2026 年 7 月 30 日，《金融时报》报道，亚马逊内部披露多起 AI 项目成本失控案例。
亚马逊高级工程师在内部会议上将部分项目的成本表现形容为“灾难性昂贵”。
一项未上线的任务，实际成本接近预算的 10 倍。
这项成本最高的任务与亚马逊电商平台的图书商品信息有关。项目需要将作者资料与对应的图书商品列表进行匹配，团队没有继续采用传统程序，而是调用 Claude Sonnet 处理相关数据。
项目最终产生约 180 万美元费用（1216 万元人民币），超出预算 860%。
按照这一比例计算，实际支出约为原预算的 9.6 倍，最初预算约为 18.75 万美元。
更严重的问题在于，相关费用并非短时间集中产生。
异常调用持续约五个月，亚马逊内部才发现支出已经大幅超标。尽管投入达到 180 万美元，这项任务最终仍未成功上线。
项目不仅没有实现预期业务价值，而且在缺少实时预算监控的情况下，长期消耗了大量模型推理资源。
内部会议披露的成本问题不止一个。
一组用于金融审计的 AI 工具产生约 54.1 万美元计划外费用。
另一项利用 AI 优化物流网络配送速度的项目产生约 13.4 万美元额外支出，相关异常在持续两周以上后才被发现。
三项任务涉及的费用合计约 247.5 万美元（1672 万元人民币）。其中，仅作者信息匹配项目就占到约 73%。
这些案例涉及商品数据、财务审计和物流优化等不同业务。
共同问题是，团队将原本能够通过传统代码完成的任务交给按调用量计费的模型，却没有同步设置严格的预算上限、调用限制和异常预警。
普通程序错误，接入大模型后会不断产生账单。
传统软件出现错误时，常见结果是程序报错、停止运行或返回错误数据。接入大模型后，程序即使没有正确完成任务，也可能继续向模型发送请求。
如果代码中存在循环调用、重复提交、数据范围配置错误或上下文反复传输，系统不会立即停止，而是持续消耗输入和输出 Token。模型服务按照实际用量收费，每一次无效请求都会转化为新的推理成本。
尤其是在批量处理商品、作者、审计记录或物流节点时，单次调用费用可能并不高，但调用规模一旦扩大到数百万条数据，或者程序连续运行数周、数月，最终账单可能迅速超过项目预算。
亚马逊内部工程师表示，目前仍很难在项目启动前准确判断一项 AI 工作最终会产生多少费用。
亚马逊正在开发自动化防护措施，用于限制模型支出并及时识别异常调用。
预计相关措施将包括项目级支出上限、调用频率限制、实时成本监控、异常流量告警，以及在费用达到特定阈值后自动暂停任务。
亚马逊称案例不代表公司整体情况。
亚马逊回应称，公司正在通过实际试验改进 AI 的使用方式，成本效率是这一过程的重要组成部分。亚马逊同时表示，相关案例只涉及少数团队，将其描述为公司内部普遍存在的问题并不准确。
不过，参与内部会议的高级工程师认为，这类成本问题并非单一项目中的偶发现象。内部披露的三项任务也显示，在 AI 使用规模快速扩大的同时，部分团队的成本控制机制没有及时跟上。
这并非亚马逊第一次因 AI 使用方式不当而调整内部管理机制。
2026 年 5 月，亚马逊关闭了一项名为 KiroRank 的内部排行榜。该工具根据员工使用 Kiro AI 开发平台的情况进行排名，最初目的是推动工程师采用 AI，但部分员工为了提高排名，让 AI 代理执行缺乏实际价值的任务，大量消耗 Token。
这种做法在内部被称为“Tokenmaxxing”，即通过提高 Token 消耗量展示自己对 AI 的使用程度，而不是根据实际交付结果衡量生产力。
亚马逊高级副总裁 Dave Treadwell 随后要求员工不要“为了使用 AI 而使用 AI”，并将考核重点从模型调用量转向实际部署和业务成果。亚马逊称，KiroRank 是员工创建的测试项目，并非公司正式批准的管理工具。
从关闭排行榜到披露数百万美元项目超支，亚马逊内部 AI 管理正在从鼓励扩大使用，转向同时考察成本、产出和实际部署效果。
云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。
热门跟贴