AI 智能体失控致成本激增：多案例揭示风险，Revenium 研究给出经验教训

转载于 2026-08-29 08:41:03 发布 · 5 阅读

ZDNET 核心观点

AI 智能体有失控并导致费用激增的风险，一家供应商讲述了应对失控智能体的问题，应关注高端 AI 使用案例成本而非平均成本。近期分析显示，AI 智能体迅速扩散且常超出 IT 管理人员控制，不易察觉的活动成本会快速累积。StackGen 报告发现，不受监管或半监督的智能体存在多层面问题。此外，Andrew Ng 认为需掌握 4 项 AI 开发技能，专家指出他有所遗漏。

过去一年至少 9 起案例中，AI 智能体用有效凭证自行删除数据和数据库，破坏公司实时系统，标准监控难察觉。研究分析超 10.9 万起事件发现，故障模式增多但恢复速度未加快，自 2023 年以来，问题解决中位时间基本不变，常见解决办法是等另一家公司工程师处理。

累积成本

从财务看，AI 智能体成本可能大幅增加。AI 支出解决方案提供商 Revenium 工程师报告，一名开发人员让 AI 编码助手在笔记本电脑上连跑四天，被发现时已进行 4819 次调用，总费用 3762 美元，期间无人知晓。

虽费用因场景而异，但 BakedWith 准则显示，基础聊天机器人月成本 20 - 50 美元，中级智能体助手月成本 100 - 500 美元，定制企业级智能体解决方案前期成本超 1 万美元。不过，这些未考虑监督不足的智能体失控成本，会影响投资回报率，凸显企业管理 AI 智能体的必要性和智能体不受控扩散的风险。

Revenium 举例，一家中型电商公司发现 AI 智能体基础设施成本从原型阶段的每月 5000 美元飙升至测试阶段的每月 5 万美元，增长 10 倍，是高流量时期未优化的检索增强生成（RAG）查询和递归智能体循环导致。每个智能体单独行动看似合理，但累积成本难承受。另一个案例中，一个团队的 AI 智能体陷入无限对话循环，运行 11 天耗费 4.7 万美元。

经验教训

Revenium 工程团队审视自身智能体 AI 实践，从一次未受监控的事件及审计中得到经验：

1. 一个流浪 AI 智能体运行四天花费 3762 美元：5 月 13 日，一名开发人员开启 AI 编码会话持续四天，关闭时进行 4819 次调用，花费 3762 美元，无人预算也无警报。这种情况较常见，因 AI 会话预算与软件即服务（SaaS）类似，按固定用户或令牌成本、以平均值跟踪，深入了解实际运行该模式会失效。

2. 平均值掩盖了 AI 的实际成本：90 天内 557 个代码实现任务中，基于智能体的工作中位成本 2.24 美元，看似可持续，最昂贵任务成本 300.97 美元。但跟踪平均值掩盖成本失控可能，如 3762 美元的会话成本。工程师警告按平均值管理 AI 账单无法预知未来情况。

3. 警惕前 1%的智能体运行：工程师观察到，前 1%的运行消耗近一半费用。90 天内跟踪的 14680 次 AI 运行中，前 1%占总支出 46%，前 5%占 77%，后 90%仅占 12%。AI 支出集中在分布尾部，SaaS 成本控制针对部分错误。

4. 成本来自交互式 AI，而非自动化 AI：研究的 10005 次交互式智能体会话费用达 109118 美元，4171 个自动化软件开发生命周期任务成本仅 6723 美元。执行和审查拉取请求的自动化流程成本不到总费用 6%，94%是工程师日常使用 AI 费用，该类别很少单独列费用。

5. AI 拉取请求的成本因难以衡量的情况而异：30 天内，12 名工程师每人至少合并 10 个拉取请求，共合并 1721 个。每个合并的拉取请求成本最低 4.05 美元，最高 103.66 美元，中位成本 16.59 美元。这种差异反映不同工作和 AI 使用模式，存在于几乎无人衡量的预算维度，比企业与供应商按用户谈判影响大。

6. 成本随使用深度增加，而非人员数量：1 月到 5 月，使用 AI 的团队规模从 7 名工程师增长到 28 名，扩大四倍。消耗的 AI 价值增长 420 倍，每位工程师消耗量增长约 100 倍。按用户的预算无法体现这种增长。最初 7 名工程师产生的 API 等效价值为 109 美元，到 5 月 28 名工程师使用时，达到 45728 美元。

Revenium 团队认为这种分布情况有广泛代表性，与早期客户部署模式相符。同时指出每个拉取请求成本低不意味着工程水平高，关键在于衡量，目前预算管理者看不到差异，不可见性才是问题。