执行摘要 Executive Summary
Envision Group
AWS 主要云平台
~500 云用户
2026年4月账单
12个月云费用趋势 vs 预算
云成本总览 Cloud Cost Overview
按 AWS 服务费用分布（当月）
按团队/业务线费用分布
按环境费用分布（Prod/Staging/Dev/QA）
近6月按服务费用变化趋势
计算资源 Compute — EC2 / EKS
EC2 CPU 利用率分布（实例数量）
计费模式：Reserved vs On-Demand vs Spot
超配实例列表（CPU 利用率 < 20%）— 建议 Rightsize
| 实例 ID | 当前规格 | 环境 | CPU 利用率 | 内存利用率 | 月费用 | 建议规格 | 预估节省/月 | 状态 |
|---|
数据库资源 Database — RDS / Aurora
RDS 实例 CPU 利用率（%）
RDS 费用结构
空闲数据库实例（利用率 < 5%，连续30天）
| 实例 ID | 数据库引擎 | 实例规格 | 环境 | CPU 利用率 | 月费用 | 建议操作 |
|---|
非生产环境不必要的 Multi-AZ 配置（建议关闭）
| 实例 ID | 数据库引擎 | 环境 | 当前月费 | 关闭 Multi-AZ 后节省/月 |
|---|
存储资源 Storage — S3 / EBS / Snapshot
S3 存储类分布（TB）
S3 各存储类月费用（$）
未挂载 EBS 卷 & 过期 Snapshot — 可直接释放
未挂载 EBS 卷（Unattached Volumes）
28 卷
总容量：12,400 GB | 月浪费：$3,400
这些卷已与实例分离，持续产生费用但无任何使用。建议核实后删除，年节省 $40,800。
过期 EBS Snapshot（> 90 天未使用）
45 个
总容量：8,900 GB | 月浪费：$890
90天以上未使用的快照，建议建立快照生命周期策略，自动清理过期数据。
网络使用 Network Usage
24小时带宽利用率（%）
网络费用结构（月度，$）
数据传输量（月度）
入站流量 (Inbound) — 免费2.1 TB
出站流量 (Outbound to Internet)48.3 TB
CloudFront 加速流量156 TB
跨区域传输 (Cross-Region)12.4 TB
带宽优化分析
CloudFront 覆盖率（目标 90%）78%
平均带宽利用率（峰值 8.4Gbps）34%
VPC Endpoint 覆盖率（S3/DynamoDB）20%
许可证管理 License Management
各软件许可证利用率（%）
许可证费用占比
许可证明细 — 利用率低于 80% 标红预警
| 产品 | 供应商 | 总席位/实例 | 活跃使用 | 利用率 | 月费用 | 浪费金额/月 | 建议 |
|---|
AI & GenAI 成本管理 2025-2026 新兴领域
⚡ 行业洞察（来源：AWS re:Invent 2025 + CloudZero + FinOps Foundation AI WG）：
单 Token 价格以每年 >10× 速度下降（LLMflation），但每任务 Token 消耗量爆增（Multi-agent workflow 可达 100万+ tokens/次），
导致企业 AI 总支出持续攀升。"Inference Whale" 现象（少数用户消耗海量算力）已成为 FinOps 的新挑战。
AI 服务月费用趋势（$）
AI 费用结构 — 按服务
Token 消耗 — 按团队/应用（M tokens）
GPU 实例利用率（P3/G5 系列）
Inference Whale 识别 — Top 消耗应用（月 Token > 50M）
| 应用/团队 | 使用模型 | 月 Token 消耗 | 月费用 | 占比 | 平均任务类型 | 优化建议 |
|---|
模型选型优化 — 按任务复杂度路由（Model Routing）
最佳实践：任务 → 模型匹配矩阵
| 任务类型 | 推荐模型 | 估算成本 | 当前使用 |
|---|---|---|---|
| 简单 Q&A / 分类 | Claude 3 Haiku | $0.25/M tok | Claude 3.5 Sonnet |
| 代码辅助 | Claude 3.5 Haiku | $1/M tok | Claude 3.5 Sonnet |
| 文档摘要 | Nova Lite | $0.06/M tok | Claude 3 Sonnet |
| 复杂推理/分析 | Claude 3.5 Sonnet | $3/M tok | ✓ 合理 |
💡 通过模型路由优化，预估月节省 $12,400（当前 AI 支出降低约 28%）
AWS re:Invent 2025 最新优化工具
✅ Bedrock 强化微调（RFT）
用小模型替代大模型，精度不降；Nova 2 Lite 微调后可替代 Claude 3 Sonnet
预估推理成本降低 40-60%
用小模型替代大模型，精度不降；Nova 2 Lite 微调后可替代 Claude 3 Sonnet
预估推理成本降低 40-60%
✅ IAM Principal 成本归因（Apr 2026 新功能）
按调用方身份精确拆分 Bedrock 费用到团队/项目
解决"黑盒"AI 费用问题
按调用方身份精确拆分 Bedrock 费用到团队/项目
解决"黑盒"AI 费用问题
✅ Amazon Q Cost Explorer 集成
自然语言查询成本，AI 驱动异常检测和 RI 推荐
FinOps 分析效率提升 >80%
自然语言查询成本，AI 驱动异常检测和 RI 推荐
FinOps 分析效率提升 >80%
FinOps 分析报告 Analysis Report
总优化潜力（含 RI 承诺折扣）
$204,647 / 月
占当月总费用 24.2% | 年化节省：$2,455,764
快速见效（无需RI承诺）
$108,947 / 月
占总费用 12.9%
识别问题数
47 项
涵盖 5 大优化类别
优化建议 & 行动指南 Action Plan
优先级四象限矩阵（影响 × 实施难度）
🔴 高影响 × 低难度（立即行动）
🟠 高影响 × 高难度（重点规划）
🟢 低影响 × 低难度（按需执行）
⚪ 低影响 × 高难度（长期规划）
各类别月度节省潜力（$）
节省来源分布
完整行动计划（按优先级排序）
| # | 行动项 | 类别 | 月节省 | 年化节省 | 实施难度 | 预计时间 | 责任团队 | 状态 |
|---|
总节省摘要
快速见效（0-2周）
$49,267/月
RI承诺折扣（1-4周）
$95,700/月
存储 & 网络优化
$42,900/月
License 优化
$16,780/月
合计优化潜力
$204,647/月
年化 $2,455,764
FinOps Ontology — 知识图谱
7 个实体类
9 类关系
— 节点
— 关系边
参考 FinOps Foundation FOCUS 1.2 / OpenCost
本体模型（Classes & Relations）
语义推理示例：
Action[Buy SP]
→ targets EC2
→ consumed by App
→ tagged "AI/Prod"
→ belongsTo BU[AI]
⇒ 节省 $48.5K/月精确归因到 AI 团队 Prod 环境
节点详情
点击图谱中任一节点查看属性、关系与关联实体。
本体设计参考：
本体设计参考：
- FOCUS 1.2 — FinOps Open Cost & Usage Spec
- OpenCost — Kubernetes 成本归因
- FinOps Framework — Inform/Optimize/Operate
- W3C JSON-LD — 可被 LLM Agent 直接消费