近日，一则关于亚马逊内部AI项目成本失控的消息引发行业关注。据美国媒体披露，该公司一名工程师使用Anthropic旗下Claude Sonnet模型开发数据匹配程序时，意外产生高达180万美元（约合人民币1215万元）的云服务费用，实际支出较预算暴涨860%。
该程序原计划实现电商平台作者信息与商品列表的自动化关联，属于常规数据处理任务。然而由于代码存在缺陷，系统持续向云端服务发起循环请求，导致算力消耗在五个月内不断累积。更严重的是，项目团队未建立实时成本监控机制，直至财务部门对账时才发现异常，而此时程序早已超出预算红线且未能成功部署。
内部复盘报告显示，事故根源在于双重漏洞：AI生成的代码未设置调用频率上限，致使模型无限次触发请求；同时缺乏自动化预警系统，微小技术缺陷在长期运行中持续产生费用。值得注意的是，这并非孤立事件——亚马逊内部会议披露，另有项目因类似问题额外支出54万美元，暴露出系统性管理缺陷。
针对连环事故，亚马逊管理层已启动全面整改。技术层面将部署智能风控系统，当AI相关支出达到预设阈值时，系统自动限制流量并终止任务；管理层面则强化代码审核流程，要求所有AI生成的程序必须通过人工完整测试后方可上线。这些措施旨在构建"技术防护+人工把关"的双重保障机制。
行业观察人士指出，该事件暴露出企业应用AI时的普遍认知偏差。传统软件开发错误通常消耗人力成本，而失控的AI程序会持续产生云端token费用，这种差异使得预算监控变得更为复杂。若缺乏动态成本管控体系，即使微小技术缺陷也可能在规模化应用中演变为巨额财务损失。
