执行与优化层面，手册提供了分层策略。AWS Budgets 提供阈值警报，OpenTelemetry 填补数据间隙，适用于直接调用 Bedrock 的工具，但无法硬性阻止支出。AWS Lambda 聚合器通过 DynamoDB 统计每用户 Token 和美元计数器，超阈值时将其身份加入共享 IAM 拒绝策略，执行完全基于 IAM，推理路径无第三方组件，但策略更新需数秒至数分钟生效。网关组件位于推理数据路径，同步执行预算，超限时返回 HTTP 429，提供亚秒级阻止及速率限制。对于混合工作负载，推荐通过 Amazon ECS on Fargate 运行的 LiteLLM 参考架构。优化核心是模型路由，将常规任务下移至更小更便宜模型，复杂推理保留高质量模型，目标使代理编码集群中超过半数调用落在更便宜模型上。
影响分析
对于中文开发者与企业架构师而言，该手册提供了从技术底层到财务合规的完整参考系，直接影响 AI 基础设施的建设标准。首先，它明确了 FinOps 与平台工程的职责边界，要求企业在引入生成式 AI 之前建立 IAM 标签体系与 CUR 2.0 数据管道，避免事后成本归因困难。其次，针对 LLM 网关的会话管理策略，要求重构身份验证流程，将用户身份与会话名绑定，这增加了安全与合规层面的实施复杂度，但解决了大规模并发下的成本追溯痛点。第三，模型路由策略意味着开发者需重新设计应用逻辑，区分任务复杂度并调用不同规格的模型，这将改变现有的“大模型通吃”架构模式，推动精细化成本控制。最后，亚秒级阻断机制的引入，使得预算控制从“事后审计”转变为“实时拦截”，对高成本敏感型业务至关重要，但也要求平台具备实时数据处理能力。
适用边界
本手册策略主要适用于基于 AWS 生态构建的生成式 AI 应用，尤其是使用 Amazon Bedrock 及 Anthropic Claude 模型系列。对于非 AWS 云平台、使用开源模型或自建推理集群的企业，其 IAM 归因逻辑、CUR 数据管道及网关组件架构不适用。此外，AWS Budgets 无法硬性阻止支出的特性意味着该方案不适合对成本控制有“零容忍”要求的场景，需依赖网关或 Lambda 策略实现硬阻断。文中提到的 2026 年 10 月定价数据及 TTL 缓存费率仅适用于美国东部地区，其他区域的成本结构可能存在差异，不可直接套用。
孤本观察
编辑判断认为，AWS 将 AI 成本管理从单纯的“云资源监控”升级为“行为逻辑控制”，标志着生成式 AI 基础设施进入精细化运营阶段，核心在于通过 IAM 会话标签与模型路由实现成本的可预测性。
常见问题
LLM 网关场景下，如何通过 AWS STS 解决成本归属失效问题？
建议采用每小时每用户调用一次 AWS STS 的会话管理策略，将用户身份设为角色会话名，凭证缓存上限为 1 小时。
Claude Sonnet 4.6 和 Haiku 4.5 在美国东部地区的缓存读取费率是多少？
截至 2026 年 10 月，Claude Sonnet 4.6 和 Haiku 4.5 的缓存读取费率为基础输入成本的 0.1 倍。
AWS Budgets 和网关组件在成本控制执行上的主要区别是什么？
AWS Budgets 仅提供阈值警报，无法硬性阻止支出；网关组件在数据路径同步执行，超限时返回 HTTP 429，提供亚秒级阻止。
模型路由优化策略的具体目标是什么？
将样板代码、Linting 等常规任务下移至更小模型，目标是让代理编码集群中超过半数调用落在更便宜模型上。
激活成本分配标签 API 后，成本数据多久可在 AWS Cost Explorer 中可见？
激活成本分配标签 API 后，调用者 ARN 等数据在 24 至 48 小时内可见。