成本失控的根源：Token计费模式与内部管理漏洞

当前，全球科技巨头都在加速AI技术的商业化落地，但亚马逊的案例提醒我们，技术的快速普及并不意味着管理的成熟。如何在技术创新与成本控制之间找到平衡点，将成为所有AI驱动型企业面临的核心课题。

成本失控的根源：Token计费模式与内部管理漏洞

2026年7月底，亚马逊内部多个AI项目的支出完全脱离控制，其中最为严重的案例是一个基于Anthropic公司Claude Sonnet模型的内部工具。该项目旨在自动比对作者数据与产品列表，原本计划的预算为20万美元，但实际耗资高达180万美元（约合157万欧元），导致预算飙升860%。由于该系统从未对外发布，管理层直至五个月后才察觉这一财务计算失误。若加上物流和财务审计领域另外两个失控项目，这些意外支出的总额约为250万美元（约合218万欧元）。

支出激增的核心原因在于AI供应商定价模式的转变：许多企业从月度包干制转向基于“Token”（词元）的计费方式。当AI代理自主工作并生成错误代码时，Token消耗量会急剧上升，使得过去低成本的程序修复演变为巨额账单。例如，亚马逊的一个AI工具在运行过程中频繁生成无效代码，导致Token消耗量暴增，最终账单超出预期。

内部管理漏洞：诱导性排名制度推波助澜

除了外部计费模式的变化，亚马逊内部的管理漏洞也加剧了成本失控的问题。早在2025年底，其内部AI编程助手Kiro曾导致AWS中国区出现长达13小时的故障，起因是该Agent自行删除了工作环境。这一事件暴露了AI系统在缺乏有效监管的情况下可能带来的严重后果。

更令人担忧的是，亚马逊曾推出名为KiroRank的内部榜单，旨在激励开发者定期使用AI工具。然而，这一措施却引发了“Token最大化”现象：员工为提升排名，故意向AI代理分配不必要的任务，进一步推高了成本。目前，亚马逊已正式废除KiroRank，但这一问题已经对公司的财务状况造成了不可忽视的影响。

行业反思：AI治理与成本控制的双重挑战

亚马逊的成本失控案例并非孤例，而是反映了整个AI行业在快速扩张过程中面临的共同挑战。随着AI技术的广泛应用，企业需要在技术创新与成本控制之间找到平衡点。专家指出，企业需建立严格的预算上限及高Token消耗自动预警机制，并限制AI系统访问关键基础设施。

此外，取消激励员工无意义使用AI的内部排名制度同样至关重要。亚马逊的教训表明，过度依赖AI工具而忽视管理规范，可能导致不可控的成本飙升。未来，企业应加强对AI系统的监控和管理，确保技术应用的高效性和经济性。

未来展望：AI治理的新方向

随着AI技术的不断发展，如何实现有效的AI治理已成为业界关注的焦点。专家建议，企业应从以下几个方面入手：

总之，亚马逊的成本失控案例为全球科技企业敲响了警钟。在AI技术快速发展的背景下，企业必须重视AI治理和成本控制，确保技术应用的高效性和经济性。只有这样，才能在激烈的市场竞争中保持优势，实现可持续发展。