亚马逊AI部署失控超支，单项目超预算860%
Claire Weston
180万美元烧在哪了？
亚马逊用Anthropic的Claude Sonnet模型，把作者信息和电商商品列表做匹配——一个听起来不复杂的任务。
最终花了180万美元，是原始预算的9.6倍（超支860%），而且项目本身还失败了。
这意味着→ 钱不只是花多了，而是花完之后什么也没拿到——超支和失败同时发生。
更关键的是，这笔超支整整五个月才被发现。用大白话说＝ 亚马逊连自己在AI上花了多少钱，都要等五个月才知道。
这是个例还是普遍问题？
除了那个180万美元的项目，亚马逊还披露了另外两起：构建财务审计工具意外多花54.1万美元；AI优化物流配送多花13.4万美元，耗时超两周才察觉。
高级工程师在内部会议上明确说：这些不是"孤立事件"。
这反映出一个结构性问题：传统编程里一个"成本极低"的bug，换到AI模型上就会变成灾难性的账单。
一名高级员工对《金融时报》坦言："很难搞清楚任何AI相关事项究竟花了多少钱。"
为什么AI的钱这么难管？
传统软件是买服务器、写代码，成本基本可预测。但AI模型按token计费（token就是模型处理的最小文本单位，每调用一次都在烧钱），用量一失控，账单就爆炸。
这意味着→ 从固定订阅制转向按量计费后，企业的AI开支变成了一个没有上限的水龙头——不装阀门就会一直流。
亚马逊的工程师团队正在开发"自动化成本护栏"，说白了就是给这个水龙头装一个自动关停机制。
亚马逊怎么回应？行业又在怎么做？
亚马逊官方回应：这些案例只涉及少数团队，公司有约30万企业员工、每季度营收约1800亿美元，不代表整体AI使用状态。
用大白话说＝ 亚马逊的意思是：相比公司体量，这些超支金额"不算大"。
但行业趋势已经很清楚：不少公司开始把AI使用从高端模型转向更便宜的中端或开源模型，就是因为成本太难预测。
亚马逊今年预计资本支出2000亿美元，绝大部分投向AI和数据中心——花得起大钱，不代表管得住小钱，这才是真正的挑战。
Content is for reference only, not financial advice.