基于云计算的成本风险预警平台

202X演讲人2026-01-14基于云计算的成本风险预警平台01基于云计算的成本风险预警平台02引言：云计算时代的成本管理挑战与预警平台的必然性03核心价值与行业背景：为什么企业亟需成本风险预警平台？04技术架构与核心功能模块：平台如何实现“智能预警”？05关键成本风险识别与预警机制：如何精准捕捉“风险信号”？06实施路径与行业应用案例：从“理论”到“实践”的落地指南07案例1：电商行业——大促成本“零意外”08未来发展趋势与挑战：预警平台的进化方向目录01PARTONE基于云计算的成本风险预警平台02PARTONE引言：云计算时代的成本管理挑战与预警平台的必然性引言：云计算时代的成本管理挑战与预警平台的必然性在数字经济深度渗透的当下，云计算已从“可选项”变为企业数字化转型的“基础设施”。据Gartner数据显示，2023年全球云计算市场规模达6793亿美元，年增长率18.8%，而中国市场的增速更是超过25%，企业上云率已超60%。然而，伴随云资源规模化应用的是“成本失控”的隐忧——某头部互联网企业曾因未建立有效的成本监控机制，单季度云资源浪费超2000万元；某制造企业在混合云架构下，因多云成本数据割裂，导致年度预算偏差率达35%。这些案例揭示了一个核心问题：云计算的“按需付费”模式虽提升了资源灵活性，但也因计量粒度细、变化速度快、成本动因复杂，使传统成本管理方法难以适配。引言：云计算时代的成本管理挑战与预警平台的必然性作为深耕企业成本管理领域十余年的从业者，我深刻体会到：云成本管理的本质，已从“静态核算”转向“动态风控”。企业需要的不仅是“事后算账”的工具，更是“事前预警、事中控制、事后优化”的全周期管理体系。在此背景下，基于云计算的成本风险预警平台应运而生——它以数据驱动为核心，融合云计算、大数据、人工智能等技术，构建覆盖“资源-成本-风险”全链条的智能预警体系，帮助企业实现“降本”与“增效”的平衡。本文将从行业背景、技术架构、核心功能、实施路径及未来趋势五个维度，系统阐述该平台的设计逻辑与实践价值。03PARTONE核心价值与行业背景：为什么企业亟需成本风险预警平台？云计算成本管理的“三重困境”资源弹性与成本可控性的矛盾云计算的核心优势是“弹性伸缩”，但弹性本身是双刃剑：业务高峰期需临时扩容，易产生“按需付费”的高额成本；业务低谷期资源闲置，则形成“沉没成本”。例如，某电商平台在“618”大促期间，计算资源峰值是平时的8倍，若未提前规划，单日云成本可能突破百万；而大促结束后，若未及时缩容，闲置资源将持续产生无效支出。这种“潮汐式”成本波动，对企业的预算编制和成本预测提出极高要求。云计算成本管理的“三重困境”多云环境下的成本“黑箱”问题为避免单一云厂商锁定，超60%的企业采用多云或混合云架构。然而，不同云厂商（如AWS、阿里云、华为云）的计价模型差异显著（如按vCPU、内存、存储IOPS或流量计费），且账单数据格式不统一，导致企业难以跨平台整合成本数据。我曾接触某金融客户，其同时使用3家云厂商服务，财务团队需花费3天时间手工对账，仍无法准确定位成本异常来源——这种“数据孤岛”现象，使成本分析停留在“总量统计”层面，无法深入到“业务单元-资源类型-成本动因”的细颗粒度管理。云计算成本管理的“三重困境”成本风险响应的“滞后性”痛点传统成本管理多为“月度复盘”，即每月生成账单后分析超支原因，但此时成本已发生且无法挽回。例如，某企业的测试环境因开发者未及时释放临时资源，连续3个月产生50万元/月的闲置成本，直至月末财务报表才被发现，此时资源浪费已成定局。这种“滞后响应”模式，使企业始终处于“救火式”成本管控状态，无法实现“防患于未然”。成本风险预警平台的“核心价值”针对上述困境，成本风险预警平台的价值体现在三个维度：-事前：预测性预警通过历史成本数据与业务指标的关联分析，构建成本预测模型，提前识别潜在风险（如“业务增长但成本增速异常”“资源利用率持续低于阈值”），为企业预留应对窗口期。例如，某SaaS企业通过平台预测到“下季度新用户增长30%，但现有服务器容量仅够支撑15%的增长”，提前2个月启动扩容规划，避免了业务中断风险。-事中：实时化监控打破传统“事后核算”的局限，通过API接口实时采集云资源使用数据（如CPU利用率、存储容量、网络带宽）与成本数据，建立“资源-成本”动态映射关系。一旦某类资源成本超阈值（如“某项目存储成本连续3天超预算10%”），系统立即触发预警，并推送优化建议（如“启用存储生命周期策略，自动删除30天未访问的冷数据”），实现“边使用、边优化”。成本风险预警平台的“核心价值”-事后：闭环式优化对比预警前后的成本变化，形成“风险识别-干预措施-效果评估”的闭环管理。例如，某企业通过平台发现“开发环境服务器利用率不足20%”，预警后推动团队实施“资源弹性缩放策略”，单月节省成本40万元，并将该经验沉淀为标准化规则，推广至全公司。04PARTONE技术架构与核心功能模块：平台如何实现“智能预警”？技术架构与核心功能模块：平台如何实现“智能预警”？成本风险预警平台并非单一工具，而是“技术-数据-算法”融合的复杂系统。其技术架构需兼顾“兼容性”（支持多云环境）、“实时性”（秒级数据采集）、“可扩展性”（适配业务增长）。基于行业实践，平台可分为五层架构，每层对应核心功能模块。基础设施层：多云资源接入与数据采集多云适配模块支持接入主流公有云（AWS、Azure、阿里云、腾讯云等）、私有云（OpenStack、VMware）及混合云环境，通过标准化API接口（如CloudWatch、CostManagementAPI）采集资源数据（虚拟机、存储、网络等）与成本数据（账单、分账标签、预留实例使用情况）。例如，针对AWS的“ReservedInstances（预留实例）”，平台可实时获取其购买状态、使用率及折扣率，避免“闲置浪费”或“折扣未充分利用”的风险。基础设施层：多云资源接入与数据采集数据采集引擎采用“实时流处理+批量处理”双模式：实时采集（如每5分钟采集一次资源使用率）用于即时预警，批量采集（如每日账单汇总）用于趋势分析。为解决不同云厂商的数据格式差异，平台内置“数据清洗与转换模块”，将异构数据统一为“资源ID、使用量、单价、成本归属、时间戳”的标准化结构，为上层分析提供“干净”的数据底座。数据层：成本数据仓库与治理多维度成本数据仓库构建基于“标签（Tag）”的成本分账模型，支持按“业务线-项目-产品-部门”等多维度拆分成本。例如，某企业为测试环境资源打上“dev-test-teamA”标签，平台可自动将该资源的成本归集至“研发部-测试团队-A项目”，解决传统成本管理中“资源与责任主体不匹配”的问题。同时，数据仓库支持“时序存储”（保留12个月历史数据），为成本预测提供足够样本。数据层：成本数据仓库与治理数据质量治理模块建立数据校验规则（如“CPU利用率不能超过100%”“成本数据不能为负数”），通过异常检测算法（如3σ原则）识别数据偏差，并触发告警通知运维团队修复。例如，若某云厂商API接口返回的“磁盘使用量”数据持续为0，系统会判断为“数据采集异常”，并自动切换至备用接口采集，确保数据连续性。算法层：风险识别与预测引擎成本风险识别模型基于机器学习算法构建多维风险指标体系，包括：-资源利用率风险：如“CPU连续7天低于30%”“存储容量使用率超90%”；-成本增速风险：如“某项目成本环比增长50%，但业务量仅增长10%”；-计费模式风险：如“预留实例使用率低于60%，导致折扣浪费”；-异常事件风险：如“某地区突发流量导致网络带宽成本激增”。采用“规则引擎+异常检测算法”结合的方式：对明确的风险阈值（如“成本超预算10%”），通过规则引擎直接触发预警；对复杂场景（如“成本波动与业务量非线性相关”），采用孤立森林（IsolationForest）或LSTM自编码器识别异常模式。算法层：风险识别与预测引擎成本预测模型融合时间序列分析、回归模型与深度学习，实现“多场景预测”：-短期预测（1-7天）：基于ARIMA模型预测资源需求，避免“过度扩容”或“资源不足”；-中期预测（1-3个月）：结合业务规划（如新产品上线、大促活动），通过XGBoost模型预测成本趋势，辅助预算编制；-长期预测（6-12个月）：考虑业务增长曲线（如年复合增长率）与云资源扩容计划，构建“成本-业务”联动预测模型。算法层：风险识别与预测引擎根因分析引擎当风险触发时，通过“归因分析算法”定位核心动因。例如，针对“某应用成本超支”，系统可拆解为“服务器数量增加（占比40%）”“CPU单价格上涨（占比25%）”“网络流量突增（占比35%）”，并进一步定位到“开发团队新增2台测试服务器未及时释放”“云厂商上调某区域带宽单价”“营销活动带来用户访问量激增”等具体原因，为干预措施提供精准指向。应用层：预警管理与可视化决策多级预警机制1设置“提醒-警告-紧急”三级预警体系，结合“风险等级”与“影响范围”自动匹配响应流程：2-一级预警（提醒）：风险较低（如“某项目成本超预算5%”），通过企业微信、邮件发送预警通知，附带“成本趋势图”与“优化建议”；3-二级预警（警告）：风险较高（如“核心业务成本超预算20%”），触发告警工单，抄送部门负责人，要求24小时内提交整改方案；4-三级预警（紧急）：风险极高（如“存储成本超预算50%且即将触发配额限制”），自动调用“资源自动缩放API”，临时释放闲置资源，并启动跨部门应急响应会议。应用层：预警管理与可视化决策交互式可视化dashboard提供从“全局-部门-项目-资源”下钻分析功能，支持自定义视图：-全局视图：展示企业整体成本趋势、风险分布（如“闲置成本占比15%，超支成本占比8%”）、云资源利用率热力图；-部门视图：对比各部门成本预算执行率，突出“成本异常部门”（如“研发部预算偏差率达-30%”）；-资源视图：展示单个资源的成本构成（如“某虚拟机成本=计算费用（60%）+存储费用（30%）+网络费用（10%）”），并标记“可优化项”（如“该虚拟机CPU利用率仅15%，建议缩减规格”）。应用层：预警管理与可视化决策自动化优化建议引擎基于根因分析结果，生成可执行的优化方案，包括：-资源优化：如“将4台低规格虚拟机整合为1台高规格虚拟机，降低30%计算成本”“启用自动休眠策略，非工作时间关闭闲置服务器”；-计费模式优化：如“当前按需付费成本为1万元/月，改为1年期预留实例后可降至6000元/月”；-架构优化：如“将本地存储迁移至云存储，节省硬件采购成本”。集成层：与企业系统深度联动平台需与企业现有IT系统、业务系统无缝集成，实现数据与流程的双向打通：-与财务系统集成：通过API对接ERP系统（如SAP、Oracle），自动将云成本数据同步至财务分录，减少手工录入工作量；-与运维系统集成：对接Prometheus、Zabbix等监控工具，将资源优化建议转化为运维任务（如“自动调整虚拟机规格”）；-与业务系统集成：对接CRM、ERP等系统，获取业务规划数据（如“下季度新用户增长目标”），辅助成本预测模型训练；-与DevOps系统集成：在CI/CDpipeline中嵌入“成本合规检查”，如“开发环境资源规格超过标准时，构建任务自动终止”，从源头控制成本。05PARTONE关键成本风险识别与预警机制：如何精准捕捉“风险信号”？关键成本风险识别与预警机制：如何精准捕捉“风险信号”？成本风险预警的核心在于“识别什么风险”与“如何预警”。基于行业实践，需聚焦五大类风险，并建立“动态阈值+场景化预警”的机制。资源闲置风险：识别“沉默的成本杀手”资源闲置是云成本浪费的主要来源，占比达30%-50%（据Flexera2023云状态报告）。典型场景包括：-开发/测试环境资源未及时释放：开发者临时创建的虚拟机、数据库在项目结束后仍持续运行；-超规格配置：业务初期为应对未知流量，配置过高规格的资源，但实际利用率不足；-闲置存储：已归档的历史数据仍保留在热存储中，未转至低成本存储层。预警机制：-利用率阈值监控：设置“CPU利用率<20%且持续24小时”“内存利用率<30%且持续48小时”等阈值，触发闲置资源预警；资源闲置风险：识别“沉默的成本杀手”-生命周期管理：为资源添加“生命周期标签”（如“test-30days-auto-delete”），到期自动释放，并提前3天发送“即将释放提醒”；-成本异常检测：通过孤立森林算法识别“成本下降但资源量不变”的情况（如“某服务器成本突然降低50%，但CPU利用率仍为10%”），判断可能为“计价异常”或“资源闲置”。计费模式风险：避免“折扣浪费”与“计价陷阱”云厂商的计费模式复杂，企业易陷入“计价陷阱”：-预留实例（RI）使用率不足：购买RI后未充分使用，导致折扣未兑现；-SavingsPlans（节省计划）适用范围错误：绑定非适用资源，无法享受折扣；-按需付费与套餐比例失衡：过度依赖按需付费，未利用“套餐包”的批量折扣。预警机制：-RI使用率监控：每日计算RI使用率（“实际使用量/购买量”），低于80%时触发预警，并提示“可释放部分RI或调整绑定资源”；-计费模式优化建议：对比当前计费模式与“最优计费组合”（如“80%RI+20%按需”vs“100%套餐包”），推荐成本更低的方案；计费模式风险：避免“折扣浪费”与“计价陷阱”-价格变动预警：接入云厂商价格变动API，当某类资源价格上涨时，提前30天通知企业并建议“提前锁定价格”（如购买RI）。突发流量风险：应对“业务高峰”的成本冲击业务高峰（如电商大促、节假日活动）会导致云资源需求激增，若未提前规划，易产生“天价账单”：-计算资源不足：扩容不及时导致业务中断，造成损失；-网络带宽超限：突发流量导致带宽费用按“阶梯价”上涨，成本翻倍；-CDN流量激增：未预购CDN流量包，导致按需付费成本过高。预警机制：-流量预测与资源规划：结合历史流量数据（如“双11前3天流量峰值是平时的5倍”）与业务规划（如“今年大促预计新增20万用户”），提前7天预测资源需求，并推送“扩容建议”（如“需增加100台虚拟机，预估成本增加50万元”）；突发流量风险：应对“业务高峰”的成本冲击-实时监控与弹性扩容：大促期间每分钟监控流量峰值，当“带宽使用率超80%”时，自动触发CDN流量包购买或带宽扩容，避免按阶梯价计费；-成本上限控制：为“大促活动”设置“成本上限”（如“单日成本不超过100万元”），一旦超限，自动暂停非核心资源的扩容，并触发人工审批。安全合规风险：平衡“安全投入”与“成本控制”安全合规要求（如数据加密、访问控制）会带来额外成本，且易因配置不当导致资源浪费：-过度防护：为低风险业务配置高等级安全策略，导致资源消耗过高；-合规遗漏：未满足行业合规要求（如金融行业的数据本地化存储），导致“罚款风险”与“重复建设成本”；-安全资源闲置：购买的WAF（Web应用防火墙）、DDoS防护服务未充分使用。预警机制：-合规风险扫描：集成等保2.0、GDPR等合规标准，定期扫描云资源配置，标记“不合规项”（如“数据库未开启加密”），并提示“整改成本”（如“开启加密需新增2台加密服务器，月成本增加1万元”）；安全合规风险：平衡“安全投入”与“成本控制”-安全资源利用率分析：监控WAF、DDoS防护等安全服务的“防护事件次数”“使用率”，低于阈值时建议“降级规格或释放闲置资源”；-成本-合规平衡建议：针对不同业务等级（如“核心业务-一般业务-测试业务”），推荐差异化的安全策略，避免“一刀切”导致的成本浪费。成本预算偏差风险：防止“预算失控”与“资源错配”预算是企业成本管理的“指挥棒”，但云成本的动态性易导致预算偏差：-预算编制不合理：基于历史数据编制的预算未考虑业务增长，导致“预算不足”；-预算执行不透明：各部门超预算支出未及时管控，导致整体成本失控；-预算调整滞后：业务变化后预算未及时更新，影响资源分配效率。预警机制：-动态预算监控：按“日-周-月”维度监控预算执行率，当“日执行率超30%”“周执行率超70%”时触发预警，并提示“剩余预算不足，需调整资源分配”；-预算偏差分析：对比预算成本与实际成本，拆解偏差原因（如“业务量增长超预期”“云价格上涨”“资源闲置”），并推送“预算调整建议”（如“将测试环境预算调拨至核心业务”）；成本预算偏差风险：防止“预算失控”与“资源错配”-滚动预算更新：每月结合实际成本与业务规划，更新未来3个月的滚动预算，确保预算与业务动态匹配。06PARTONE实施路径与行业应用案例：从“理论”到“实践”的落地指南实施路径与行业应用案例：从“理论”到“实践”的落地指南成本风险预警平台的实施需遵循“分阶段、场景化、持续优化”的原则。以下结合不同行业的实施案例，总结可复制的实施路径。实施路径：“五步走”落地策略第一阶段：需求调研与目标定位（1-2个月）-核心任务：梳理企业云资源现状（多云/混合云架构、资源规模、成本结构）、痛点（如“闲置成本高”“预算偏差大”）、业务场景（如“大促、新业务上线”）；-关键产出：《成本风险评估报告》《预警目标清单》（如“6个月内闲置成本降低20%”“预算偏差率控制在10%以内”）；-案例参考：某金融企业在此阶段发现，其测试环境闲置成本占比达35%，主要因开发者未及时释放资源，因此将“测试环境资源自动化释放”列为首个预警目标。实施路径：“五步走”落地策略第二阶段：平台选型或自建（2-3个月）-选型标准：支持多云环境、具备AI预测能力、开放API接口、支持定制化开发；-方案选择：中小企业可优先考虑成熟SaaS平台（如阿里云“成本管理中心”、AWS“CostExplorer”），大型企业或特殊需求场景可考虑自建（基于开源框架如ApacheSuperset+Prometheus）；-案例参考：某制造企业因涉及多云（AWS+华为云）且需对接内部ERP系统，选择自建平台，投入约50万元，定制了“生产资源成本分账”模块。实施路径：“五步走”落地策略第三阶段：数据对接与模型训练（2-3个月）-数据对接：完成与云厂商API、内部系统的对接，确保数据采集的完整性与准确性；-模型训练：基于历史3-6个月成本数据，训练资源利用率预测模型、成本预测模型，并根据业务反馈调整阈值；-案例参考：某电商企业在此阶段遇到“数据采集延迟”问题，通过优化API接口调用频率（从每30分钟改为5分钟）与增加数据缓存节点，将数据延迟从2小时降至5分钟，确保预警的实时性。实施路径：“五步走”落地策略第四阶段：试点上线与迭代优化（1-2个月）-试点范围：选择1-2个成本较高或痛点明显的部门（如研发部、市场部）进行试点；-迭代机制：每周收集用户反馈，优化预警规则（如调整“闲置资源”阈值）、优化建议的精准度；-案例参考：某互联网企业试点时发现，研发团队对“测试环境资源释放”预警存在抵触情绪，后调整为“提前3天提醒+释放前人工确认”的流程，并纳入绩效考核，试点1个月后闲置成本降低40%。实施路径：“五步走”落地策略第五阶段：全面推广与持续运营（长期）-推广策略：通过“培训+案例+激励机制”推动全公司使用（如举办“成本优化大赛”，对节省成本最多的团队给予奖励）；01-持续运营：每月更新成本数据，每季度优化模型（如加入新的业务指标），每年评估平台ROI（如“投入100万元平台成本，年节省成本800万元，ROI达800%”）；02-案例参考：某SaaS企业在全面推广后，建立了“成本优化知识库”，沉淀了100+条优化规则（如“开发环境服务器规格标准”“数据库自动扩缩容策略”），使新员工1周内即可掌握成本优化方法。0307PARTONE案例1：电商行业——大促成本“零意外”案例1：电商行业——大促成本“零意外”01020304-企业背景：某头部电商平台，年GMV超百亿元，业务高峰（618、双11）日活跃用户超5000万，依赖AWS阿里云混合架构；-解决方案：部署成本风险预警平台，实施“流量预测-资源预留-实时监控”三步策略：052.提前购买1年期预留实例（节省30%成本）与带宽套餐包（避免阶梯计费）；-痛点：大促期间计算资源需求激增（峰值是平时的10倍），曾因未提前规划，2022年双11单日云成本超2000万元，且因带宽超限导致部分页面加载缓慢；1.提前2个月基于历史流量数据与业务增长目标，预测双11资源需求（需增加2000台虚拟机、500G带宽）；3.大促期间每分钟监控资源使用率，当“带宽使用率超85%”时，自动触发CDN流06案例1：电商行业——大促成本“零意外”量包扩容；-实施效果：2023年双11期间，云成本控制在1500万元以内（较2022年降低25%），且未发生因资源不足导致的业务中断。案例2：金融行业——合规与成本“双平衡”-企业背景：某区域性银行，业务涵盖核心系统、手机银行、信贷审批，采用私有云+公有云混合架构，需满足等保2.0与金融数据本地化要求；-痛点：为满足合规，核心系统部署在本地数据中心，成本高（年IT成本超2亿元）；同时，公有云上的测试环境存在“过度防护”问题，安全成本占比达25%；-解决方案：部署平台，构建“合规-成本”双维度预警体系：案例1：电商行业——大促成本“零意外”1.集成等保2.0标准，扫描本地数据中心资源配置，标记“不合规项”（如“数据库未开启操作审计”），并提示整改成本；2.对公有云测试环境实施“差异化安全策略”：对低风险测试业务关闭高等级防护，预计节省安全成本30%；3.监控核心系统资源利用率（CPU利用率不足40%），推动虚拟化整合，预计节省硬件成本15%；-实施效果：1年内合规整改成本降低20%，公有云测试环境安全成本降低35%，整体IT成本年节省超1500万元。案例3：制造业——多云成本“一本账”案例1：电商行业——大促成本“零意外”-企业背景：某汽车零部件制造商，全球布局5个生产基地，使用AWS（北美）、阿里云（中国）、Azure（欧洲）多云架构，年云成本超5000万元；-痛点：多云数据割裂，财务团队需手工对3家云厂商账单，耗时3天/月，且无法按“生产基地-产品线”拆分成本；-解决方案：部署平台，实现多云成本统一管理：1.通过API接入AWS、阿里云、Azure成本数据，统一转换为“生产基地-产品线-资源类型”维度；2.设置“生产基地成本上限”（如“北美生产基地月成本不超过800万元”），超限时触发预警；3.分析“跨境数据传输成本”（如中国与欧洲的数据同步费用），建议“将数据存储就案例1：电商行业——大促成本“零意外”近部署至欧洲节点”，节省跨境传输成本40%；-实施效果：对账时间从3天缩短至2小时，成本分账精度达“资源级”，年节省成本超800万元（主要来自跨境传输成本降低与资源闲置优化）。08PARTONE未来发展趋势与挑战：预警平台的进化方向未来发展趋势与挑战：预警平台的进化方向随着云计算与AI技术的深度融合，成本风险预警平台将向更智能、更主动、更集成的方向发展。但同时，企业也需应对技术、管理、安全等多重挑战。未来发展趋势1.AI深度赋能：从“预警”到“自主优化”当前平台已实现“智能预警”，未来将向“自主决策”进化：例如，基于强化学习（ReinforcementLearning）算法，模型可自主生成资源调整策略（如“自动缩减测试环境规格”“动态调整预留实例数量”），并通过A/B测试验证效果，实现“零人工干预”的成本优化。未来发展趋势多云成本统一管理：从“成本监控”到“价值评估”随着企业多云战略的深化，平台将从“成本监控”升级为“云价值评估”：不仅关注“成本花了多少”，更分析“云资源产生了多少业务价值”（如“每万元云成本带来的GMV”“云资源投入与利润增长率的相关性”），辅助企业做出“上云vs自建”“公有云vs私有云”的战略决策。未来发展趋势与业务系统深度集成：从“成本管理”到“业财融合”平台将嵌入企业核心业务流程，实现“成本-业务”实时联动：例如，在CRM系统中新增客户时，自动预测该客户所需的云资源成本，并纳入“客户生命周期价值（LTV）”评估；在产品研发阶段，通过“成本模拟器”预测新产品的云资源成本，辅助产品定价。未来发展趋势绿色云计算：从“成本优化”到“低碳运营”在“双碳”目标下，平台将引入“碳排放”指标：例如，对比不同区域的“碳排碳强度”（如“AWS爱尔兰区域的PUE为1.2，碳排放强度为0.3kgCO₂/kWh”），推荐“低碳优先”的资源部署方案；同时，通过“碳成本核算”（