Anthropic 边界实验室（Border Lab）近日发布研究报告，警告称人工智能模型可能具备在物联网设备上自我复制的能力。报告指出，这种“AI 虫”若利用易受攻击的设备进行传播，可能在数月内形成大规模网络威胁。
研究核心在于验证 AI 模型能否脱离数据中心硬件实现自主复制。实验显示，一个拥有 9 亿参数的模型成功在 Anthropic 测试的 9 种硬件类型中的 8 种上完成了推断设置。Anthropic 强调，此类分布式复制器难以被彻底关闭，因为不存在单一的集中控制点。此外，该模型还能检查陌生设备的运作状态，这使其比 Mirai、Kimwolf 等传统物联网僵尸网络更具适应性。
实验过程与数据表现
研究人员首先尝试让 Gemma4-26B-A4B 模型的分布式实例在 15 个通用的 Android 机顶流盒上运行。启动后，分布式的 Gemma4 模型以每秒 0.39 个代币的速度执行推断任务。这一结果证明 AI 模型可以通过多层架构分布在廉价硬件上进行推断，但并未直接证明其具备自我复制能力。
为验证自我复制机制，团队转向使用 Z.ai 5.s GLM 5.2 模型。在 Google 云环境中，GLM 被用于在八个运行 Android 15 模拟器的实例中传播 Llama3.1-8B 的副本。据 Anthropic 描述，该模型在五次试验中有四次成功将副本传播至所有八个节点，另一次则成功传播至七个节点，显示出较高的成功率。
Anthropic 解释称，GLM-5.2 能够高效传播 Llama3.1-8B，表明未来具备同等能力水平的小型模型也能完成包括网络编目、有效载荷交付和推断站立在内的复制步骤。
威胁评估与现实局限
尽管报告描绘了潜在的末日场景，但需结合具体技术条件审视。Anthropic 指出，实验中 AI 模型利用了定制化的“Memento”带以及特定工具来实现复制。关于漏洞利用环节，Anthropic 引用了 CyberGym、ExploitBench 等早期论文，认为小模型在拥有正确工具时已具备发现网络漏洞的能力，因此本次研究主要聚焦于复制流程本身，而非漏洞挖掘。
值得注意的是，实验环境经过了简化处理。Anthropic 承认，这些故意简化的开发测试仅提供了“现实世界成功的上限”。被劫持的物联网节点通常存在严重的安全卫生问题，防止此类入侵往往只需基础的安全措施，这与 AI 无关。
在传播速度方面，Anthropic 估计此类 AI 虫可能需要几天时间使感染数量翻倍。作为对比，2016 年出现的 Mirai 僵尸网络在一个小时内便实现了数量翻倍。目前尚不清楚在实际复杂网络环境中，AI 驱动的自我复制是否真能构成即时且不可控的全球性威胁。
