AI 寫代碼燒掉 1215 萬元，超預算 860%：亞馬遜內部事故敲響企業 AI 成本警鐘

亞馬遜內部近日驚傳一起因AI撰寫程式碼失控而導致的重大成本災難，一名工程師利用Anthropic旗下的Claude Sonnet模型進行數據處理任務，最終卻產生高達180萬美元（約合新台幣5,700萬元、人民幣1,215萬元）的天價帳單，實際支出比原定預算超支860%，更令人震驚的是，該專案最終並未成功上線，而高額的算力消耗竟持續長達5個月，直到公司財務對帳時才驚覺異常。這起事件等於是一個無人監管的AI程式，在將近半年的時間裡日夜不停地「燒錢」，為企業導入AI工具敲響了一記沉重的成本警鐘。 據美國媒體揭露，這起事故發生在亞馬遜內部的一個數據處理環節。工程師的目標是透過AI模型編寫程式，完成電商平台上作者資訊與商品列表的數據匹配，這是一項看似常規且技術難度不高的任務。然而，AI生成的程式碼存在一個關鍵缺陷——缺少調用頻次限制，導致模型持續循環發起請求，雲端算力與大模型調用費用如同雪球般不斷累積。更糟糕的是，團隊內部並未建立實時的成本告警機制，使得這個微小的代碼漏洞在長達五個月的時間裡完全未被發現，持續吞噬預算。 覆盤顯示，事故的根源其實並不複雜，但卻暴露了企業在導入AI開發工具時常見的盲點。AI模型雖然能快速產生程式碼，但如果缺乏嚴格的監管與成本控制機制，任何一個看似微不足道的邏輯錯誤，都可能因為自動化循環而導致天文數字的費用。亞馬遜內部會議上，高層主管將此次事故定義為「代價慘重的典型案例」，並通報指出，公司內部其實還出現多起同類隱患，其中一個專案意外產生了54萬美元的額外開銷，顯示AI成本失控並非孤立事件。 接連踩坑之後，亞馬遜開始緊急搭建風控體系。根據內部規劃，公司將上線一套自動化防護機制，一旦AI相關支出觸及預設閾值，系統會自動執行限流、中斷任務等動作，避免費用無限飆升。這項措施旨在從技術層面補上監管缺口，讓成本管控不再完全依賴人工對帳與事後檢討。 這起事件背後凸顯的，是企業在擁抱AI生產力革命的同時，往往忽略了「AI也會犯錯」且「犯錯成本極高」的事實。許多團隊急於利用大型語言模型來加速開發流程，卻沒有同步建立配套的財務監控、使用量限制與異常告警系統。當AI生成的程式碼以驚人的速度自動執行時，小小的運算迴圈就可能演變成吞噬預算的黑洞。 事實上，類似問題已在業界逐漸浮現。隨著Claude、GPT等模型被廣泛應用於程式碼生成、自動化數據處理等場景，企業必須重新審視傳統的IT成本管理框架。在過去，開發人員寫出錯誤程式碼，頂多造成伺服器負載增加或資料錯誤，但現在AI模型調用是按Token計費，每一次錯誤的循環請求都直接轉化為真金白銀的支出。這意味著，AI時代的程式碼品質與成本控制之間，已經建立起前所未有的緊密連結。 亞馬遜此次事故也引發了關於「AI開發者責任」的討論。工程師雖然是直接操作者，但問題根源在於缺乏組織層級的成本防護機制。有業界專家指出，企業應該為AI開發項目設定明確的預算上限、自動停止規則，並在開發初期就引入成本可觀測性工具，讓每一筆API調用都有跡可循。此外，團隊也需建立「低成本試錯」的沙盒環境，避免正式環境中的錯誤直接造成財務衝擊。 從更宏觀的角度看，這起事件是AI商業化進程中一個典型的「成長痛」。當企業從實驗性應用轉向大規模部署時，許多隱藏的成本結構與管理漏洞才會逐一浮現。亞馬遜的經驗提醒所有正在導入AI的組織：技術的便利性與潛在風險往往並存，盲目追求效率而忽略監管，最終可能付出比預期高出數倍的代價。 目前，亞馬遜已將此次事故作為內部教材，要求各團隊重新審視AI相關項目的成本預算與監控機制。同時，公司也開始與Anthropic等供應商討論更細緻的帳單分析與用量控制功能，希望從源頭堵住類似漏洞。雖然180萬美元對亞馬遜這樣的科技巨頭而言並非致命打擊，但其象徵意義——一個無人看管的AI程式默默燒掉上千萬資金——已經足夠讓整個行業警惕。 未來，隨著AI編碼工具日益普及，企業必須建立「AI治理」的新常態。這不僅包括模型的安全性與偏見問題，更涵蓋成本、效率、可追溯性等面向。亞馬遜的這起事故，或許會成為推動業界標準化成本管控流程的關鍵轉折點，讓更多企業在享受AI紅利的同時，也能把風險控管提升到同等重要的位置。