亚马逊被AI Agent烧掉180万美元，电商卖家如何降本避坑
核心速览
- 亚马逊用Claude Sonnet填充作者信息，烧掉180万美元，超预算860%
- 成本失控5个月后才被发现，且最终未部署成功
- Meta设token上限、Uber月支出1500美元封顶，大厂集体「上锁」
- 仅26%企业能看清AI成本，多数公司先失控、再节流
- 卖家部署AI客服/选品/素材前，务必先设预算、上限与监控
事件还原：一个「简单任务」烧掉180万美元
任务很小，账单却大到离谱
据亚马逊员工透露，公司近期想使用 Claude Sonnet 为自家网站填充详细的作者信息。这个看起来简单的任务，最终花费了 180万美元。
账单 超出预算860%，并且 过了5个月才被发现。更尴尬的是，最终 没有部署成功。连年入 7000多亿美元 的亚马逊都被「狠狠毒打」，这已经不像技术问题，更像管理问题。
当前，Claude Sonnet公开价约为每百万输入token 3美元、每百万输出token 15美元，180万美元最多可能烧了6000亿token——仅就数据量而言这相当于GPT3整个训练语料的两倍。
钱是怎么烧没的：单价×反复重试×无人监控
- 按量计费：Claude Sonnet每百万输入token约3美元、每百万输出token约15美元，成本随token用量线性放大
- 反复重试：Agent失败后会坚韧不拔、日夜不休地重试，没有任何人警告它「Please wait before trying again」
- 发现滞后：此类bug在亚马逊内部已出现多次，且往往过了很久才被发现
- 后果隐蔽：在传统系统里无足轻重的小问题，用AI做都可能带来极难想象的费用
| 维度 | 数据 |
|---|---|
| 任务 | 用Claude Sonnet填充网站作者信息 |
| 实际花费 | 180万美元 |
| 超支幅度 | 超出预算 860% |
| 发现时间 | 5个月后 |
| Token折算 | 最多约 6000亿token，约等于GPT-3训练语料两倍 |
| 最终结果 | 未部署成功 |
大厂集体「上锁」：Agent用量爆炸不是孤例
Meta：30天烧掉73.7万亿token
今年4月，一名Meta员工搭建了名为 Claudeonomics 的排行榜，聚合超过 8.5万名 员工的AI用量数据，列出token消耗最高的 前250人。
期间，Meta员工在 30天内消耗73.7万亿token，按公开定价折算，对应账单约为 每月2.21亿美元。
6月，Meta向约 6000名员工 发出正式备忘录，宣布对token用量设限，并搭建 「AI Gateway」 中央平台，实时监控各团队的AI用量与支出，设定预算与上限。
Uber、OpenAI：从「烧钱竞赛」到紧急刹车
- Uber：2026年头四个月便烧光了全年的AI编程预算，随后将每名员工、每个工具的支出上限设为 每月1500美元
- OpenAI：6月3日，Sam Altman承认AI成本问题已从年初的「无人在意」变成「一个大问题」
- 内部数据：OpenAI用量最高的个人用户每月消耗约 1000亿token，某员工曾在单周内烧掉约 2100亿token
排行榜催生「烧币竞赛」：古德哈特定律的代价
古德哈特定律（1975年，经济学家查尔斯·古德哈特提出）：当一个衡量指标变成了目标，它就不再是一个好的指标。
员工自发搭起用量排行榜，「烧币传奇」「缓存法王」「挂机成仙」成为竞逐名号。亚马逊内部的 KiroRank 非正式排行榜一度让员工刻意推高个人数据，后被关闭，取而代之的是 「normalized deployments」（标准化部署） 来衡量AI产出。
| 公司 | 失控表现 | 应对措施 |
|---|---|---|
| 亚马逊 | 单任务180万美元、超支860% | 关闭KiroRank，改用标准化部署 |
| Meta | 30天73.7万亿token、约2.21亿美元/月 | 设token上限，建「AI Gateway」监控 |
| Uber | 4个月烧完全年AI编程预算 | 每人每工具1500美元/月封顶 |
| OpenAI | 员工单周最高2100亿token | Altman承认成本成「大问题」 |
对电商卖家的影响：自动化红利与失控账单并存
亚马逊一边被「毒打」，一边空前押注AI
CEO Andy Jassy宣布，亚马逊2026年资本开支预计约 2200亿美元，较2025年增长近六成，成为全球超大市值公司中最高的单年度资本开支，绝大部分投向AWS、自研AI芯片与电力基础设施。
投入也有回报：AWS第二季度净销售额 422亿美元，同比增长 37%；在 275亿美元 总营业利润中，AWS贡献约 60%，而其收入仅占公司总收入的 21%。与此同时，亚马逊自2025年10月以来已两轮裁员，削减约 3万岗位。
Jassy在全员备忘录中写道：「我们如今有1000多种生成式AI服务……在未来，会有数十亿个Agent在亚马逊运转。」
卖家接入AI，等于把成本结构换成「按token计费」
- 客服、选品、素材制作、广告投放一旦接入Agent，成本就变成按token计费，用量随并发请求与失败重试暴涨
- 一项调查显示，仅 26% 的企业对自身AI成本具备全面的可见性——大多数公司在节流前，根本不清楚此前花了多少钱
- Agent失败不会停下来，它会「坚韧不拔」地重试，直到预算被打穿
仓储自动化：岗位结构与竞争格局在变
亚马逊机器人部门目标在 2033年前后实现约75%的仓储运营自动化，预计到2027年在美国少雇约 16万人，到2033年少雇超 60万人。
2024年诺贝尔经济学奖得主、麻省理工学院教授Daron Acemoglu警告：若亚马逊的自动化之梦落地，美国最大的雇主将从净岗位创造者变成「净岗位毁灭者」。对卖家而言，这是物流成本与履约格局变化的长期信号。
落地建议：给电商卖家的AI成本管控三步清单
第一步，部署前先算账、设上限
- 为每个AI任务单独设定预算与token上限，拒绝「尽可能多用AI」的模糊目标
- 用公开定价先估算单任务成本：输入token×3美元/百万 + 输出token×15美元/百万，先算再跑
- 小流量灰度测试，确认单任务成本与效果可控后，再规模化铺开
第二步，运行中实时监控与熔断
- 搭建平台级监控（类似Meta的「AI Gateway」），按团队/场景实时看用量与支出
- 给Agent设置重试次数上限与熔断机制，杜绝「日夜不休地反复重试」
- 至少每月复盘一次token账单，别等5个月后才发现超支860%
第三步，用业务产出衡量，而不是token用量
Uber COO坦言，「token支出与可衡量的产出之间的联系还未成型」。卖家应以订单、GMV、客服解决率等业务指标衡量AI价值，而不是拿token排行榜当KPI——那正是古德哈特定律埋下的坑。
「AI相关的任何东西，我们都很难搞清楚到底花了多少钱。在传统系统里无足轻重的小问题，用AI做都可能带来极难想象的费用。」
风险与局限：自动化放大效率，也放大亏损
骑士资本的45分钟：4.4亿美元蒸发
2012年8月1日，美国最大做市商之一 骑士资本（Knight Capital） 更新自动交易系统时误激活旧代码，系统开始以极高频率执行「高价买入、低价卖出」的交易，且没有任何预设的止损机制或金额上限。
从开盘到手动关停的 45分钟 内，系统在 154只股票 上执行超过 400万笔 交易，累计买入约 70亿美元 公司根本无意持有的头寸；平仓后亏损约 4.4亿美元，相当于全年利润的三倍，股价两日蒸发75%，数月后被GETCO收购。
自动化承诺更快的速度、更便宜的价格、更少的人为差错；然而当自动化系统出错时，损失也会以同样的速度、规模、效率被放大。
给卖家的现实提醒
| 维度 | 传统系统 | AI系统 |
|---|---|---|
| 成本特征 | 固定、可预测 | 按token计费，随用量与重试爆炸 |
| 出错后果 | 通常局部、可控 | 以同样速度、规模、效率放大 |
| 成本可见性 | 预算清晰 | 仅 26% 企业具备全面可见性 |
- AI能提效，但「效率」不等于「省心」：无人值守的Agent同样可能高效地烧钱
- 成本可见性是第一道防线，先算清账再谈规模化
- 别迷信「自动化神话」：没有预算、上限、监控、复盘，自动化就是加速器，方向错了就加速亏损
参考来源：量子位《180万刀，连亚马逊都烧不起Claude了》（https://www.qbitai.com/2026/08/469010.html）
评论（0）