亚马逊 AI 程序失控致 180 万美元账单，超出预算 860%

美国媒体近日披露，亚马逊内部发生一起 AI 成本失控事故。一名工程师使用 Anthropic 旗下 Claude Sonnet 模型编写程序，用于电商平台作者信息与商品列表的数据匹配，最终却产生 180 万美元（约合人民币 1215 万元）的账单，实际支出超出原定预算 860%。

该项目最终未能成功落地，但高额算力消耗持续运行长达 5 个月，直至财务对账时异常才被察觉。

代码缺陷叠加监控缺位，微小漏洞酿成巨额损失

复盘显示，事故根源并不复杂。AI 生成的程序缺少调用频次限制，模型持续循环发起请求，云算力与大模型调用费用不断累积。同时，团队缺少实时成本告警机制，微小代码缺陷长期无人发现。

亚马逊高管在内部会议上将此次事故定义为"代价惨重的典型案例"，并透露内部已出现多起同类隐患，另有项目意外产生 54 万美元额外开销。为应对此类风险，公司正紧急搭建风控体系，计划上线自动化防护机制——一旦 AI 相关支出触及阈值，系统将自动限流、中断任务。此外，所有 AI 生成代码须经过人工完整审核，杜绝未经校验直接上线。

从"AI 帮忙写代码"到"AI 偷偷烧钱"

这起事故暴露出被多数企业忽视的风险：传统代码错误主要消耗人力时间，而失控的 AI 程序会持续产生 token 费用，一旦缺少预算监控，极易酿成巨额损失。当前许多企业单纯期待 AI 降本增效，却忽视了算力计费模式带来的全新风险敞口。

当 AI 从辅助工具变为自主执行者，成本管控的颗粒度也必须从"项目级"下沉到"每次调用"。在享受 AI 提效红利之前，先给 AI 装好"刹车"，或许才是企业当下最该补上的一课。