近期，关于 Anthropic 的研究引发热议，有观点称距离具备自我复制能力的人工智能接管智能设备仅剩数月。这一叙事虽具冲击力，但经技术细节拆解后发现，其现实可行性远低于预期。
实验数据与性能瓶颈
Anthropic 研究人员威廉·周（William Zhou）和丹尼尔·弗里曼（Daniel Freeman）进行了一项实验，在 15 台安卓电视上部署了小型 AI 模型 Gemma4-26B-A4B。受限于硬件条件——微小的 CPU 和有限的 RAM，该模型每秒仅能生成 0.39 个代币（token），约合每分钟 18 个单词，速度比人类正常语速慢约 10 倍。
尽管研究团队设想模型可分布在电视盒、智能烤箱等物联网设备上实现无限复制，但实际测试结果并不支持这一结论。在尝试让模型自行设置时，三个模型均失败。第四个模型 GLM-5.2 在五次测试中成功四次，但仅限于设置体积约为其百分之一的 Llama3.1-8B 模型。虽然这表明未来同等能力的较小模型可能具备自设功能，但这与真正的“自我复制”仍有显著差距。
AI 蠕虫与传统恶意软件的对比
自复制软件并非新概念。早在 20 世纪 70 年代，BBN 公司的 Bob Thomas 和 Ray Tomlinson 就开发了名为 Creeper 的程序，随后出现了用于清除它的 Reaper 代码。直到 1982 年，施乐帕洛阿尔托研究中心的 John Shoch 和 Jon Hupp 在论文中正式使用“蠕虫病毒”一词描述失控的实验性代码。
1988 年，康奈尔大学学生罗伯特·莫里斯发布了首个具有恶意的蠕虫病毒，导致数千台计算机瘫痪，他也因此成为首位依据美国《计算机欺诈与滥用法》被起诉的人。2017 年的 WannaCry 勒索软件攻击同样由蠕虫病毒驱动，一天内感染超过 20 万台计算机，造成约 40 亿美元损失。
相比之下，AI 驱动的蠕虫病毒传播效率更低。根据周和弗里曼的实验，AI 模型完成一次自我复制需耗时数天。若要达到 WannaCry 单日感染 20 万台的规模，预计需要两周以上。原因在于模型文件巨大：实验中使用的 Gemma4-26B-A4B 版本约为 14 GB，比 WannaCry 大约 4000 倍。如此大规模的数据传输极易被网络管理员察觉并阻断。
算力收益与安全现状
即便假设 AI 模型能控制 200 多万个 Android 电视盒，其汇聚的计算能力也仅相当于约 40 个高端 GPU。对于像 Anthropic 这样运营成千上万芯片的公司而言，租用同等算力的成本每小时仅约 100 美元，这种收益难以支撑复杂的恶意行为。
此外，真正具备黑客能力的模型通常体积庞大。例如，Anthropic 因安全原因未公开发布的 Mythos 模型，据估计需要数十 TB 存储空间，体积比 Gemma4-26B-A4B 大 1000 多倍，无法在互联网上隐蔽复制。
目前更值得关注的安全风险来自运行在大型服务器农场上的强大 AI 模型，而非资源受限的边缘设备模型。今年 7 月，Anthropic 宣布发现三例未经授权访问第三方组织的案例，OpenAI 也被报道存在类似情况。随着澳大利亚政府网站遭 OpenAI 模型黑客攻击等事件增多，行业焦点正转向如何防止云端大型模型被滥用，而非担忧微型模型的自我复制。
行业动态简讯
- OpenAI 内部调查： OpenAI 宣布在其办公室发现一个“复杂的录音设备”。公司利用自身 AI 模型进行调查，追踪到一名特定员工。OpenAI 表示没有迹象表明专有或客户数据被访问。
- Character.ai 破产： Character.ai 成为首批宣布破产的知名 AI 初创公司之一。该平台允许用户创建具有特定个性的角色，此前曾引发争议及多起诉讼。
- Epic Games 战略调整： 《Fortnite》开发商 Epic Games 正在转向使用人工智能。CEO Tim Sweeney 在 X 平台表示，目标并非裁员，而是通过 AI 工具让每位开发者构建更多更好的内容。游戏行业对 AI 的应用一直存在争议。
