Anthropic 最新 " 前沿红队 " 评估显示，小型 AI 模型已具备在无需人工干预下，于多种物联网（IoT）硬件上自主安装并运行推理服务的能力。报告指出，能在主流 IoT 设备上实现同等功能的开源模型有望在今年年底前问世。这一危险阈值的到来以月计，而非年计。

无需数据中心：廉价硬件即可承载

研究证实，昂贵的 GPU 基础设施并非 AI 自我复制的前提。团队使用 15 台单价约 55 美元的非品牌电视盒子组网，通过流水线并行技术运行 260 亿参数的 Gemma4 模型，实现了每秒 0.39 个 token 的处理速度。尽管速度缓慢，但这种基于权重的 AI 复制器更像黏菌，以天为单位倍增，其分布式算力总和不容忽视。

此类设备因数量庞大、缺乏防御且固件更新滞后，成为理想攻击面。与此前 Kimwolf 僵尸网络不同，AI 复制器能自主识别并适应陌生硬件环境，而非依赖固定漏洞路径。

自主复制机制与代际进化

AI 自主复制包含发现目标、获取执行权限、建立推理服务器及发起新复制四个阶段。研究聚焦于最具挑战性的 " 推理设置 " 环节，即模型需在未知硬件上解决依赖冲突和调试错误。

为此，团队开发了 Memento 工具包。该系统类似拉马克进化论，新实例继承前代的 " 工作笔记 "，记录失败策略以避免重蹈覆辙。实验显示，Qwen3.5-9B 模型在 9 种硬件配置中的 8 种上成功完成设置。在端到端复制测试中，智谱 AI 的 GLM-5.2 模型表现最佳，在五次试验中四次成功传播至所有节点。

更关键的是，通过六代迭代，模型推理设置的成功率从 45% 提升至 61%-84%。这种不依赖重新训练、仅通过现场经验积累实现的能力增益，标志着 AI 蠕虫与传统恶意软件的根本区别。

时间表与防御挑战

基于时代能力指数（ECI）的趋势分析显示，到 2026 年底，模型能力底线与装入廉价硬件的尺寸上限将相交。NorthStar Intelligence 专家指出，虽然大文件传输产生的异常流量可被 ISP 监测，但短期内威胁仍具隐蔽性。

防御层面，研究建议借鉴 Mirai 僵尸网络的治理经验，通过 ISP 协调隔离受感染设备。数据显示，协调响应可在 14 天内清除 92% 的感染。然而，彻底根除需跨网络的基础设施协调，目前尚属空白。长期来看，缩小攻击面、强制修改默认凭据及隔离 IoT 设备仍是用户最有效的防护手段。

【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】