在人工智能浪潮中，AI Agent 的爆炸式使用正成为科技公司的“吞金黑洞”。即使是年收入超7000亿美元的零售巨头亚马逊（Amazon），也在这场技术变轨中感受到了切肤之痛。
据亚马逊内部员工透露，公司此前计划使用 Claude Sonnet 模型来自动填充网站上的详细作者信息。这项在传统开发中看似简单的任务，最终却演变成了一场灾难：在短短 5 个月内悄悄烧掉了 180 万美元，超出预算整整 860%，且最终并未成功部署。其根本原因在于，AI #Agent 在执行任务失败后，陷入了无人监管、日夜不停的自动重试循环。
目前 Claude Sonnet 的公开定价为每百万输入 Token 收费 3 美元，每百万输出 Token 收费 15 美元。180 万美元的开销意味着该 Agent 消耗了近 6000 亿 Token，这一数据规模相当于 GPT-3 整个训练语料库的两倍。在传统的系统逻辑中，一个轻微的代码 Bug 或网络超时微不足道，但在 LLM 和 Agent 时代，这样的失控会瞬间转化为天文数字般的账单。
尽管遭遇重创，亚马逊的全面自动化步伐并未停止。CEO 安迪·贾西（Andy Jassy）宣布，亚马逊 2026 年的资本开支将达到史无前例的 2200 亿美元，大部将投向 AWS（亚马逊云科技）、自研 AI 芯片与电力基础设施。这一布局已初见成效，#AWS 在 2026 年第二季度实现净销售额 422 亿美元，同比增长 37%，贡献了集团约 60% 的营业利润。
伴随技术投入的是传统岗位的收缩。亚马逊自 2025 年 10 月以来已裁减约 3 万个岗位。贾西预测，未来将有数亿个 Agent 在亚马逊内部运转。其机器人部门更计划在 2033 年前实现 75% 自动化 的仓储运营。然而，2024年诺贝尔经济学奖得主 Daron Acemoglu 警告称，这可能会让美国最大的雇主转变为“净岗位毁灭者”。
亚马逊的遭遇并非孤例。在硅谷，由于缺乏成本可见性，Token 失控事件频发。今年 4 月，Meta 员工搭建了一个名为 Claudeonomics 的内部排行榜，追踪 8.5 万名员工的 AI 消耗，导致员工单月 Token 消耗飙升至 73.7 万亿（折合公允市价约 2.21 亿美元/月）。随后，Meta 紧急叫停并建立了名为 AI Gateway 的中央监控平台进行预算管控。Uber 也在 2026 年前四个月烧光了全年的 AI 编程预算，不得不对每位员工和工具施加每月 1500 美元 的硬性上限。
即使是 OpenAI 内部，其 CEO 山姆·奥特曼（Sam Altman）也承认 AI 成本已成重大挑战。他透露其内部用量最高的员工曾在单周内消耗了 2100 亿 Token。这一系列事件令人回想起 2012 年美国最大做市商之一的 骑士资本（Knight Capital）由于自动化交易系统升级中的一段旧代码，在 45 分钟内错误执行 400 万笔交易，导致 4.4 亿美元 损失并最终破产。在 Agent 时代，没有熔断机制的自动化同样能以极高的效率带来灾难性的损失。
亚马逊与硅谷大厂遭遇的 Token 成本失控，标志着企业 AI 应用正在从“探索尝鲜”向“工程落地与 #FinOps 治理”过渡。传统的单次 Prompt 调用成本可控，但当 AI 演进为具备自主重试（ReAct）或多 Agent 协作（Multi-Agent Flow）的系统时，循环调用与无限递归将导致成本呈指数级增长。这要求我们在构建 Agent 架构时，必须引入完善的语义级“熔断机制”（Circuit Breaker）、动态 Prompt 缓存、冷热模型路由（如 Sonnet 与 Haiku 自动切换）以及实时成本观测网关。未来 AI Agent 生态的竞争力，将不再仅仅取决于模型本身的推理能力，更取决于在工程架构层面对 Agent 状态机与 Token 消耗的精细化控制力。精细化 FinOps 将成为 Agent 规模化落地的核心入场券。
