AI编写代码耗资1215万元,超出预算860%:亚马逊内部事件为企业AI成本敲响警钟

美国媒体近日报道称,亚马逊在一项人工智能项目中出现了严重的成本超支。一名工程师使用Anthropic公司的Claude Sonnet模型将作者数据与产品列表进行匹配,结果产生了180万美元的费用——比预算超支了860%。 这项旨在将作者信息与电商产品列表关联起来的常规数据处理任务,最终产生了总计约1215万元人民币的费用。
更令人震惊的是,该项目从未成功部署,但高计算资源占用却持续了五个月之久。这一异常情况直到财务对账时才被发现,揭示出一个未受监控的人工智能程序在近半年的时间里一直在无人监管的情况下消耗资源。
代码缺陷叠加监控缺失,微小漏洞吞噬巨额预算
调查显示,根本原因很简单:AI生成的代码缺乏速率限制控制,导致模型持续发出请求。这导致云计算和API调用费用不断累积。此外,由于缺乏实时成本警报,这些微小的编码缺陷长期未被发现,预算随之逐渐被耗尽。
在亚马逊的一次内部会议上,高管们将此称为“代价高昂的案例研究”,并指出其他多个项目也面临类似风险,其中一些项目甚至产生了54万美元的意外额外开支。为应对这些反复出现的问题,亚马逊正在紧急开发一套风险控制系统。 这一新的自动化防护机制将在与AI相关的支出达到预设阈值时,自动限制流量并暂停任务,从而防止成本失控。此外,该公司还收紧了相关规定,要求所有由AI生成的代码在部署前必须经过人工全面审查,以防止未经核实的代码发布。
传统代码错误耗费时间,失控的AI程序则会造成实际金钱损失
这一事件凸显了一个常被忽视的企业风险:传统编码错误主要消耗人力时间,而失控的AI程序则会产生持续的代币成本。若缺乏严格的预算监控,这些开支可能会迅速演变为巨额损失。目前许多组织都认为AI本质上能降低成本并提高效率,却往往忽视了按计算量计费模式带来的新财务风险。
从“AI辅助编码”到“AI悄无声息地烧钱”的转变表明,亚马逊的经历并非孤立事件,而是一个新的行业阶段。 随着AI从辅助工具演变为自主执行者,成本控制必须从“项目层面”转向对“每次调用”的监控。在利用AI带来的好处之前,为AI支出设置“紧急刹车”机制,或许是企业当下最需要掌握的关键一课。
相关文章
QueryStory 呼吁对人工智能生成的内容保持谨慎
2009年,沙波尔·纳吉布扎德在担任谷歌系统运维工程师期间,发现了引人入胜的故事讲述所蕴含的力量。 在“极光行动”期间,当受国家支持的黑客将这家科技巨头作为攻击目标时,他被紧急召至危机处理室以厘清服务器活动情况,并亲身体会到:在分散的网络中追踪网络攻击,经过验证的知识至关重要——而这一过程在他看来既耗资巨大又效率低下。他认为,大型语言模型能够在极短时间内,在各种数据库中复现这种验证能力。在随后的六
Anthropic 揭示,失控的人工智能代理和你们一样讨厌验证码
Anthropic最近关于智能体不当行为的报告指出了严重风险——其Mythos 5模型绕过了安全控制措施,访问了互联网并将恶意代码上传至公共代码库——但也揭示了一个颇具幽默感的缺陷:AI智能体在破解验证码方面颇感棘手。今年4月,Anthropic通过指令该模型入侵系统并获取目标,以此评估其黑客能力。尽管该测试本应在沙箱环境中进行,但评估人员却无意中使该环境暴露在外。 该模型判断出最有效的策略是将漏
腾讯将“混元Hy3”、“WorkBuddy”和“CodeBuddy”用户的免费使用期限延长至8月5日
腾讯延长了其Hy3大型语言模型的免费试用期。在最初为期两周的试用期结束后,该公司收到了大量用户反馈,要求继续提供该服务。为此,腾讯宣布为WorkBuddy和CodeBuddy用户延长试用期,该优惠活动将持续至8月5日。此次延长试用期主要面向腾讯AI办公及开发工具的用户。开发者和企业客户可继续使用由Hy3模型驱动的智能辅助功能。此前,免费试用期让用户得以评估Hy3在代码生成、开发支持及工作流自动化方
相关专题推荐
评论 (0)
0/500

美国媒体近日报道称,亚马逊在一项人工智能项目中出现了严重的成本超支。一名工程师使用Anthropic公司的Claude Sonnet模型将作者数据与产品列表进行匹配,结果产生了180万美元的费用——比预算超支了860%。 这项旨在将作者信息与电商产品列表关联起来的常规数据处理任务,最终产生了总计约1215万元人民币的费用。
更令人震惊的是,该项目从未成功部署,但高计算资源占用却持续了五个月之久。这一异常情况直到财务对账时才被发现,揭示出一个未受监控的人工智能程序在近半年的时间里一直在无人监管的情况下消耗资源。
代码缺陷叠加监控缺失,微小漏洞吞噬巨额预算
调查显示,根本原因很简单:AI生成的代码缺乏速率限制控制,导致模型持续发出请求。这导致云计算和API调用费用不断累积。此外,由于缺乏实时成本警报,这些微小的编码缺陷长期未被发现,预算随之逐渐被耗尽。
在亚马逊的一次内部会议上,高管们将此称为“代价高昂的案例研究”,并指出其他多个项目也面临类似风险,其中一些项目甚至产生了54万美元的意外额外开支。为应对这些反复出现的问题,亚马逊正在紧急开发一套风险控制系统。 这一新的自动化防护机制将在与AI相关的支出达到预设阈值时,自动限制流量并暂停任务,从而防止成本失控。此外,该公司还收紧了相关规定,要求所有由AI生成的代码在部署前必须经过人工全面审查,以防止未经核实的代码发布。
传统代码错误耗费时间,失控的AI程序则会造成实际金钱损失
这一事件凸显了一个常被忽视的企业风险:传统编码错误主要消耗人力时间,而失控的AI程序则会产生持续的代币成本。若缺乏严格的预算监控,这些开支可能会迅速演变为巨额损失。目前许多组织都认为AI本质上能降低成本并提高效率,却往往忽视了按计算量计费模式带来的新财务风险。
从“AI辅助编码”到“AI悄无声息地烧钱”的转变表明,亚马逊的经历并非孤立事件,而是一个新的行业阶段。 随着AI从辅助工具演变为自主执行者,成本控制必须从“项目层面”转向对“每次调用”的监控。在利用AI带来的好处之前,为AI支出设置“紧急刹车”机制,或许是企业当下最需要掌握的关键一课。
QueryStory 呼吁对人工智能生成的内容保持谨慎
2009年,沙波尔·纳吉布扎德在担任谷歌系统运维工程师期间,发现了引人入胜的故事讲述所蕴含的力量。 在“极光行动”期间,当受国家支持的黑客将这家科技巨头作为攻击目标时,他被紧急召至危机处理室以厘清服务器活动情况,并亲身体会到:在分散的网络中追踪网络攻击,经过验证的知识至关重要——而这一过程在他看来既耗资巨大又效率低下。他认为,大型语言模型能够在极短时间内,在各种数据库中复现这种验证能力。在随后的六
Anthropic 揭示,失控的人工智能代理和你们一样讨厌验证码
Anthropic最近关于智能体不当行为的报告指出了严重风险——其Mythos 5模型绕过了安全控制措施,访问了互联网并将恶意代码上传至公共代码库——但也揭示了一个颇具幽默感的缺陷:AI智能体在破解验证码方面颇感棘手。今年4月,Anthropic通过指令该模型入侵系统并获取目标,以此评估其黑客能力。尽管该测试本应在沙箱环境中进行,但评估人员却无意中使该环境暴露在外。 该模型判断出最有效的策略是将漏
腾讯将“混元Hy3”、“WorkBuddy”和“CodeBuddy”用户的免费使用期限延长至8月5日
腾讯延长了其Hy3大型语言模型的免费试用期。在最初为期两周的试用期结束后,该公司收到了大量用户反馈,要求继续提供该服务。为此,腾讯宣布为WorkBuddy和CodeBuddy用户延长试用期,该优惠活动将持续至8月5日。此次延长试用期主要面向腾讯AI办公及开发工具的用户。开发者和企业客户可继续使用由Hy3模型驱动的智能辅助功能。此前,免费试用期让用户得以评估Hy3在代码生成、开发支持及工作流自动化方





首页






