人工智能
Amazon Bedrock 上 AI 开发者与生产力工具的成本归因与控制Amazon Bedrock 提供内置、零埋点的成本归因,可将每次推理调用追溯到发起调用的 IAM 主体。身份信息随组织标签一同流入 AWS 成本与使用报告(CUR 2.0)和 AWS Cost Explorer,同时数据始终保留在 AWS 安全边界内。本文介绍如何利用这些能力回答每位 FinOps 和 AI 平台负责人在 AI 工具采用规模扩大时都会提出的三个问题:真实的单用户成本是多少?哪些团队产生的支出最多,这些支出是否与其交付的价值相关?明年的预算应如何随人员规模和采用率扩展?
无论调用来自哪种 AI 编码或生产力工具,该方法都同样适用。Claude Code、Claude Desktop、OpenAI Codex、ChatGPT Work 和 OpenCode 均通过以下两个推理端点之一调用 Amazon Bedrock: bedrock-runtime 或 bedrock-mantle,而 Bedrock 的归因机制在端点层运行,位于任何工具特定逻辑之下。你只需配置一次身份传播,所有通过 Bedrock 路由推理的工具都会自动继承按用户的成本可见性。
阅读完本文后,你将完成以下配置:AWS IAM Identity Center 与外部身份提供商集成以实现按用户归因;会话标签(团队、成本中心)流入 CUR 2.0;用于持续成本可见性的 Amazon Athena 查询和仪表板方案;以及对 Bedrock 原生用量控制以强制执行支出限额的清晰理解。
Amazon Bedrock 归因的工作原理
Amazon Bedrock 会记录每次推理调用方的 IAM 身份,无需对你的 API 调用做任何更改。当用户通过 bedrock-runtime 或 bedrock-mantle 端点调用模型时,Bedrock 会捕获调用方的完整 IAM ARN(包括联合用户的会话名称),并将其发布到 CUR 2.0 的 line_item_iam_principal 列中。在账单数据中,用量按主体和用量类型在每个导出间隔内聚合:按小时导出时为一小时,按天导出时为一天。CUR 不包含单次请求成本。如需逐提示词明细,请使用模型调用日志或请求元数据标签。
可选地,你可以为 IAM 主体附加标签,或在联合身份验证期间传递会话标签,以增加组织维度。这些标签会以 iamPrincipal/ 前缀出现在 CUR 2.0 中,并在 Cost Explorer 中作为可筛选维度出现。该机制支持四种访问模式:IAM 用户、按应用划分的角色、联合身份,以及代理到 Bedrock 的大语言模型(LLM)网关。四种模式的对比请参阅 Introducing granular cost attribution for Amazon Bedrock。本文采用联合身份模式,这自然契合每位开发者或知识工作者单独进行身份验证的 AI 编码与生产力工具场景。
除 IAM 主体跟踪外,Amazon Bedrock 还提供其他归因机制,组织可根据需要叠加使用(对比见附录 A)。借助 Application Inference Profiles,你可以在 bedrock-runtime 端点上按工作负载标记支出。借助 Projects and Workspaces,你可以在 bedrock-mantle 端点上隔离并标记支出。按请求的元数据标签可在模型调用日志中提供逐提示词的 token 级明细,适用于需要比 CUR 2.0 按导出间隔、按用量类型聚合更细粒度的工作负载。你可以组合使用这些机制,例如,在账单上使用 IAM 主体归因获得按用户的美元金额,同时在日志中使用按请求的元数据标签获得逐提示词明细。具体选择取决于你的目标(参见 Track usage and costs in Amazon Bedrock).
归因难题
这些开发者与生产力工具运行在每位用户的机器上,直接调用 Amazon Bedrock,或通过 LLM 网关调用。用户通过代入共享 IAM 角色进行身份验证,因此每次 API 调用在账单中都显示为 assumed-role/<role>/<session-name> 。如果每位用户都以相同的固定会话名称代入该角色,或调用通过网关自身的角色进行,CUR 会将支出聚合到单一主体。使用 IAM Identity Center 时,会话名称即用户的登录名,因此每位用户都有各自的主体。你还可以通过会话标签(团队、成本中心、项目)进一步丰富信息。这些字段会流入 CUR 2.0 的 line_item_iam_principal 列和带 iamPrincipal/ 前缀的成本分配标签,使按用户支出可与美元金额一同查询,且无需对 Bedrock API 调用做任何更改。
Claude Platform on AWS 和 Claude for Enterprise 通过 Anthropic 管理的基础设施路由推理。对于 Claude Platform on AWS,用量可在 Anthropic 管理控制台中按工作区和 API 密钥查看,工作区标签会流入 AWS 账单。对于 Claude for Enterprise,按用户用量可在 Anthropic 管理控制台和 Usage and Cost API 中查看。支出限额由 Anthropic 原生强制执行。
先决条件
开始之前,请确保你具备:
- 一个 AWS 账户 ,具有访问你打算使用的 Bedrock 模型的 IAM 权限。
- 在你的管理账户中已启用 AWS IAM Identity Center 。
- 具备 SCIM 预配能力的外部身份提供商(Okta、Microsoft Entra ID 或 Ping Identity)。
- 在开发者机器上配置好 AWS CLI v2 。
- 已启用包含 IAM 主体数据并交付到 S3 存储桶的 AWS 成本与使用报告 (CUR 2.0)。
- 已从管理(付款人)账户激活成本分配标签 。
- 已配置用于查询 CUR 2.0 数据的 Athena 表(参见 GitHub 示例 以开始使用)。
第 1 步:将 IAM Identity Center 与外部 IdP 集成
在 AWS IAM Identity Center 中将外部身份提供商配置为身份源。导航到 IAM Identity Center → Settings → Identity source → Change identity source。选择“External identity provider”,并与你的 IdP 配置 SAML 2.0 或 SCIM 连接。启用 SCIM 预配以自动同步用户和组,包括团队和部门等组织属性。
配置会话标签的属性映射 导航到 Settings → Attributes for access control。将 IdP 的组织属性映射到会流入 CUR 2.0 的会话标签。这些属性会作为会话标签(aws:PrincipalTag/Team, aws:PrincipalTag/CostCenter)传播到用户发起的每一次 API 调用,包括通过 bedrock-runtime 和 bedrock-mantle 端点进行的每一次 Bedrock 调用。
第 2 步:为 Bedrock 访问创建权限集
在 Identity Center 中创建一个授予 Bedrock 调用访问权限的权限集。每个用户都会在该权限集内获得自己的会话。这是按用户归因的基础。具体的 IAM 操作取决于该工具调用的是哪个 Bedrock 端点。
调用 bedrock-mantle 端点(例如 Codex 和 ChatGPT Work)的工具需要 bedrock-mantle:CreateInference 以及限定到 Project 资源的相关操作。调用 bedrock-runtime 端点(例如 Claude Code 和 Claude Desktop)的工具需要 bedrock:InvokeModel 和 bedrock:InvokeModelWithResponseStream ,并限定到相关的基础模型或推理配置文件 ARN。如果你的组织在两个端点上使用工具,可以将两者合并到单个权限集中。
{
"Statement": [
{
"Sid": "BedrockMantleAccess",
"Effect": "Allow",
"Action": [
"bedrock-mantle:CreateInference",
"bedrock-mantle:CountTokens"
],
"Resource": “arn:aws:bedrock-mantle:::project/”
},
{
"Sid": "BedrockModelAccess",
"Effect": "Allow",
"Action": [
"bedrock:InvokeModel",
"bedrock:InvokeModelWithResponseStream",
"bedrock:ListInferenceProfiles",
"bedrock:GetInferenceProfile"
],
“Resource”: [
“arn:aws:bedrock:::inference-profile/“,
“arn:aws:bedrock:::application-inference-profile/“,
“arn:aws:bedrock:::foundation-model/”
]
}
]
}
注意: 这些资源模式只是起点。请将它们收窄到你批准的特定推理配置文件和 Project。将此权限集分配给你的 IdP 同步过来的相关组。策略变更即时且全局生效,审计通过 AWS CloudTrail 集中进行并带有每个用户的身份,用户不会获得长期 AWS 凭证。
第 3 步:配置用户工作站
用户只需配置一次 AWS CLI 配置文件,无需自定义脚本、凭证助手或浏览器自动化。以下 ~/.aws/config 条目用于建立 SSO 会话:
[profile bedrock]
sso_session = corp
sso_account_id = 111122223333
sso_role_name = BedrockDeveloperAccess
region = us-east-1
[sso-session corp]
sso_start_url = https://your-org.awsapps.com/start
sso_region = us-east-1
sso_registration_scopes = sso:account:access
用户通过运行 aws sso login --profile bedrock进行身份验证,这会打开浏览器、通过 IdP 完成身份验证,并在本地缓存凭证。AWS CLI 和 SDK 会自动刷新访问令牌,直到 IAM Identity Center 会话结束(默认 8 小时)。配置会话时长时的核心权衡在于安全态势与运维便利性之间。
第 4 步:将工具指向 Amazon Bedrock
每个 AI 工具只需进行标准配置更改即可将推理路由到 Bedrock。由于 Bedrock 归因在端点层运行,因此无需针对特定工具进行埋点。工具使用第 3 步中建立的 AWS 凭证链进行身份验证,Bedrock 会自动捕获调用方身份。
Claude Desktop 从操作系统原生的托管偏好设置中读取第三方推理设置(/Library/Managed Preferences/com.anthropic.claudefordesktop.plist 位于 macOS, HKLM\SOFTWARE\Policies\Claude 位于 Windows)。在应用内窗口(Developer → Configure Third-Party Inference)中编写一次配置,然后选择 Export 以生成用于移动设备管理(MDM)系统的 .mobileconfig 或 .reg 。若需按用户归因,请使用应用内 AWS 登录,每个用户在应用程序内针对 IAM Identity Center 进行身份验证,设备上无需 AWS CLI:
inferenceProvider bedrock
inferenceBedrockRegion us-east-1
inferenceBedrockSsoStartUrl https://your-org.awsapps.com/start
inferenceBedrockSsoRegion us-east-1
inferenceBedrockSsoAccountId 111122223333
inferenceBedrockSsoRoleName BedrockDeveloperAccess
inferenceModels ["us.anthropic.claude-sonnet-5","us.anthropic.claude-opus-5"]
配置在启动时读取。用户必须退出并重新打开应用程序。如果开发者已运行 AWS CLI v2,请改为设置 inferenceBedrockProfile ,应用会为他们运行 aws sso login 。
Claude Code CLI 读取标准 AWS SDK 凭证链,包括 SSO 配置文件。如果设置了 AWS_BEARER_TOKEN_BEDROCK ,Claude Code 会使用该密钥进行身份验证,而不使用凭证链,因此调用会归因到该密钥背后的 IAM 用户。当你希望按用户 SSO 归因时,请禁用它。
在设置文件中设置 awsAuthRefresh ,以便在凭证过期时自动重新进行身份验证:
{
"awsAuthRefresh": "aws sso login --profile bedrock",
"env": {
"CLAUDE_CODE_USE_BEDROCK": "1",
"AWS_PROFILE": "bedrock",
"AWS_REGION": "us-east-1"
}
}
在批量部署前固定模型版本,以免新版本改变用户调用的内容:
export ANTHROPIC_DEFAULT_OPUS_MODEL='us.anthropic.claude-opus-5'
export ANTHROPIC_DEFAULT_SONNET_MODEL='us.anthropic.claude-sonnet-5'
Codex 和 ChatGPT Work 读取 ~/.codex/config.toml。桌面应用和 CLI 都使用相同的配置层。对于 bedrock-mantle 端点:
model_provider = "amazon-bedrock"
model = "openai.gpt-5.6-sol"
[model_providers.amazon-bedrock.aws]
region = "us-east-1"
对于 bedrock-runtime 端点,请使用推理配置文件 ID:
model_provider = "amazon-bedrock-runtime"
model = "us.openai.gpt-5.6-sol"
web_search = "disabled"
为两个端点都在环境中设置 AWS_PROFILE 。对于桌面应用,请将环境变量放在 ~/.codex/.env 中,因为桌面应用程序可能不会继承 shell 环境变量。如果设置了 AWS_BEARER_TOKEN_BEDROCK ,Codex 会在 SSO 配置文件之前使用它,调用会归因到该 API 密钥背后的 IAM 用户。当你希望按用户 SSO 归因时,请取消设置它。
第 5 步:在 CUR 2.0 中启用成本归因
在 AWS Billing Console(Billing → Data Exports → Create export)中,将交付配置到 S3,采用 Parquet 格式,粒度为每小时或每天。选择“Include caller identity (IAM principal) allocation data”以填充 line_item_iam_principal 列。Bedrock 的 IAM 主体成本跟踪对 bedrock-runtime 和 bedrock-mantle 端点均有效。
在管理账户中创建导出可捕获所有账户的 Bedrock 使用情况。如果你在 IAM 主体归因功能推出之前创建了 CUR 2.0 数据导出,则必须创建一个选择了调用方身份选项的新导出。
在用户登录并至少发起一次 Bedrock 调用后激活成本分配标签。标签只有在主体发起调用后才会出现在 Billing 中。在管理账户中,打开 Billing → Cost allocation tags,按类型 IAM principal 筛选,并激活 Team 和 CostCenter:
aws ce update-cost-allocation-tags-status \
--cost-allocation-tags-status TagKey=Team,Status=Active
aws ce update-cost-allocation-tags-status \
--cost-allocation-tags-status TagKey=CostCenter,Status=Active
最多允许 24 小时让标签出现,最多 48 小时在 CUR 2.0 和 Cost Explorer 中看到它们。激活不具有追溯性。Bedrock 分别计量和计费输入、输出、缓存读取和缓存写入令牌。一个 IAM 主体下一小时的活动通常会产生四行 CUR 记录。
第 6 步:使用 Amazon Athena 查询成本数据
一旦 CUR 2.0 交付到 S3 并配置了 Athena 表,就可以按你所需的粒度查询使用情况和成本。以下查询提取按用户成本:
SELECT
regexp_extract(line_item_iam_principal, 'assumed-role/[^/]+/(.+)$', 1) AS user_name,
line_item_usage_type,
SUM(line_item_unblended_cost) AS total_cost_usd,
SUM(line_item_usage_amount) AS usage_units
FROM cur_table
WHERE line_item_product_code IN ('AmazonBedrock', 'AmazonBedrockService')
AND line_item_iam_principal IS NOT NULL
AND line_item_line_item_type = 'Usage'
AND billing_period = '2026-09'
GROUP BY 1, 2
ORDER BY total_cost_usd DESC;
按成本中心查看每日支出趋势:
SELECT
DATE(line_item_usage_start_date) AS usage_date,
element_at(tags, 'iamPrincipal/CostCenter') AS cost_center,
SUM(line_item_unblended_cost) AS daily_cost_usd
FROM cur_table
WHERE line_item_product_code IN ('AmazonBedrock', 'AmazonBedrockService')
AND line_item_iam_principal IS NOT NULL
AND line_item_line_item_type = 'Usage'
AND billing_period = '2026-09'
GROUP BY 1, 2
ORDER BY 1, daily_cost_usd DESC;
Athena 按扫描的数据量收费。列式 Parquet 和 billing_period 过滤器可让查询保持低成本。
第 7 步:可视化
AWS Cost Explorer 无需任何设置。标签激活后即可按标签分组。AWS Quick Sight 连接到 Athena,提供交互式仪表板,并具备异常检测功能,可在支出出现意外峰值时发出警报。你可以与 CUDOS dashboard, 集成,这是一个开源的 Cloud Intelligence Dashboards(CID)框架,可提供详细的成本洞察。带 Athena 插件的 Grafana 可将 CUR 数据渲染为时间序列,与现有基础设施指标并列展示。
实施按用户使用控制
一旦通过 CUR 2.0 中的 IAM 主体归因建立了按用户的成本可见性,组织就需要执行机制来帮助防止不受控的累积。目前存在多种方法,每种方法都在执行延迟与运维复杂性之间进行权衡。
带预算操作的 AWS Budgets 是最轻量的选项,无需自定义基础设施。设置按 IAM 主体标签筛选的预算阈值,并附加一个操作(例如应用拒绝策略),在阈值被突破时触发。权衡之处在于:AWS Budgets 每天最多更新三次,而 Bedrock 费用最多可能需要 24 小时才会出现在账单数据中,因此高频用户最多可能超支一天,执行才会生效。
Amazon CloudWatch 告警和 AWS Lambda 利用 Bedrock 原生的 CloudWatch 指标(InputTokenCount, OutputTokenCount, Invocations)提供近乎实时的执行,并按模型 ID 或推理配置文件进行筛选。执行延迟降至 1–5 分钟。要通过此方法获得用户级粒度,请使用应用程序推理配置文件或按用户角色。
基于 Amazon DynamoDB 的配额跟踪 在身份验证层执行限制。Lambda 函数在 DynamoDB 中递增按用户的令牌计数器,并在超过限制后暂不发放凭证。执行在下次凭证刷新时生效,而非针对单个 API 调用,但消除了基于预算的方法固有的账单数据滞后。
LLM 网关代理 可对 Bedrock 模型和 SDK 工作负载实现按调用阻断,代价是运维复杂性最高,且每个请求都会增加延迟。参见 多提供商生成式 AI 网关.
组织通常会叠加使用这些选项:CUR 2.0 用于报告,网关或基于 DynamoDB 的执行用于实时控制,AWS Budgets 作为兜底。完整参考请参见 如何限制 Amazon Bedrock 的使用量和成本.
结论
Amazon Bedrock 的 IAM 主体归因可为每个通过 Bedrock 路由推理的 AI 开发者和生产力工具提供按用户的成本跟踪,无需自定义凭证脚本、按用户 IAM 角色或额外基础设施。用户使用 aws sso login进行身份验证,这与他们访问其他 AWS 服务所用的流程相同,每次 Bedrock 调用都会自动将其身份带入账单数据。
每个组件都可以逐步采用。首先将你的 IdP 连接到 Identity Center,并分配一个 Bedrock 权限集,以立即在 CloudTrail 中获得会话级归因。激活成本分配标签,以便在 CUR 2.0 中呈现这些数据。随着报告需求的增长,添加 Athena 查询和仪表板。根据组织对执行延迟的容忍度,叠加使用控制措施,从 AWS Budgets 到实时网关执行。
无论你的组织今天采用或明天新增哪些 AI 工具,本文所述的归因和控制机制都在 Bedrock 平台层运行。配置一次,每个调用 Bedrock 的工具都会继承这套治理。