资讯概览

AWS 发布使用 Amazon Bedrock application inference profiles 追踪部门级生成式 AI 成本的方案。许多企业让人力、财务和IT通过同一个应用与同一基础模型交互，所有用量最终只显示为一条账单，无法进行团队预算、成本分摊或异常识别。推理配置文件相当于包裹在模型外的可标记入口，应用根据已登录用户所属部门把请求路由到对应配置文件，再由 Cost Explorer 按 Team 等成本标签汇总。

技术细节

实施步骤包括为每个团队创建指向同一模型的应用推理配置文件、添加区分大小写的成本标签、在账单管理中激活标签，并把应用调用的 modelId 改为配置文件 ARN。模型本身和调用身份可以保持不变，因此不必为每个部门创建独立IAM用户。官方说明通过配置文件调用不会增加额外的单位Token费用，但成本数据通常需要24至48小时才会出现在 Cost Explorer。权限上需要分别控制创建配置文件、标记资源、调用模型和读取成本数据。

行业影响

AI成本从试验阶段进入规模化后，按部门可见是预算治理基础。它能帮助管理者发现某个团队用量突然增加、设置预算提醒或比较不同业务的单位价值。不过成本归属不等于价值衡量：一个团队花费较高可能因为承担更复杂任务，也可能因为提示低效或重复失败。配置文件只记录调用费用，员工审查、返工、数据管道和运维成本仍需另行统计。

阅读与使用建议

企业应统一标签命名和责任人，避免 Team、team 等不同键造成报表分裂。上线前确认所有调用确实使用配置文件 ARN，并为未标记的直接模型调用设置告警。费用出现后结合请求量、成功任务和人工节省时间分析，而不是简单按Token排名团队。删除配置文件会立即影响使用其ARN的应用，清理前必须先完成流量迁移。本文依据 AWS 官方架构博客整理，区域和模型支持以控制台为准。