# 深化合作！助力 AI Office 出海赋能全球数亿用户 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：专题演讲 - **Persona**：出海实践者 - **时间信息**：6月23日 | 14:30 - 15:00 - **标题**：深化合作！助力 AI Office 出海赋能全球数亿用户 - **PDF 资料**：无 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：14:30 - 15:00 - **会议类型**：专题演讲 - **面向 Persona**：出海实践者 ### 亚马逊云科技演讲人 - **马競斌**：资深解决方案架构师 ### 客户 / 合作伙伴演讲人 - **张宁**（金山办公（WPS）：金山办公 生态合作部 总经理 ## 二、会议资料 PDF 转录内容 （本场次无 PDF 资料） ## 三、会议回放视频转录内容 大家好 我是来自亚马逊云科技的资深解决方案架构师马競斌 今天会由我和来自金山办公生态合作部总经理张宁张总 一起来为大家带来今天的分享 那么我们分享的题目是深化合作 助力 AI Office 出海 赋能全球数亿用户 那么下面我们有请张总 大家好啊 那个我是张宁 金山办公的生态总经理 和競斌这个合作 尤其是在 ai 这股浪潮一开始之后整个和这个亚马逊云科技 基于这个 Bedrock 我们是非常快速的就在海外推出了我们的这个 ai 产品啊在开始之前呢 先给大家 说一下就是 昨天晚上我还在珠海刚刚接待一个 日本上市公司的这个 一个考察团 来到金山办公 谈到这个 谈到这个合规问题云的问题的时候啊这个日本客户就很关心了啊毕竟是中国产品加上现在中日关系 这样子 那我一说我们是这个基于亚马逊云科技 这个事情 OK 就没有问题了 所以亚马逊云科技在 在我们这个金山办公整个海外的这个征程当中啊是非常重要的一个合作伙伴啊他的 天然跟我们带来的这个信任这个合规这方面这个优势是无与伦比的 好 那我就先给大家简单介绍一下就是 金山办公现在发展的这个一个状况吧 目前来讲呢我们在整个全球的话呢是 6.78亿月活用户这个是 截至去年年底的 然后在中国之外呢现在已经有这个2.45亿用户 所以 呃然后覆盖的是全世界几乎所有的国家啊然后咱们的工程师呢是接近 4000人也占到了 整个金山办公66% 这样的一个 这个规模那金山办公呢成立到现在1988年成立 现在就有38年的历史啊我相信在座的各位啊除了少数这个 可能来自国外的朋友之外啊应该都知道咱们的这个 wps 了现在 那 我想强调一点就是 WPS 现在啊他不仅仅是在中国是这样的一个 国民品牌的一个办公软件 实际上我们在海外的规模也已经相当的大了 呃 在 就金山办公发展这么多年呢我们历经了这个啊这个叫什么这个古法编程时代啊现在 然后传统的互联网的这个时代 然后现在进入这个 ai 的时代 那对于我们来讲呢现在我们的 战略任务是聚焦在 协同啊金山办公的软件呢大家 呃如果没有深入用过可能我们别的一些组件的话呢大家可能还理解的是一个文档编辑的一个这样的工具 实际上在今天金山办公发展到今天的话我们已经是包含 呃邮件、IM、AI、日程管理、会议等等一系列的组件这个是我们的商用产品 叫做 WPS 365 那这一块呢会 就是聚焦协同协作会更多一点 然后人工智能的话呢就像我刚开始说的啊这个 自从那一年这个大模型一发布了之后我们在短短半年之内就已经迅速的在海外和亚马逊云科技合作推出了我们相关的一个 ai 产品 所以这个呃人工智能然后也是我们这个 这几年一个非常非常大的一个这个重点啊 传统办公软件我们不去拥抱 ai 有可能以后都没有办公软件这个说法了是吧大家都在用这个 agent 啊 然后第三个我们的重要目标就是这个全球化在过去 呃五年左右吧五年之前啊我也是一直在负责的是这个国际化的业务 那之前的话呢主要是聚焦在 c端上面那现在的话呢从去年开始啊我们会聚焦在海外的 b端用户上面 我们现在这个日本有 wps japan 在香港新的办公室刚刚呃落成然后接下来还会在新加坡啊以及中东地区都会成立我们的这个啊分公司啊其中最大的历史最悠久的是 wps 日本 这里呢也给大家呃汇报一下就说 其实在今年之前 wps 做的在 ai 方面的工作呢其实呃 可以理解为是左边这张图这个就是 ai 它是 最后这一部分的工作它它是在借助于这个原来这个办公的这种习惯上面啊这个基座上面 ai 帮助大家完成一些啊数据分析啊这个 呃这个文档转写啊类似这样的功能这个大家已经见了很多了 那在去年开始呢我们在 ai 上面我们呃 也做出了一个重大的一个软件或者是叫做 呃 这个革新的这样的一步吧就说 ai 会被放在了中间 呃未来会大量的使用智能体来为这个人机协作 来改变像这个产品我们自己已经内测了很久啊刚刚还给亚马逊云科技的同事展示 就是比如每天我在我的这个 wps 协作里面每天早上 定时9点会有一个我们的智能体 它会整合掉我昨天所有的这个开的会的会议纪要 呃我的邮件我在 im 里面和同事聊天的内容啊以及我的出差日程等等所有的一切 他把我所有的信息联系在一起 他会给我告诉我今天的可能要特别关注哪些事情有哪些事情 昨天我在这个邮件里还没有回复 有哪些审批然后这个审批相关的法律合同这个法务的同事发过来后哪些重点 所以这个呢我是深刻的感觉到啊这个 agent 的这个时代给我自己的办公带来了非常大的一个变化我们也会在7月15号也在上海啊正式发布我们的这个 Comet 这个产品 呃把智能体前移到我们的这个办公的流程当中来 嗯 嗯 好我再说一下全球化就是 wps 的话呢是在这个 2005年就已经在这个推出了我们的海外版本啊 分别获得过这个 App Store 的年度的这个应用以及 Google 的最佳开发者的这样的一个称号啊 然后像现在我们的付费用户呢已经达到这个在海外啊已经达到285万 当然这个数据呢比起国内来讲的会稍微差一点点但是增长的速度是非常非常快的 尤其在东南亚啊这些区域是增长的非常快的 然后我们移动版支持的语种呢呃有46种啊 pc 版的是支持的是20种 那今年的话呢我们也完成了我们海外产品的一个更新现在正在 逐步的上线如果大家有了解就是 wps 产品的话呢也看到我们今年在全球也推出了这个 iPad 上的这样的一个 为平板设计的这样的一个生产力的版本 简单来说就是在平板上的这个办公体验和 pc 是一样的啊所以我们在这一块呢就说 全球化上面是坚定不移的去走而且在先进性上面可以说是算是超过了我们的部分超过了我们的竞品 在这个云生态融合上呢我们和亚马逊云科技有很多的这样的一个合作啊除了这个呃我们现在这个云的这块的部署上呢其实我们是支持公有云 混合云以及私有化它适应不同的用户的这样的一个需求 嗯像我们在亚马逊云科技我们的节点服务这个日本美国啊这个所以我们用到的亚马逊云科技的这个产品服务 包含 ai 都是非常的多的 这个是大概就是我们在全球的目前的一些主要的一些节点的一个分布情况啊 嗯 这就是说这几年以来呀其实大家看得到一个非常强大的一个趋势就是中国企业在往外走我 去年我记得我在海外待的时间可能还不足 不足一个月吧 今年的现在我已经飞了12万公里了就基本上我都在全球啊一方面呢是陪着我们的中国客户 一起出去像我们在国内的这个很强大的这些合作伙伴啊比亚迪也好中国石油或者是这个大的一些国企 也还包含很多这个私营企业啊大量的出海那出海遇到的挑战 其实是非常大的那我们作为一个办公的这样的一个厂商呢也是在帮助这个中国企业在 当地运营的时候这个一些合规的事情在办公软件上合规的事情呢也是一直在和大家一起做这件事情 我下面说一下就是以前那个老黄历 WPS 曾经很自信曾经很辉煌 但是在 ai 的时代来了之后呢我们当时是我可以一会儿就競斌会讲一下就那个时候 我们非常非常的焦虑这个 ai 来了以后大家还要不要这个还要不要这个传统的这种办公方式啊 简单说一下几个帮助中国企业出海也好我们的自己产品的服务也好呢几个大的挑战安全也合规 这是中国企业在出海的时候会踩到的一个 非常非常大的一个坑啊这个坑如果解决不了可能你在海外 赚10年的钱 一个法院判决就就全赔回去了 所以在这方面呢我说为什么我们在海外选择亚马逊云科技 啊这个亚马逊云科技在合规这一块做的真的叫做当时让我们这帮那个叫做从来没有做过最初开始做的没有做过这些海外合规业务 包括 ai 的合规的时候是大开眼界啊发现了很多很多我们需要去整改的东西 然后还有一个呢就是这个跨区域部署啊 N+1 的问题这点我相信我不用赘述了啊以咱们这个亚马逊云科技这个在全球这个节点的数量啊这些还有可用性啊这方面 都是非常都是非常完善的这样的一个服务 最后一点的是这个 Token 的治理 刚刚我还在开会我们在讲这个关于东南亚的时候我们还在讲到一个问题 就是世界上有很多国家可能人均的收入没有那么的高 但他拥抱到 ai 的热情是非常高的 那在这个里面我们如何做到就是啊我们的 Token 的消耗我们的算力消耗能够控制在一些合理的这个范围之内 然后 Token 的这个输出的质量并不会有太大的这些下降啊这方面也是競斌后面会讲技术的东西讲的比我详细啊 所以在这一块上面呢就说 一路走过来和亚马逊云科技已经有差不多十年这样的一个合作历史 其实是在我一直在做国际化的事情这样的深度合作 确实是让我在这个面对这个海外市场这么挑战的时候啊更从容啊 然后啊最后一波我讲一下就是这个是我们自己在这个海外这一部分呢这个和亚马逊云科技 合作业务成果运营成本啊这个是降低了35% 啊那个产品应该叫 SageMaker 是吧 应该是这个啊然后部署的时间是整个提升了三分之一研发的效率提升了30% 然后通过这个亚马逊云科技 我说亚马逊云科技的 AI 大模型就像一个大超市一样啊 这个我们是可以直接调100多种这个大模型 因为根据不同的用户场景我们需要的大模型的能力是不一样的 所以在这一块上面呢啊这个是非常非常方便我们的研发去做 那下面我就把时间啊交给競斌感谢好的 那感谢张总非常精彩的分享 那么下面由我来为大家分享在协助金山办公 AI Office 出海的过程中呢 我们一起合作的一些技术细节 首先呢我们来看一下亚马逊云科技在全球的基础设施是如何助力 AI Office 跨区域快速部署的 那么好呢从这张图上大家可以看到亚马逊云科技有遍布全球的基础设施 那目前呢我们的基础设施涵盖全球39个区域呢英文叫 Region 那包含了一共123个可用区 那每个区域之间呢我们是通过亚马逊云科技自建的400 Gbps 的全球骨干网络相连 那最大程度呢保障了网络的稳定性 那同时呢我们也在全球提供了超过750个边缘站点 那么可以让我们的客户呢把他的业务更贴近自己的终端用户 那终端用户呢可以从最近的边缘站点直接接入亚马逊云科技的全球骨干网络 那么达到更好的用户体验 那同时呢也降低了这个整体的网络访问的延迟 那由于亚马逊云科技在全球的39个区域呢都采用相同的建设标准 那所以呢我们可以为客户提供非常一致的服务体验 那这样呢就消除了这个我们客户通常遇到了在不同的区域使用不同的工具 才会遇到一些这个服务上的差异 那么呢这样的话会影响我们客户创新以及部署的速度 那由我们这完全一致的服务体验呢可以使客户能够更加快速的去做跨 Region 的灾备 以及这个跨 Region 的部署 那可以为客户的整个业务的高可用提供了非常坚实的技术支撑 那么刚才张总也提到的就是在全球业务的发展过程中啊 企业其实面临越来越严峻的这个法律法规的以及数据合规相关的这个法律要求 那么企业呢往往需要在不同的运营区域呢去达成不同的合规要求 那这个如果企业自己去完成所有的这个合规要求相关的合规的要求呢 那会是一个需要投入大量时间以及金钱成本的一个巨大的工程 那么亚马逊云科技在全球的基础设施中其实已经通过了非常多的非常丰富的这个各地的合规的要求 那么这里只是展示了一部分这个比较常见的一部分 那么所以呢我们这样的合规的底层就可以让客户呢更加去专注于自己的业务层和应用层的合规 那么而无需过于担心这个底层基础设施的合规 因为很多合规要求其实对于你底层基础设施啊包括数据中心的硬件啊都是有相关的这个具体的标准的 那这时候呢其实我们的客户呢只需要通过这个自己去持续的构建自己的应用层业务层的合规呢 然后再结合亚马逊云科技提供的我们云基础设施的合规方案中第三方给出的这个合规报告 就可以去通过全球大量的这个合规认证 那么这样呢加速了客户在获得全球不同合规认证的这个速度以及这个加速了 客户的这个海外部署并且呢同时极大降低了客户的成本 那么目前来看呢就是整个的 Agentic AI 的技术栈呢我们可以把它分为五层 从下而上来看的话我们可以分为第一层就是 AI 的基础设施层那这里主要包含了 GPU 跟 AI 的专用芯片 那么第二层呢是模型层那这里主要包含了这个商业模型和开源模型 那第三层呢是数据和知识层那主要包含了像 RAG 像向量数据库等等相关的这个技术 那第四层呢是 Agentic 平台层那这里主要包含了构建 Agentic 平台常用的一些各种的组件 那比如说有像 Runtime 以及像这个 Agent 的记忆等等 那么第五层呢就是 Agent 层那通常包含了这个专用的 Agent 一些垂直领域的 Agent 以及更多我们现在看到蓬勃发展的这个通用的 Agent 比如说像这个编程的 Agent 等等 那么在亚马逊云科技呢其实在每一层都提供了非常全面的服务呢 那能够极大地简化我们的客户的资源投入 那加速了 AI Office 的出海过程中的创新 那么下面我会聚焦于我们合作中这个聚焦于 Bedrock 和这个刚才张总提到的 Token 精细化治理来进行更深一步的分享 那么下面我们来看一下 Amazon Bedrock 如何去赋能 AI Office 的高可用 那其实正如我们之前有讨论的就是当前行业面临的一大挑战的就是如何保障 AI 服务它的稳定性和高可用性 那么 Amazon Bedrock 是通过跨区推理即 Cross-Region Inference 的功能来解决这个问题的 那么什么是 Cross-Region Inference 呢 那 Cross-Region Inference 是我可以通过 Cross-Region Inference 能够把这个对于模型的请求智能的路由到多个亚马逊云科技的 Region 它能够动态地去选择最优的 Region 然后来去处理我们的模型请求 那同时最大化的可以去利用我们的计算资源和模型的可用性 那么它带来四个核心的价值 那首先第一个价值就是提升吞吐量 由于它可以动态调度到多个不同的商业 Region 那么自然而然利用了多 Region 计算的资源能够去更好地应对我们的流量峰值 那么第二个价值是增强了可用性 当单一的区域达到了容量上限的时候 那么自动路由可以自动地把它路由到其他区域 从而避免了服务的不可用 那第三就是并没有额外费用 那 Cross-Region Inference 还是按照我们原区域的 就是你发起这个模型调用区域的 模型调用请求区域的模型的定价去计费 那本身这个功能本身并没有额外的费用 那第四就是它简化了运维 整个的过程中都是由 Cross-Region Inference 这个功能自动去处理的 那我们的客户无需去手工管理 这个各个部署的可以选择的 Region 那由 Cross-Region Inference 会自动去处理它的路由功能 那这里我们可以快速展开一下这个 具体看下它的价格细节 那 Cross-Region Inference 是通过这个 Inference Profile 这个功能 来定义我们可选择的路由的可选的 Region 那么从我们的这个左边来看当一个请求 一个模型请求 它发给这个 Bedrock 服务的时候 那 Bedrock 服务通常会把它自动发送到默认的这个 我们默认的这个区域我们称之为 Region 1 那 Bedrock Cross-Region Inference 会持续的监控我们在 Inference Profile 里 定义的这个 Region 的列表 它的健康性 那如果发现 Region 1 出现了故障 它会自动的重新把请求 通过我们的亚马逊云科技自建的骨干网络 发送到我们备选的这个 我们称之为 Region 2 那从而实现这个模型的这个高可用 OK 那下面我们来看一下在这个 Cross-Region Inference 在安全与最佳实践方面的一些信息 那第一点从数据安全来看的话 那所有的跨区域的调用以及传输 都是通过亚马逊的骨干网络进行传输的 那在传输过程中都是经过加密的 那因此可以极大地保证我们客户的数据安全 那目前刚才讲到的这个 Inference Profile 其实目前有两种模式 第一种叫 Geographic 模式 它的意思是指我们的所有的数据处理 都保持在某一个特定的 Region 保持在特定的地理区域内 那目前比如说像保持在美国 或者说保持在欧盟地区 或者保持在亚太地区 那第二个模式叫 Global 模式 它的意思就是说我们的数据处理 是可以自由的被智能的 分发到全球所有的亚马逊 商业的区域内部 那它目前可以实现大约10% 的成本节省 因为刚才讲到它可以更好的 去充分地利用我们各个 分在全球的计算资源 那除此之外刚才讲到了 其实两种模式都不会产生 然后去进行付费 同时所有的区域的 所有的请求在原区域 就是您发起调用的区域 会通过 会记录到 CloudTrail 的日志 以便您进行后面的审计以及分析工作 那同时 Cross-Region Inference 的功能 它的配额管理 其实是独立于我们单个区域的配额管理 也就是说您的比如说像 Tokens Per Minute 这种 Limit 或者 Requests Per Minute 这种 Limit 那我们的用户可以很直观的通过 我们的 Service Quotas 管理界面 然后去进行相关的管理 那在讨论了 如何帮助 AI Office 实现高可用之后 我们可以来看一下目前企业在 人工智能时代面临的另一个关键的需求 就是 Token 的精细化治理 那目前呢 这个即时有效的 Token 的治理 无疑是 Agentic 业务 成功的核心需求之一 它主要去服务三个主要的目的 那第一个呢 就是衡量业务的价值与 ROI 那其实只有通过精细化的 Token 治理 企业才能去精准的衡量 AI 项目的价值并且计算投资回报率 那这就需要对于所有业务线 Token 使用进行细颗粒度的追踪 那第二个目的是安全与风险管理 那 Token 的治理是非常有助于 及早的发现安全合规风险 以及成本异常的 那第三呢是加速产品的创新 那么通过从不同的 业务线的 Token 使用情况呢 可以获取更深刻的洞察 那可以为我们产品创新呢 去指明新的方向 那我们具体的 在与金山办公的合作中呢 我们提供了一整套 完整的这个 Token 精细化治理的方案 那么下面我可以快速来介绍一下 这个架构的细节 首先我们从这个整个架构的中间 部分来看的话 那么这个是整个大模型 调用的主要的 Workflow 那用户对于用户的业务请求 对于办公的业务请求呢 先通过我们亚马逊的 负载均衡器 然后到达我们亚马逊 亚马逊 EKS EKS 服务上的这个 AI Office 的办公应用 那由办公应用呢 去生成对于这个 Bedrock 这种大模型相关的请求 那么在 Bedrock 模型 LLM 生成那个请求之后呢 把它返回给我们的这个应用层 然后应用层经过后续的加工之后呢 把它返回给最终用户 从而完成了一个完整的这个用户调用的这个流程 那么在这个时候呢 大家可以看到这条线 就是我们的 Bedrock 呢 通过我们的 Bedrock Invocation Logging 的功能呢 一个异步的日志功能 可以把每个请求的详细信息 包括我们的输入的 Prompt 输出的 Response 或者是包括输入输出的 Token 的消耗量 以及我们对于具体的 Cache 使用的情况呢 统一记录到这个 以日志文件的形式 记录到这个指定的 Amazon S3 的存储桶里面 那么这里大家放心 这个 Amazon S3 存储桶呢 是我们客户自己帐户的 那完全是客户拥有相关的数据主权 那么 它的好处是它不会丢失数据 因为在大家可能实际用中的时候 我们如果模型调用链路中发现 比如说超时等等一些异常情况的话 有可能调用 有可能丢失我们这个 Token 的使用 等等相关的数据 那么第二条主要的模块呢 就是我们一些基础日常的这个 Metadata 的更新模块呢 就是我们通过这个 我们无服务的 Serverless 的服务 Amazon EventBridge 以及 Lambda 去每天去获取 我们像模型的价格 以及像我们的 客户内部的 IAM 的身份认证等等 然后把它写入到 以基础信息的方式写入到我们的 S3 里 那么下面有了这些数据信息之后 我们亚马逊的这个数据分析服务 Serverless 的数据分析服务 Amazon Athena 然后呢去建立相关的数据表 Athena 可以直接通过 SQL 的方式 直接从 S3 里去分析获取数据 并且分析数据 那么我们通过 Amazon Glue 里定义的 Athena 的数据表的结构 然后去我们按照这个 年月日来对数据表做分区 那这样的好处呢 是它能确保我们 Athena 这时候呢都是只去扫描我们最新的分区 而不用去做全量的数据扫描 那因为这样可以大大降低数据扫描成本 因为 Athena 呢 它的收费是基于扫描数据量的收费的 那么然后我们可以看到 我们把 Athena 数据作为数据源 传送到我们的这个 Amazon QuickSight 这个一个以 AI 驱动的智能化分析服务里面 那在这里面呢可以去创建 相关的 dashboard 以及相关的报表 那并且我们可以设置定时的这个数据刷新 那这时候呢我们的管理员就可以利用 这个近实时的数据报表 然后去更精细化的去管理 我们 token 的具体的使用情况 然后并且做相关的 token 的管控 那最后一个关键的这个流程在上方 那同样是基于我们这个 S3 的数据 而这个这一数据呢 我们有一条这个链路是持续的 对我们不同业务不同用户使用的 token 情况进行分析 那么它持续的会去跟我们的这个 管理员设定规则 设定的这个 token 阈值进行对比 那么一旦发现我们某个业务 或者某个用户使用的这个 token 超过了我们管理员预设上限之后呢 那它可以直接去触发 操作我们相关的 IAM 的权限 去对这个相关的用户 或者是业务进行的封禁 那这样的话就完成了整个这个 token 管理的闭环 那它有几个核心的优势 那第一个就是高精度 那可以通过这个 Amazon Bedrock Invocation Log 去获取每一条请求的数据 而不会产生数据的遗漏 那并且呢可以做到高时效性 那可以做到近实时的数据更新 那以及那个可以及时发现 这个 token 使用的异常 并且完成 token 的管控 那现在它可以达到分钟级别粒度 那目前记得很多其他方案 也能做到天级别的粒度 那第三个 第三个这个就是它简单可视化 那么通过 Amazon QuickSight 去管理我们的可视化数据 那同时呢它里面提供了 AI 的能力 能够去生成客户定制化的这个洞察 那第四呢就是低成本 那使用刚才讲到的使用 S3 以及这个 Athena 的这个分区能力 可以极大的降低我们使用 存储数据以及查询数据相关的成本 那最后呢就是低运维 那使用像 Lambda 以及 EventBridge 这种 Serverless 服务呢 去构建一个完全的无服务方案 那去免去了我们日常的这个运维管理 工作 那下面我可以快速来看一个 token 那我们可以看到这个界面 就是我们的 Amazon QuickSight 的界面 我们在里面创建了一个 Dashboard 那 Dashboard 里呢 我们主要后面三个部分 第一个是这个月度的使用 然后第二个是我们那个 基于用户以及 基于用户模型维度的使用 使用情况 那这里面我们预设了很多 像我们每这个月的不同用户的 这个使用的实际消耗情况 然后以及不同月份的 这个模型使用的成本的对比等等 那这点是我们预设的 然后并且我们也提供了 这个不同的这个 filter 不同维度 filter 我们的维度更好地去 这个梳理相关的数据 那第二部分呢 我们是做的是这个基于 刚才讲到了基于这个用户 我们的 IAM 身份 以及我们的模型维度 两个维度 然后去显示 详细的这个 token 使用的成本 那包含了比如我们总成本 我们的这个 input 的成本 output 成本以及对应的 相关的这个 它具体使用的 token 总量等等 可以基于我们的这个 IAM 的身份 以及我们的这个 它使用的不同模型 来进行显示 那第三个的部分呢 主要是 显示的是以天为维度的 这个各种的 token 成本信息 包括 token 的这个使用信息 按照国别维度去区分 然后包括我们每日的 token 使用情况 也包含了 也包含了这个不同模型 每日的 token 消耗量 等等这些具体的精细化的信息 然后以及呢 我们这个 每个用户 不同的 IAM 身份 然后使用不同模型 然后使用的这种 token 的详细的信息 以及具体的 token 使用量 好的那以上就是 今天我的全部分享 那么亚马逊云科技 祝大家出海顺利 全球业务蒸蒸日上 谢谢大家