程浅 发自 凹非寺 量子位 | 公众号 QbitAI

洛阳纸贵，Agent 用量爆炸已成为科技公司的噩梦，这些公司不幸地发现：原来比起 AI，人的最大优势是可以拖欠工资（x）。

AI 不理解情怀，硅谷不相信眼泪。

最近，年入 7000 多亿美元、家大业大的亚马逊，也被 Claude 狠狠毒打了。

据亚马逊公司员工透露，公司近期想使用 Claude Sonnet 为自家网站填充详细的作者信息。

但这个看起来很简单的任务却花费了亚马逊 180 万刀。

超出了预算的 860%。

并且过了 5 个月才被发现。

并且最后也没部署成功。（不过怎么说这都已经像是个管理问题了。）

Agent 可能会失败，但它也会坚韧不拔、日夜不休地反复重试。那是风平浪静的一天，没有任何人警告它「Please wait before trying again」。

当前，Claude Sonnet 公开价约为每百万输入 token3 美元、每百万输出 token15 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。

诸如此类的案例在亚马逊内部已经出现了很多次，且这些 bug 往往过了很久才会被发现。

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。

万物商店的自动化之梦

尽管如此，这些事故并不能阻挡亚马逊自动化的步伐。如今，它正在以空前的规模押注 AI。

CEO Andy Jassy 宣布，亚马逊 2026 年资本开支预计约 2200 亿美元，绝大部分将投向 AWS（Amazon Web Services）、自研 AI 芯片与电力基础设施，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。

这场声势浩大的投资也取得了超预期的收益。就在今早，亚马逊公布了截至 2026 年 6 月 30 日的第二季度财报，数据显示 AWS 在第二季度实现净销售额 422 亿美元，同比增长 37%。并且，在亚马逊 275 亿美元的总营业利润中，AWS 贡献了约 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 月以来已进行两轮大规模裁员，先后共削减约 3 万岗位。

早在去年，Jassy 本人就发表了美好的展望，他在发给全体员工的备忘录中写下：

我们如今有 1000 多种生成式 AI 服务，但从我们的规模来看，这还只是小小冰山一角。在未来，会有数十亿个 Agent 在亚马逊运转。

不仅如此，这场自动化浪潮已经走出办公室，走进了亚马逊的仓储和物流体系。

据报道，亚马逊机器人部门的目标是在 2033 年前后实现约 75% 的仓储运营自动化。这意味着到 2027 年亚马逊将在美国少雇约 16 万人，到 2033 年少雇超 60 万人。

△亚马逊的工厂

不过外部观察者的判断则较为严厉。2024 年诺贝尔经济学奖得主、麻省理工学院教授 Daron Acemoglu 在评价这一计划时警告：" 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」。"

以 Token 论英雄休矣？大厂们纷纷开始上锁

亚马逊的成本超支并非孤例，早在今年初此类 Token 用量失控就同时在数家大厂上演。

通常，这些闹剧都以这样一句话开始：

同学们，我们一定要「尽可能多」地使用 AI，用「尽可能小」的团队创造「尽可能深厚」的价值！

继而，员工自发搭用量排行榜，" 烧币传奇 "、" 缓存法王 "、" 挂机成仙 " 一时间成为大家争相竞逐的江湖名号。

最终，老板们纷纷被自家员工的勤奋震撼，连忙以紧急声明宣告竞赛结束。

△图片系 AI 合成

古德哈特定律，1975 年由经济学家查尔斯 · 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。

亚马逊内部也曾有一个名为 "KiroRank" 的非正式排行榜，这使部分员工开始有目的推高个人数据。此后，KiroRank 被关闭，最会玩指标的亚马逊又搞了个 "normalized deployments"（标准化部署）用来衡量员工的 AI 产出。

今年 4 月，一名 Meta 员工搭建了一个名为 Claudeonomics 的排行榜，聚合超过 8.5 万名员工的 AI 用量数据，并列出 token 消耗最高的前 250 人。期间，Meta 员工在 30 天内消耗的 Token 总量攀升至 73.7 万亿。

若按 A 社公开定价折算，这一数字对应的账单约为每月 2.21 亿美元。

6 月，Meta 向约 6000 名员工发出正式备忘录，宣布将对 token 用量设限，并搭建 "AI Gateway" 的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。

这场失控并不限于拥有排行榜的公司。Uber 在 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。其 COO 坦言，token 支出与可衡量的产出之间的联系还未成型。

而这种过度光滑的「失控感」，模型提供商自身也感受真切。

6 月 3 日，Sam Altman 表示，AI 的成本问题在今年年初还完全无人在意，但现在已经变成了一个大问题。

他透露，OpenAI 内部用量最高的个人用户每月消耗约 1000 亿 token。甚至，某员工曾在单周内烧掉约 2100 亿 token。

不到一年，硅谷对 AI 用量已开始精打细算，相比于年初那种原始人刚发现火的兴奋感，取而代之的是预算、上限、审批、仪表盘。

一项调查显示，仅有 26% 的企业对自身 AI 成本具备全面的可见性。

换句话说，大多数公司在开始节流之前，甚至不清楚此前到底花了多少钱。

更高的自动化代表更高的效率吗？

2012 年 8 月 1 日，美国最大的股票做市商之一骑士资本（Knight Capital Group）为参与纽约证券交易所的散户流动性计划，对其自动交易系统进行了一次更新。

部署过程中，工程师无意间激活了一段旧代码。随后，该代码开始以极高频率自动执行一系列毫无经济逻辑的交易指令。

「高价买入、低价卖出」，且没有任何预设的止损机制或金额上限。从开盘到被手动关停，整个过程持续了约 45 分钟。

在此期间，系统在 154 只股票上执行了超过 400 万笔交易，累计买入了约 70 亿美元的、公司根本无意持有的股票头寸。

当工程师终于定位问题并关闭系统后，骑士资本不得不以低价抛售这些头寸。平仓完成后，亏损总额约为 4.4 亿美元，这相当于公司全年利润的三倍。

消息公布后两个交易日内，骑士资本股价蒸发 75%。数月后，骑士资本被当时的竞争对手 GETCO 收购，17 年的经营传奇也走到了尽头。

通常来说，自动化承诺给人们更快的速度、更便宜的价格以及更少的人为差错。

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。

相信对亚马逊而言，这笔学费，不会太亏。

参考链接： [ 1 ] https://www.ft.com/content/77baac40-d803-4084-94f3-a133653072cf?syn-25a6b1a6=1 [ 2 ] https://www.aboutamazon.com/news/company-news/amazon-ceo-andy-jassy-on-generative-ai [ 3 ] https://agidaily.cc/articles/tokenmaxxing-end-ai-usage-caps-2026 [ 4 ] https://www.cnbc.com/2026/07/30/amazon-amzn-q2-earnings-report-2026.html [ 5 ] https://www.thestreet.com/technology/amazon-joins-microsoft-in-sending-shocking-message-to-employees

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！