连亚马逊都烧不起 Claude：180 万美元，AI 公司的钱都去哪了
featuredImage: https://cdn.lpflpf.cn/covers/ai-hot-2026-08-10.png
先说一个听起来像段子的事。
亚马逊想用 Claude 给自己的网站自动填作者信息——一个听起来很简单的小任务。结果呢？花了 180 万美元，超出预算 860%，五个月后才被发现，最后还没部署成功。
年入 7000 多亿美元的全球巨头，被自家用的 AI 上了一课。
这不是亚马逊一家的问题。硅谷正在集体为"AI 太能烧钱"头疼：Meta 员工一个月烧掉 73.7 万亿 token，换算成账单是每月 2.21 亿美元；Uber 四个月烧光全年 AI 编程预算；OpenAI 用量最高的员工一个月消耗 1000 亿 token。
用一句硅谷的玩笑话说：比起 AI，人最大的优势是可以拖欠工资。
180 万美元是怎么烧掉的
先还原亚马逊这个案子。
公司想让 Claude Sonnet 给网站上的每本书、每个商品填详细作者信息。听起来简单，但这个任务需要调用大量外部数据、反复比对、逐条填充——而 AI Agent 有一个特质：它会坚韧不拔、日夜不休地反复重试。
没有人告诉它"请等一下再试"，它就一遍一遍地跑，烧 token 像烧纸。
按 Claude Sonnet 的公开价格（每百万输入 token 3 美元、每百万输出 token 15 美元），180 万美元最多可能烧掉了 6000 亿 token——单就数据量而言，相当于 GPT-3 整个训练语料的两倍。
更要命的是，这笔钱烧了五个月才被发现。亚马逊员工的原话是：“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。”
失控的不止亚马逊
如果只是亚马逊一家，还能说"管理问题"。但 2026 年，token 用量失控在大厂里批量上演。
Meta 是重灾区。今年 4 月，一名 Meta 员工搭了个叫 Claudeonomics 的内部排行榜，聚合超过 8.5 万名员工的 AI 用量数据，排出 token 消耗最高的前 250 人。榜单一出，员工们开始"内卷烧 token"——“烧币传奇"“缓存法王"“挂机成仙"成了大家争相竞逐的江湖名号。
结果呢？Meta 员工 30 天内消耗的 token 总量攀升到 73.7 万亿，按官方定价折算，月账单约 2.21 亿美元。
Uber 更惨：2026 年头四个月就烧光了全年的 AI 编程预算，只好把每名员工、每个工具的支出上限设为每月 1500 美元。Uber 的 COO 说得挺实在：“token 支出与可衡量的产出之间的联系，还没成型。”
OpenAI 自家也不乐观。Sam Altman 6 月承认：AI 的成本问题在今年年初还无人在意，现在已经变成一个大问题。OpenAI 内部用量最高的个人用户每月消耗约 1000 亿 token；甚至有人单周烧掉 2100 亿 token。
一个调查数据更扎心：只有 26% 的企业对自身 AI 成本有全面的可见性。也就是说，大多数公司在开始节流之前，根本不知道此前到底花了多少钱。
大厂开始"上锁”
烧钱烧到肉疼，硅谷开始精打细算。年初那种"原始人刚发现火"的兴奋感，被预算、上限、审批、仪表盘取代。
Meta 6 月向约 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。
亚马逊内部有个叫 KiroRank 的非正式排行榜，员工为了排名故意推高个人数据，后来被关闭，又搞了个"标准化部署"指标来衡量 AI 产出。
这里有个经济学定律值得一提：古德哈特定律——当一个衡量指标变成了目标，它就不再是一个好的指标。员工为了榜单排名烧 token，跟为了完成 KPI 造假，本质上是同一件事。AI 时代的绩效管理，正在重演所有指标驱动系统的老路。
更深的恐惧：自动化出错时，损失也是"自动化"的
烧钱只是表象，更深的问题藏在"自动化"三个字里。
亚马逊 2026 年资本开支预计约 2200 亿美元，绝大部分投向 AWS、自研 AI 芯片与电力基础设施。CEO Andy Jassy 的愿景是：“未来会有数十亿个 Agent 在亚马逊运转。“机器人部门的目标是 2033 年前后实现约 75% 的仓储运营自动化——这意味着到 2027 年，亚马逊在美国将少雇约 16 万人，到 2033 年少雇超 60 万人。
诺贝尔经济学奖得主、MIT 教授 Daron Acemoglu 的评价很严厉：“如果亚马逊的自动化之梦落地，那么美国最大的雇主将从净岗位创造者变成净岗位毁灭者。”
而自动化的另一面，在 2012 年就有过教科书级的教训。
那年 8 月 1 日，美国最大做市商之一骑士资本更新自动交易系统时，无意间激活了一段旧代码。代码开始以极高频率执行"高价买入、低价卖出"的交易，且没有任何止损机制。从开盘到被手动关停，45 分钟里执行了超过 400 万笔交易，累计买入约 70 亿美元的无意头寸。平仓后亏损 4.4 亿美元，是公司全年利润的三倍。两个交易日内股价蒸发 75%，数月后被收购，17 年的公司就这么没了。
自动化承诺更快的速度、更便宜的价格、更少的人为差错。但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。
亚马逊的 180 万美元，跟骑士资本的 4.4 亿美元，本质上是同一个故事：人类还没学会给自动化系统装刹车。
普通人该关心什么
AI 烧钱，跟普通人有什么关系？有三层：
第一，成本最终会转嫁。大厂烧不起 token 的结果，要么是 AI 产品涨价，要么是裁员补窟窿——亚马逊已经两轮裁员约 3 万人了。AI 的成本不会凭空消失，它只是从大厂的账单转移到了某个地方。
第二，“AI 让工作消失"不是吓唬人，但也没那么快。亚马逊的自动化之梦落地需要十年，这十年里更现实的是"人 + AI"的协作模式：AI 干得越多，人的价值越体现在判断、决策和给 AI 划边界上。
第三，别神话"AI 万能”。180 万美元填个作者信息都没成功，说明 AI 离"全自动解决问题"还差得远。它更像一把锋利的刀：切菜快，但没人看着的时候也可能把厨房砍了。给 AI 设预算、设上限、设护栏，不是保守，是必须。
如果你在的公司也在大规模用 AI，有一件事现在就能做：搞清楚你的 AI 账单。如果财务和工程团队都说不清每个月 token 花了多少、花在哪了，那你所在的团队，很可能就是下一个"五个月后发现 180 万刀"的亚马逊。
结尾
180 万美元，对亚马逊是学费，对行业是信号。
AI 的算力还在指数级增长，但"用得起"和"用得起还不失控"是两回事。硅谷正从"尽可能多地用 AI"转向"给 AI 上锁”，这个转弯来得不算晚——毕竟骑士资本的 45 分钟，已经把自动化的代价演示过了。
Agent 会越来越能干，但人类得先学会给它装预算表、仪表盘和刹车。这道功课，谁先做完，谁才能笑着看别人烧钱。
（信息来源：FT 报道《Amazon’s AI costs…》（2026-08）；量子位《180万刀，连亚马逊都烧不起Claude了》（2026-08-09，引述 FT/CNBC/亚马逊官方披露）；CNBC 亚马逊 2026 Q2 财报报道；AGI Daily 关于 token 用量上限的报道）