一个配置出错的AI模型不会在出错时停下来。它会继续运行，继续生成token，悄悄把一个微不足道的错误变成一张七位数的账单。在7月28日的一次员工会议上，亚马逊的工程师们审阅了公司自己的内部指标，这些数据以异常具体的细节展示了这一模式。
最大的例子是一款基于Anthropic旗下Claude Sonnet构建的工具，用于将作者记录与亚马逊零售网站上的商品列表进行匹配。该项目消耗了180万美元，超出原预算860%，在五个月内未被发现，且从未上线。《金融时报》率先报道了这一案例，与它一同曝光的还有两个较小的超支项目：一个财务审计工具，超出计划约54.1万美元；一个旨在加快配送速度的物流系统，额外花费约13.4万美元。这三个项目合计造成约250万美元的计划外AI支出。
为什么按token计费会把小错误变成大账单
根本原因在于定价机制。AI服务商大多已从固定订阅费转向按token计费，token即模型处理的文本单位。人类工程师写出有缺陷的代码时会收到报错并加以修复；而配置错误的AI代理根本不会收到任何报错：一个反复重发同一提示词的循环，或一个指向整个目录而非样本数据的任务，只会产生更多计算活动，以及一张更大的账单。亚马逊的工程师在内部材料中把这些超支描述为代价极其高昂的错误，而这类错误过去几乎不花什么钱就能修复。
按月结算的账单周期放大了这个问题。一个失控的任务在构建日志或实时仪表盘上会一目了然，但在数周后才送达的账单上却无从察觉，这正是那个180万美元的项目在五个月内无人过问的原因。
尴尬之处：亚马逊自己就在卖解决方案
在AI上超支的这家公司，恰好也运营着销售成本控制服务的云平台，而这些控制措施正是为防范此类问题而设计的。AWS Bedrock提供半价批量推理、折扣版Flex层级、价格仅为标准输入费率十分之一的提示缓存，以及将简单任务分流到更便宜模型的提示路由。Anthropic自家的Haiku模型，其成本大约只有失败项目所用Sonnet模型的三分之一。超支的根源在于默认使用了前沿模型，且未开启护栏。
亚马逊的公开回应将这些事件定性为孤立个案。这些案例只涉及约30万员工中的少数团队，公司称它们是试验新技术的正常过程的一部分。在公司内部，反应则更为具体。亚马逊已停用KiroRank，这是一个按AI token使用量给开发者排名的非正式排行榜，此前有员工通过虚增自己的消耗量来提升名次，员工们把这种做法称为tokenmaxxing。工程师们正在构建自动化护栏、同行评审要求和支出上限，以便在账单送达之前就发现失控的项目。
这些失误发生之前，亚马逊自己的AI编码助手已出过事。12月，Kiro助手被授权对Cost Explorer（AWS客户用来查看账单的内部工具）进行修改，结果却删除并重建了它所在的环境，造成13小时的故障，影响了中国大陆的部分地区。亚马逊将该事件归因于用户访问控制而非AI自主性，但这两起事故有一个共同点：AI工具拥有与其操作工程师相同的权限。
这是治理问题，不是钱的问题
对亚马逊来说，与超过1800亿美元的季度营收相比，这些金额只是四舍五入的零头。同样的故障模式对规模较小的公司来说危险得多。严重依赖Claude Code的Uber，到4月就已耗尽了该工具2026年的全部预算，其管理层公开承认，公司尚未在不断上升的token使用量与客户真正受益的功能之间建立起明确联系。
亚马逊案例的教训在于治理，而非技术。AI超支天生就是悄无声息的，能够遏制超支的公司，将是那些把支出上限、模型选择和用量审查视为工程流程的一部分、而非事后补救的公司。
婷 翻译
Sources: Amazon finds cases of AI causing runaway spending on tech projects (Financial Times, July 30); Amazon accidentally spent $1.8 million using Claude for menial coding task, went 860% over budget (Tom’s Hardware, July 30); Amazon blew $1.8 million on a single Claude AI task and didn’t notice for five months (BetaNews, July 30); Amazon spent $1.8m on a Claude job that failed, and it sells the fix (The Next Web, July 30)