AI写代码烧掉1215万元，亚马逊成本失控敲响警钟

近日，美国媒体曝光了亚马逊内部一起重大AI成本失控事故，引发行业对企业AI应用成本管控的深度反思。一名工程师借助Anthropic旗下Claude Sonnet模型编写程序，目标是完成电商平台作者信息与商品列表的数据匹配——一项常规的数据处理任务，最终却产生了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%。

更令人意外的是，该项目最终并未成功落地，而高额算力消耗持续运行长达5个月，公司直到财务对账时才察觉异常。这意味着一个无人看管的AI程序，在近半年时间里日夜不停地“烧钱”。这起事故并非孤例，在亚马逊内部会议上，高管通报称还出现多起同类隐患，有项目意外产生54万美元额外开销。

复盘显示，事故的根源并不复杂。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。与此同时，团队缺少实时成本告警机制，微小代码缺陷长期无人发现，持续吞噬预算。传统代码出错往往只消耗人力时间，而失控的AI程序会持续产生token费用，一旦缺少预算监控，很容易酿成巨额损失。

接连踩坑后，亚马逊开始紧急搭建风控体系，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，避免费用无限飙升。同时公司加强规范，要求所有AI生成代码必须经过人工完整审核，杜绝未经校验直接上线。

这起事故暴露出一个被多数企业忽视的风险：当前很多企业单纯期待AI降本增效，却忽视了算力计费模式带来的全新风险敞口。从“AI帮忙写代码”到“AI偷偷烧钱”，亚马逊的教训并非孤例，而是整个行业正在进入的一个新阶段——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。