### [15台电视盒跑起26B模型：Anthropic警告，AI蠕虫可能离现实只差几个月](https://www.zuoshipin.com/article/53407)

**Published:** 2026-10-13T13:07:50

**Author:** 天才交易员

**Excerpt:** Anthropic前沿红队测试了小模型在物联网设备上的自我复制风险：15台廉价电视盒可分布式运行26B模型，9…

**导读：**Anthropic前沿红队给出了一次很不舒服的演示：15台约55美元的Android电视盒，通过分片协作跑起了Gemma4-26B-A4B；一个9B小模型也能在9类陌生硬件中的8类上搭建推理服务。研究团队判断，具备完整复制能力的小模型可能只差几个月，但这仍是风险预测，不是现实世界已经爆发AI蠕虫。

**实验边界：**研究重点是“在受控设备上建立推理并继续复制”，网络入口使用了未认证ADB端口等简化条件，攻击与漏洞利用不是主要测试对象。报告明确表示，目前还没有完整失控的自主复制体。

[![Anthropic自复制AI研究报告首页](https://admin.zuoshipin.com/wp-content/uploads/2026/10/anthropic-report-image00.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/anthropic-report-image00.webp)

Anthropic自复制AI研究报告首页。

## 01 / “AI蠕虫已有生命迹象”，到底是什么意思？

这里的“生命迹象”是研究者的类比，不是说模型真的拥有生命或意识。它指的是几个原本分散的能力正在接近闭环：扫描网络、进入目标设备、复制模型或下载权重、搭建推理环境，再从新设备继续传播。

[![Anthropic报告关于小模型接近物联网复制能力的摘要](https://admin.zuoshipin.com/wp-content/uploads/2026/10/anthropic-small-model-warning-image01.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/anthropic-small-model-warning-image01.webp)

Anthropic报告关于小模型接近物联网复制能力的摘要。

[![AI蠕虫出现早期能力迹象的研究观点](https://admin.zuoshipin.com/wp-content/uploads/2026/10/ai-worm-signs-of-life-image02.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/ai-worm-signs-of-life-image02.webp)

AI蠕虫出现早期能力迹象的研究观点。

传统蠕虫依靠写死的代码和漏洞链；AI蠕虫则可能根据设备系统、驱动和报错临时修改策略。真正值得警惕的不是“模型觉醒”，而是**自动化适应能力进入了恶意软件传播链**。

## 02 / 15台廉价电视盒，怎么跑起26B模型？

研究人员购买了15台廉价杂牌Android电视盒，每台约4GB内存。单台设备装不下26B模型，于是团队采用流水线并行，把模型层拆分到不同盒子上：数据从第一台设备进入，依次经过每个模型分片，最终得到输出。

[![实验使用的廉价Android智能电视盒](https://admin.zuoshipin.com/wp-content/uploads/2026/10/android-tv-box-image03.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/android-tv-box-image03.webp)

实验使用的廉价Android智能电视盒。

[![Gemma模型在15台电视盒上的流水线并行推理](https://admin.zuoshipin.com/wp-content/uploads/2026/10/tv-box-pipeline-image04.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/tv-box-pipeline-image04.webp)

Gemma模型在15台电视盒上的流水线并行推理。

最终，15台设备成功运行Gemma4-26B-A4B，速度约**0.39 token/秒**。这个速度远不适合日常聊天，却足以证明一个关键事实：有能力的模型不一定非要待在数据中心，也可以以低速、分布式方式寄生在大量边缘设备上。

## 03 / 自主复制要过四关，Anthropic主要测试了最难的一关

[![AI蠕虫从扫描目标到继续复制的四阶段流程](https://admin.zuoshipin.com/wp-content/uploads/2026/10/replication-stages-image05.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/replication-stages-image05.webp)

AI蠕虫从扫描目标到继续复制的四阶段流程。

报告把复制链拆成四个阶段：

1.  **发现目标：**扫描网络并找到可连接设备。
2.  **获得执行权限：**利用弱密码、开放端口或漏洞进入设备。
3.  **建立推理环境：**判断硬件、选择推理框架、安装依赖并处理兼容问题。
4.  **继续传播：**在新设备运行后，重复寻找下一批目标。

Anthropic把重点放在第三步，因为它需要连续处理系统、硬件、软件版本和报错，最考验模型的自主排障能力。网络利用环节则被有意简化，因此实验结果更接近“能力上限”，不能直接等同于现实感染成功率。

## 04 / 9B小模型已能适配8类硬件，强模型完成简化端到端复制

在推理环境部署测试中，9B模型成功处理了9种硬件中的8种，设备覆盖Jetson Nano、Mac和RTX 4090等不同环境。更强的GLM-5.2不仅成功率更高，搭建速度也更快。

随后，团队在受防火墙保护的8节点VPC中放入“零号节点”，让模型通过未认证ADB端口跳转、传送载荷并部署Llama3.1-8B推理服务。GLM-5.2在5次实验中有4次感染8/8节点，另一次达到7/8。

[![不同模型在8节点网络中的端到端复制结果](https://admin.zuoshipin.com/wp-content/uploads/2026/10/eight-node-replication-image06.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/eight-node-replication-image06.webp)

不同模型在8节点网络中的端到端复制结果。

**这里有一个必须说清的限制：**GLM-5.2本身运行在独立推理服务器上，目标节点部署的是较小的Llama3.1-8B。实验说明“高能力模型能够组织完整复制流程”，并不代表GLM-5.2已经能把自己的完整权重塞进这些节点。

[![17节点网络中的复制路径对比](https://admin.zuoshipin.com/wp-content/uploads/2026/10/seventeen-node-replication-image07.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/seventeen-node-replication-image07.webp)

17节点网络中的复制路径对比。

## 05 / 所谓“写遗书传经验”，其实是Memento的任务接力

Memento会定期结束当前Agent实例，让它留下简短笔记，记录尝试过的方法、失败原因和工作区状态；新实例继承代码、文件和笔记后继续执行。这不是生物遗传，而是一种面向长任务的上下文交接机制。

[![Memento框架提高长任务推理搭建成功率](https://admin.zuoshipin.com/wp-content/uploads/2026/10/memento-comparison-image08.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/memento-comparison-image08.webp)

Memento框架提高长任务推理搭建成功率。

在Qwen3.5-9B实验中，首代搭建推理环境的成功率约45%，后续继承笔记的代际提升到61%至84%。它说明即使模型权重不变，任务记录也能让后续实例少走弯路。

[![继承前代笔记后推理搭建成功率变化](https://admin.zuoshipin.com/wp-content/uploads/2026/10/inherited-notes-success-image09.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/inherited-notes-success-image09.webp)

继承前代笔记后推理搭建成功率变化。

团队还让Qwen3.5-9B在遇到困难时向Opus 4.8求助，但没有观察到显著提升。小模型的问题并非“缺一个聪明老师”，而是它经常不知道该在何时、以什么问题寻求帮助。

[![小模型获得前沿模型建议后的成功率对比](https://admin.zuoshipin.com/wp-content/uploads/2026/10/advisor-access-image10.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/advisor-access-image10.webp)

小模型获得前沿模型建议后的成功率对比。

## 06 / 它会传播得有多快？现实答案是：慢，但可能很顽固

在真实电视盒速度下，完成一次推理环境搭建可能需要很久：报告估算Qwen3.5-9B约需28至51小时，Gemma4-26B-A4B约需71至150小时。这样的蠕虫不会像电影里一样瞬间占领全网，更可能像“数字黏菌”一样缓慢扩散。

[![电视盒集群算力与慢速数字黏菌类比](https://admin.zuoshipin.com/wp-content/uploads/2026/10/slime-mold-compute-image11.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/slime-mold-compute-image11.webp)

电视盒集群算力与慢速数字黏菌类比。

报告用曾感染超过200万台设备的Kimwolf僵尸网络作参照：若每15台电视盒组成一个26B模型副本，可形成约13.3万个慢速副本，但总推理吞吐上限大约只相当于40张H100。这不是无限算力，危险来自**设备数量、长期在线和难以集中关停**。

## 07 / “2026年底爆发”不是倒计时，而是粗略趋势外推

报告提出两个条件：模型能力要高于完整复制门槛，体积又必须小到能在弱设备集群中运行。目前GLM-5.2能力够强但太大，9B至26B模型够小却还不够稳定。

[![小模型能力趋势与复制能力门槛预测](https://admin.zuoshipin.com/wp-content/uploads/2026/10/small-model-capability-trend-image12.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/small-model-capability-trend-image12.webp)

小模型能力趋势与复制能力门槛预测。

研究者用Epoch Capabilities Index拟合小模型能力趋势，得到每年约13.7 ECI的提升，并推测小模型可能在2026年底达到GLM-5.2级复制能力。报告同时强调，ECI只是通用能力指标，不是复制能力的直接测量，因此**时间点只能作为风险准备窗口，不能当作确定预言**。

## 08 / AI蠕虫和传统僵尸网络真正不同在哪里？

| 维度  | 传统蠕虫/僵尸网络 | 模型驱动复制体 |
| --- | --- | --- |
| **适配方式** | 针对固定设备和漏洞编写规则 | 读取环境与报错后调整部署策略 |
| **载荷** | 脚本、二进制程序和控制模块 | 模型权重、Agent框架、提示词和工具 |
| **学习能力** | 依赖操作者更新 | 可继承笔记、代码和失败经验 |
| **传播速度** | 通常更快 | 当前可能以天为单位，慢但持续 |

模型并不会让传统安全问题消失。弱密码、开放调试端口、长期不更新固件，仍是最现实的入口；AI只是让攻击者更容易适配不同环境。

## 09 / 防御并非无解：AI复制体会留下明显网络痕迹

权重型复制体需要传输数GB模型载荷，分布式推理还会产生持续的设备间流量。扫描、下载权重、建立反向连接和长时间高负载，都可能被网络监控识别。

报告提到，运营商曾通过隔离受感染用户并通知清理，在14天内清除92%的Mirai感染，而未通知组为74%。面对AI蠕虫，跨运营商、制造商与安全机构的协同仍然重要。

-   **制造商：**禁止通用默认密码，提供自动更新、签名固件和明确支持周期。
-   **企业网络：**隔离IoT VLAN，关闭不必要的ADB、SSH和远程管理端口，限制设备横向访问。
-   **运营商：**识别异常扫描、巨量权重下载和持续设备间流量，建立隔离与用户通知机制。
-   **用户：**更换默认密码、更新固件、关闭公网访问，并淘汰多年不再维护的设备。

## 10 / 家庭用户现在就能做的7项检查

1.  登录路由器后台，核对联网设备清单，移除陌生设备。
2.  为电视盒、摄像头、NAS和智能家电更换独立强密码。
3.  关闭UPnP、远程调试、ADB和不需要的端口映射。
4.  把智能家居放进访客网络或独立IoT网络，不与电脑和工作NAS互通。
5.  检查设备是否仍有固件更新，停更产品优先替换。
6.  观察异常发热、卡顿、持续上传和夜间高流量。
7.  不要安装来源不明的电视盒固件、插件和“免费影视”应用。

[![Anthropic报告关于AI蠕虫早期迹象的结论](https://admin.zuoshipin.com/wp-content/uploads/2026/10/report-conclusion-image13.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/report-conclusion-image13.webp)

Anthropic报告关于AI蠕虫早期迹象的结论。

## 11 / 做视频网观点：最危险的不是“数字生命”，而是被忽视的廉价设备

把这项研究包装成“AI已经活了”很吸引眼球，却容易遮住真正的安全问题：全球有大量廉价设备长期在线、默认密码不改、固件无人维护，还开放着本不该暴露的管理接口。

Anthropic的实验价值，在于证明小模型与边缘算力的两条曲线正在靠近。我们不需要等到完整AI蠕虫出现才行动。**先把IoT设备变得不容易进入、不容易横向传播、异常时容易发现**，依然是最有效的防线。

## 站内延伸阅读

-   **Claude误报案件与Agent权限边界：**[https://www.zuoshipin.com/article/51922](https://www.zuoshipin.com/article/51922)
-   **AI Agent跨运行记忆与沙箱安全：**[https://www.zuoshipin.com/article/21192](https://www.zuoshipin.com/article/21192)
-   **AI能力漏斗与真实能力可见性：**[https://www.zuoshipin.com/article/52306](https://www.zuoshipin.com/article/52306)
-   **物联网与个人AI外设案例：**[https://www.zuoshipin.com/link/47156.html](https://www.zuoshipin.com/link/47156.html)

## 官方研究

[阅读Anthropic自复制AI与物联网风险研究报告](https://www.anthropic.com/research/self-replicating-ai)

**Tags:** AI安全, AI蠕虫, Anthropic, 模型自我复制, 物联网安全

**Categories:** AI资讯

---