问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，亚马逊云科技（AWS）宣布对旗下数据导出服务AWS Data Exports的账单数据字段进行标准化升级，重点覆盖生成式AI算力、大模型调用等AI相关资源消费维度。该功能落地后可大幅降低企业AI治理环节的工程投入，无需额外开发即可完成多维度AI成本分摊与风险管控，目前已向全球所有商用区域用户开放。
随着生成式AI在企业侧落地进入深水区，AI成本核算正成为不少IT运维团队的核心痛点。由于AI算力调度、第三方模型调用、自研模型训练等消费链路分散在不同的云服务模块中，多数企业需要投入专门的开发资源打通不同账单端口，才能完成准确的成本核算与资源优化，部分中大型企业的AI成本核算相关投入甚至占到AI总运维成本的20%。
2024年全球企业在生成式AI相关资源上的投入将突破1500亿美元，但行业调研显示，其中近30%的支出因为缺乏统一核算标准被浪费：要么是GPU实例闲置没有及时关停，要么是大模型调用的不合理请求没有被及时拦截，而缺乏统一的账单数据口径是企业无法快速识别这类浪费的核心原因。此前多数云厂商的AI相关账单分散在不同产品模块下，字段定义不统一，企业需要投入大量人力做数据清洗才能使用。
本次AWS推出的升级，核心是对AWS Data Exports中的账单数据字段做了统一归一化处理，打通了EC2算力实例、Bedrock大模型服务、SageMaker机器学习训练平台等多条产品线的消费数据口径。本次升级覆盖了超过90%的企业常用AI资源消费类目，包括GPU实例的按时长计费、大模型的按Token调用计费、训练数据集的存储计费等全部主流AI消费场景。官方测试数据显示，该功能落地后可将企业AI成本分析的前期工程工作量降低70%以上，中小企业甚至可以直接用导出的账单数据完成成本核算，不需要额外的开发投入。
本次升级也释放出明确的行业信号：云厂商在AI领域的竞争已经从早期的算力供给、模型生态搭建，向后端的全生命周期治理环节延伸。此前微软Azure、谷歌云也在2024年先后推出了各自的AI成本核算工具，支持企业自动拆分不同部门的AI资源消费、识别不合理支出。未来围绕AI成本管控、安全合规、性能优化的治理服务能力，将成为头部云厂商争夺中大型企业客户的核心竞争力。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号