Amazon Bedrock 新增零埋点成本归因与按用户用量控制
Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock
在 Bedrock 上跑内部 AI 工具的团队可以看看：不用写埋点代码，靠 session tags 和 CUR 2.0 就能把每次推理调用算到具体人头，还能设每用户用量上限。共享 API key 算不清谁花钱的问题直接解决了。
AWS 官方博客介绍了在 Amazon Bedrock 上做成本归因的方法：每次推理调用无需任何埋点，即可追溯到发起调用的 IAM 主体。文中演示了通过 IAM Identity Center、会话标签（session tags）和 CUR 2.0（Cost and Usage Report）把 Bedrock 成本分摊到具体用户。
实现路径是让开发者工具或生产力工具以某个 IAM 身份调用 Bedrock，并在会话中携带用户身份标签；CUR 2.0 按标签拆分账单，管理员即可看到每个用户消耗的 token 和对应费用。在归因基础上，文章还展示了如何对单个用户设置用量上限，防止个别成员的成本失控。
对在 Bedrock 上运行内部 AI 工具的企业来说，这套机制解决了共享 API 凭据导致成本无法分摊的问题，也便于按部门或团队做预算管理。相比自建日志统计调用方的方案，零埋点归因降低了接入成本。
Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock
Amazon Bedrock provides built-in, zero-instrumentation cost attribution that traces every inference call back to the IAM principal that made it. This post shows how to attribute per-user Bedrock costs for AI developer and productivity tools using IAM Identity Center, session tags, and CUR 2.0, and how to enforce per-user usage limits.
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Amazon Bedrock、AWS、成本管理、MCP/工具，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始信息发布自一手权威信源「AWS Machine Learning Blog」（Tier-1 一手发布），具备高确定性参考价值。