企业使用跨云、LLM、编排和记录系统的多代理 AI 完成业务事务。财务只能在结算粒度得到 AI 成本，按 SKU 和计费周期聚合，无法回答“该订单/索赔/案件的 AI 成本是多少”。提供商也看不到企业事务边界。
FOCUS 规范统一计费数据结构，但仍是结算粒度，即使加入了 token 与请求者属性。我们把这种粒度不匹配形式化，提出七条需求，并设计双账本模型。
双账本模型包括：① 结算账本，存储符合 FOCUS 的计费记录；② 归因账本，基于 OpenTelemetry GenAI 收集的调用粒度使用记录。两账本通过分层关联脊柱匹配：trace context → A2A/MCP 元数据 → 业务键 → 概率匹配。每条使用记录被映射到具体业务事务，并记录匹配方法与置信度。
版本化费率卡在近实时为使用量定价。周期对账将两账本对齐到发票，未解释的残差即为“影子 AI”。最终可以按订单、索赔或结果报告成本，并提供代理成本指标。
仿真结果显示：当 trace 传播率降至 0 时，关联脊柱仍保持 >99% 的成本覆盖率；对账残差在 0.24% 以内恢复植入的未计量支出，并能标记提供商计费错误；中途 gating 将第 99 百分位事务成本降低最高 61%，误暂停率 2‑4%。
我们建议将归因账本作为调用粒度的 FOCUS 配置文件进行标准化。
$$\text{Cost}= \sum_{i} \text{Usage}_i \times \text{Rate}_i$$
点评：双账本模型通过细粒度归因与统一计费的结合，实现了对 AI 成本的端到端可视化，为企业 FinOps 提供了可靠的决策依据。