Anthropic研究员William Zhou和Daniel Freeman于2026年10月12日发布了一项看似惊悚的研究《AI models may be capable of self-replicating without access to a datacenter》，宣称小型AI模型已经有能力在扫地机、智能电视盒等低算力设备之间实现自主复制与横向蔓延。伴随这项研究出炉的，是Anthropic CEO Dario Amodei此前公开喊出的极端预警——此类蜂群式AI蠕虫可能在6到12个月内接管互联网，造成数千亿美元的经济损失。
然而，剥离耸人听闻的公关修辞，这项研究展现的与其说是一场迫在眉睫的网络浩劫，不如说是一次在高度人工干预温室里完成的工程原型验证。为了验证模型能否脱离数据中心运行，研究人员将参数规模为26B的Gemma4-26B-A4B切分部署在15台单价55美元、配备4GB内存的安卓电视盒上协同推理。这套分布式系统的实测推理速度仅为0.39 tokens/秒，生成一句话都需要数十秒，与人们想象中瞬间瘫痪网络的数字化病毒相去甚远。
被刻意绕过的攻防死穴与后门依赖
在传统的四阶段复制模型中，攻击者必须依次完成扫描、攻破、环境部署与横向扩散。Anthropic团队在论文中承认，他们故意略过了真正的漏洞攻破步骤，理由是Jonas Guan等人在2026年6月2日提交的前期论文《AI Agents Enable Adaptive Computer Worms》（arXiv:2606.03811）中已经探讨过小模型执行攻击的潜力。但关键在于，那项前序研究也是在人为预设漏洞的网络环境下完成的。
在缺乏人为铺路的独立基准测试中，AI模型的实战攻防能力远没有那么神奇。CyberGym（arXiv:2506.02548）针对1507个真实漏洞的测试显示，模型生成可用漏洞利用代码的最高成功率仅在20%左右；而ExploitBench（arXiv:2605.14153）更揭示出，大语言模型极其容易造成目标系统崩溃，却极难精准完成任意代码执行这一高阶操作。
更为致命的是评测环境的严重失真。实验中所谓的节点复制，实际上是在直接开启未授权ADB调试端口的安卓模拟器上完成的。不仅如此，负责指挥和规划动作的智能体核心，实际上运行在外部高性能独立推理服务器上，并非由受限设备完全闭环运算。即便在如此宽松的条件下，现存模型也展现出巨大的断层：虽然9B级别模型能在9种硬件测试中的8种完成Llama3.1-8B环境搭建，但在跨节点串联全流程时，只有GLM-5.2在5轮复制评测中拿下4轮感染全部8个节点、1轮感染7个节点的战绩，其余模型几乎全部困死在初始节点。
虽然研究中引入了经验继承机制，让Qwen3.5-9B在共享前代排错记录后将推理环境部署成功率从初代的45%拉升至61%至84%，但这仅仅代表环境配置脚本的容错率，绝非端到端的自主渗透复制率。
带着重型武器行窃的反常工程学
从实战攻防视角审视，这种自带庞大模型权重的AI蠕虫在工程构想上近乎反常。知名安全研究员Marcus Hutchins公开质疑了这种攻击路径的现实合理性：在真实黑客对抗中，追求的是极小体积、极速渗透与高度隐蔽。
回顾历史上的经典IoT僵尸网络，Mirai依靠轻量编译代码扫描预设弱口令，能在数天内瘫痪DNS基础设施，并在14天内随着网络运营商的隔离措施被清洗掉92%的感染节点；曾感染超过200万台安卓电视盒的Kimwolf同样基于固定脚本运转。相比之下，AI蠕虫在单台设备上搭建环境耗时动辄28至150小时。在这个周期内，设备持续处于几十吉字节的数据吞吐和高负载发热状态，在当代网络流量监测面前如同黑夜举火。
带着数十GB模型权重去感染低端设备，无异于开着重型压路机去潜行行窃。
多数消费级IoT设备采用只读闪存架构，运行时数据存放在临时内存中，一旦断电或日常重启便彻底清空。即便一个达到Kimwolf体量的AI僵尸网络组网成功，Anthropic估算其全网总算力也不过等同于40张专业AI芯片。耗费巨大代价维系一个脆弱、低速且容易重置的去中心化网络，黑客攻击者显然有更经济的选择——直接利用云端最强大的前沿模型，自动化编写高度精简的传统轻量恶意软件，其杀伤效率远高于把模型自身打包进设备。
- 风险.将模型切分到低端硬件所产生的网络噪音与超长安装周期，使得这类载荷在真实攻防对抗中几乎不具备生存能力。
恐慌修辞背后的监管阳谋
既然工程层面的威胁充满硬伤，为何Anthropic及其管理层要执意放大这种叙事？答案隐藏在安全预警与政策博弈的时间差里。
CEO Dario Amodei此前在2026年9月12日发表的博文《We Must Pace the Frontier》中，断言AI可能在半年到一年内掌控互联网并造成数千亿美元损失。这一骇人结论主要是基于OpenAI与Hugging Face此前遭遇的智能体安全事件所做的定性推演，不仅早于10月的研究发布，而且在统计学与因果律上与这项电视盒切分实验没有任何数据支撑关联。研究团队描摹的数字黏菌概念，在很大程度上被借用为宏观政策恐吓的注脚。
多位网络安全分析人士直指这一举动背后的战略意图：通过论证开源与开放权重的小模型能够离开云端受控环境自我繁衍，商业闭源厂商正在为推动针对小模型分发的政策审查构筑合规壁垒。英国等地区已通过法律强制禁止硬件默认密码，从物理源头上削减了设备暴露面；而在模型端，一旦自主复制被定性为系统性灾难风险，开源社区分发权重的自由度将首当其冲遭遇紧箍咒。
- 结论.将实验室内的特定配置原型混同于现实威胁，本质上是把工程试探包装为安全筹码，读者与行业应当看清实战攻防的真实参数，而非被夸大的技术恐惧所裹挟。