第二部分：使用Amazon Athena和CUDOS进行Amazon Bedrock成本归因
摘要
本文是AWS官方博客第二部分，介绍如何通过Athena和CUDOS将Amazon Bedrock的粒度成本归因数据可视化，并给出CUR 2.0配置、查询示例与仪表盘使用指南。
核心要点
- 通过勾选Include caller identity (IAM principal) allocation data，CUR 2.0导出会填充line_item_iam_principal列及iamPrincipal/前缀标签。
- 启用IAM principal数据会使CUR文件增大，因为使用量按每个IAM principal拆分为多行，需规划S3存储并考虑生命周期策略。
- 首次CUR 2.0报告交付可能最长需要24小时。
- 本文提供三个逐步完善的Athena查询模式，如按IAM principal和usage type汇总成本和令牌数。
- 可通过克隆github.com/aws-samples/sample-cur-iam-principal-bedrock-tracking仓库，配合Claude Code等AI助手自动完成Athena连接。
原文佐证
- This feature automatically traces every inference request back to the IAM principal that made the call.
- Enabling IAM principal data increases CUR file sizes because usage that was previously a single row is now expanded into multiple rows, one for each IAM principal that contributed to the usage.
- It may take up to 24 hours for AWS to deliver your first CUR 2.0 report to the S3 bucket.
AI 洞察
成本归因的精细化让企业能将AI支出精确到个人或应用，这标志着云AI服务进入可治理阶段。未来，成本可见性将成为企业选择模型和工具的关键因素，推动AWS等云厂商进一步完善可观测性生态。此教程也反映出AI成本管理正在从‘黑盒’变为‘白盒’，为财务和工程团队带来新的协作模式。