在科技巨头眼里，180 万美元可能只是九牛一毛，但当这笔钱是因为让 AI 做了一件本该很简单的琐事而白白烧掉时，性质就变了。
据《金融时报》报道，亚马逊在一次内部审查中发现，其使用 Claude Sonnet 模型执行一项“作者详情匹配”任务时，产生了 180 万美元 的账单，超出预算 860%。更尴尬的是，这个问题在发生约五个月后才被察觉。
为什么这么贵？
这并非什么高深的科研计算，而是一个相对琐碎的数据匹配任务。但在 AI 智能体（Agent）模式下，模型可能会陷入无限循环、重复调用 API 或生成大量冗余代码。
在传统软件工程中，一个死循环最多导致服务器 CPU 飙升；而在按 Token 计费的 AI 时代，一个死循环意味着每秒都在燃烧真金白银。亚马逊内部报告称，这类过去“微不足道”的错误，如今已变得“灾难性昂贵”。
除了这 180 万的“大头”，其他案例同样触目惊心：
- 一个旨在构建财务审计工具的项目，额外花费了 54.1 万美元（讽刺的是，它没能审计好自己的成本）。
- 一个优化物流配送时间的系统，多花了 13.4 万美元。
巨头的烦恼 vs 中小企业的噩梦
亚马逊对此表现得相当淡定。公司在内部演示中承认：“我们正在试验、学习和改进。”毕竟，亚马逊季度收入超过 1810 亿美元，这 180 万甚至不到其月收入的 0.1%。
但对于大多数非科技巨头公司来说，这种成本结构是不可持续的。随着 AI 提供商从订阅制转向按 Token 付费，许多团队在几周内就会耗尽年度预算。Uber CTO 近期也指出，强制员工使用 AI 的政策与实际的产品成功交付之间并没有必然联系。
监管与反思
亚马逊并非没有吃过 AI 的亏。今年早些时候，AWS 曾因 AI 编码机器人的错误导致服务宕机，随后公司限制了 AI 智能体的访问权限。此外，亚马逊曾内部推行“AI 使用排行榜”，鼓励员工多用 AI，但后来也悄然取消——看来，单纯追求使用量并不能带来真正的效率。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
