5 億美元 Claude 帳單只係警號：AI coding 工具要先設預算閘

圖：Android Authority．原文連結

一間公司一個月燒掉 5 億美元 Claude credits，聽落似荒謬事故，但真正值得公司 IT team 留意嘅唔係個數字有幾誇張，而係背後嗰個管理漏洞：AI 工具一旦由人手問答變成 agent 自動跑任務，用量可以喺管理層未睇到帳單前已經爆開。以前買 SaaS，最少仲可以用 seat 數估成本；而家買 AI coding、Deep Research、agent workflow，就算每人每月有固定方案，實際成本都可能同 token、credits、premium requests 或自動增值綁住。

呢單新聞要先落一個括號。Android Authority 引述 Axios 報道，話有一名 AI 顧問稱其客戶忘記為員工 Claude licenses 設 usage limits，結果單月用量約 5 億美元。公司名、帳單文件、顧問身份同 Anthropic 確認都未公開，所以唔應該寫成已完全查證嘅企業事故。較準確嘅睇法係：呢個匿名個案係一個強烈警號，反映企業 AI 採購正由興奮期進入成本審計期。

匿名天價帳單背後，係 AI 採購由試用變成基建

Axios 原文嘅重點唔止 5 億美元。報道同時提到，美國企業開始質疑 AI spending 係咪真係換到可量度回報，問題包括用例揀錯、員工將昂貴模型用喺低價值任務、agent 因公司唔敢開放內部資料而效果有限，以及管理層用「多啲人用 AI」當成績指標。換句話講，成本失控唔一定來自單一員工亂用，而係採購、權限、工作流、KPI 全部未準備好，就突然俾 AI 工具進入日常工作。

呢個轉變對開發團隊特別明顯。AI coding tool 唔係普通 chatbot：佢會讀 repo、搜索上下文、改多個檔案、跑測試、再根據錯誤重試。每一步都可能消耗 input token、output token、cache、tool call 或背景 agent 時間。當十幾個 developer 同時用 agent 做 refactor、寫測試、修 CI，表面上只係多咗幾個 tab，帳單上就可能變成連續嘅推理工作。最麻煩係，寫 code 係少數真係可能有高 ROI 嘅 AI 用例，所以公司唔應該一刀切禁用；應該先問邊啲任務值得用最貴模型，邊啲只需要 autocomplete、搜尋、lint 或細模型。

平台已經有閘，但預設未必幫你閂好

官方文件其實已經寫到好清楚：Anthropic API 有 spend limits 同 rate limits，組織亦可為 workspace 設較低限制；Claude Code 文件亦提到可查看使用量，並為 Claude Code workspace 設 spend limits。問題係大型企業合約、monthly invoicing、自訂額度同內部成本中心之間未必同步。平台層有上限，不等於每個 team、每個 API key、每個 agent workflow 都有合適上限；預算責任如果只放喺財務部，通常已經太遲。

OpenAI 嘅 ChatGPT Business / Codex credits 文件亦值得 IT admin 細讀。官方說明指 Codex seats 需要 credits；workspace 可以開 automatic reload，但如果 monthly recharge limit 留空，就可能令自動增值無月度硬上限；spend controls 可以按 seat type 或個別用家設定月度 credit limits，而預設係未指定 limits。GitHub Copilot 亦有類似方向：premium request paid usage policy 預設可讓用家超出 included allowance，企業要配合 budget，先可以喺 budget 用盡時截停額外 premium requests。呢啲唔係冷門設定，而係 AI 工具正式進入公司前應該完成嘅基本功。

固定月費感覺，正被 usage-based 現實取代

過去兩年，AI 工具賣點好多時係「每人每月」：買 Copilot、買 ChatGPT Team/Business、買 IDE agent，好似同 Slack、Notion、Figma 一樣易預算。但 agent 化之後，供應商無可能長期用單一月費包晒高成本推理。Gartner 今年 3 月估算，到 2030 年同級 LLM inference 成本會比 2025 年低超過 90%，但同一份分析亦提醒，agentic models 每個任務需要嘅 token 可以係普通 chatbot 嘅 5 至 30 倍。單位成本落，總帳單都可以升，因為工具開始自動做更多步驟、讀更多資料、重試更多次。

Microsoft 同 Uber 相關報道反映同一條線。Axios 提到 Microsoft 取消大部分 Claude Code licenses，部分原因同成本有關；Uber COO 亦公開表示，AI token 用量增加未必容易對應到更多有用產品功能。呢啲唔代表 AI coding 無價值，反而代表公司開始由「用得越多越先進」轉去「用得啱先算數」。如果一個 agent 幫 developer 快咗一小時，但花咗接近一小時人力成本嘅 credits，仍然可能值得；如果佢只係幫人查天氣、重寫冇商業價值嘅內部 memo、或者喺冇測試保護下反覆改 code，就只係將試錯成本轉嫁到帳單。

香港唔應該照抄美國 Claude 故事

香港角度要分開兩件事。第一，Anthropic 官方 supported countries & regions 頁面列出 API 同 Claude.ai 支援地區，目前未見 Hong Kong；所以本地公司唔應該直接假設可以用香港實體正式買 Claude 或 Claude API。若經海外母公司、雲端 marketplace、系統集成商或其他合約路徑使用，條款、資料處理、付款主體同支援責任都要逐項核實。呢點唔係小字眼，而係 procurement、legal、security 一齊要簽名嘅範圍。

第二，香港企業 AI 採用本身已經唔係概念。Microsoft 今年 4 月香港消息稿稱，香港係亞洲其中一個活躍 Copilot 市場，Microsoft 365 E7 Wave 3 會喺 2026 年 5 月 1 日於香港 general availability，並列出 AIA、AS Watson 等本地企業例子。即係話，本地問題唔係「會唔會用 AI」，而係銀行、保險、零售、agency、fintech、軟件外判團隊點樣喺正式採購前設治理框架。尤其香港好多公司 IT team 細、財務審批快、project-based 工作多，一個 agency 或 fintech team 可能幾星期內由兩三個人試用，變成全 team 裝晒 IDE agent。

真正要做嘅係用量治理

香港公司導入 AI coding 或 agent 工具前，至少要落幾條硬規矩：

• 先分環境同權限：production API key、客戶資料、內部 repo、sandbox key 要分開，唔好用同一條 key 俾所有 agent 跑。
• 先設 team budget：唔只係公司總 cap，要有 project、team、seat type、個別 heavy user 上限，並寫明邊個可以批准加額。
• 先開 usage dashboard：每星期睇 credits、token、premium requests、agent run、失敗重試同最貴 workflow，唔好等月結單先知。
• 先定 ROI 指標：用 PR cycle time、bug reopen rate、測試覆蓋、support ticket reduction、交付時間做衡量，唔好用「prompt 次數」當成功。
• 先設停機制：超過預算後係降級去細模型、暫停背景 agent、定係只容許指定 senior engineer override，要預先決定。

呢單 5 億美元故事最大價值，唔係證明 AI 泡沫爆破，亦唔係證明 AI coding 唔抵用。相反，佢提醒企業：AI 已經由玩具變成會吞預算嘅生產工具。買之前只問「邊個模型最勁」已經唔夠，仲要問「邊個可以開 key、邊個可以自動增值、邊個要為 agent 跑錯方向負責」。香港公司如果想認真用 AI，第一步唔係追最貴模型，而係將 spending cap、權限、dashboard 同 ROI 寫入採購流程。

參考來源

• Android Authority — A company spent $500 million in one month after forgetting to set AI usage limits — original report
• Axios — AI sticker shock hits corporate America — 5 億美元匿名個案嘅原始報道來源，亦提供企業重新審視 AI 成本同 ROI 嘅脈絡。
• Anthropic — Supported countries & regions — 核對 Claude.ai 同 Anthropic API 支援地區；目前列表未見 Hong Kong，避免假設香港公司可直接正式使用。
• Anthropic Docs — Rate limits — 官方說明 Anthropic API spend limits、rate limits、workspace limits 同月度用量限制。
• OpenAI Help Center — Managing credits and spend controls in ChatGPT Business — 官方文件列明 Codex credits、自動 reload、monthly recharge limit、按 seat 或用家設定 spend controls。
• GitHub Docs — Managing the premium request allowance for your organization or enterprise — 核對 GitHub Copilot premium requests、paid usage policy 同 budget 截停機制。
• Gartner — GenAI inference cost forecast for 2030 — 提供 inference 成本下降但 agentic AI token 用量可大幅上升嘅行業背景。
• Microsoft Source Asia — Microsoft Brings Agentic AI to Hong Kong Organizations — 香港本地企業 AI adoption 同 Microsoft 365 Copilot / E7 香港推出時間嘅官方背景資料。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。