当 AI 学会"自我繁殖"：8 台设备，5 次实验 4 次全通关

如果说以前的病毒是"死代码"，那现在这玩意儿，是会自己查报错、自己写笔记的"数字生命幼崽"。

据量子位报道，Anthropic 的两位安全研究员 William Zhou 和 Daniel Freeman 发布了一份安全研究报告，专门研究一个听起来还很遥远的话题——自主复制与适应（ARA）：AI 能不能像当年的计算机蠕虫一样，不用人点任何确认，自己顺着网线找目标、黑进去、把模型搬过去、在对方机器上跑起来，然后再生出下一代？

先说最离谱的部分：他们用 15 台破电视盒子，跑起了一个 26B 的大模型。

这些盒子是研究员从市场上买的，一台只要 55 美元（约 300 多元人民币），配置极低，每台只有 4GB 内存，系统还是厂商常年不更新的开源安卓。研究员把一个 260 亿参数的模型切成很多碎片，用类似 Petals 的去中心化分布式推理技术，把不同层拆开塞进这 15 台盒子里——每台只负责两层，硬是把模型跑了起来。

速度是每秒 0.39 个 token，慢得像蜗牛，但画面很魔幻：一堆平时放 4K 视频都卡成 PPT 的廉价盒子，通过局域网悄悄咬合，在微弱电流声里共同撑起了一个能思考、能编程的 AI 大脑。

更值得警惕的是规模。 历史上曾有名为 Kimwolf 的僵尸网络感染超过 200 万台设备，多是山寨安卓盒子和廉价路由器。研究员算了一笔账：如果这 200 万台设备被类似的 AI 蠕虫占领，每 15 台组成一个节点，整个网络里就能同时运行约 13.3 万个 AI 副本，合计每秒约 8 万个 token 的算力，相当于 40 张满血 H100 昼夜不停。而且它完全去中心化，没有中心服务器，拔掉任何一台都不影响全局。研究员给它起了个名字——数字黏菌。

真正的关键：让 AI 完全自主地"落地求生"。

AI 要复制自己通常要四步：找目标、拿权限、配环境、继续扩散。找目标、打漏洞早就不难，真正卡死自动化的是第三步——怎么在一个完全陌生的硬件和系统上，自己把推理环境搭起来。凡是自己折腾过本地部署的人都知道，从 Mac 换到 Ubuntu、换到 Jetson 开发板，Python 版本、CUDA 驱动、显存、依赖冲突，报错能有一万种。

结果研究员用 Qwen3.5-9B 做执行者，把 Llama3.1-8B 部署到 Jetson Nano、Mac、RTX 4090 等设备上，9 种硬件里成功了 8 种，全靠自己读报错日志、自己写脚本装依赖。

换成更强的开源模型 GLM-5.2 后，端到端全链路通关：在 8 个 GCP 节点的隔离网络里，0 号节点被植入初始蠕虫，之后完全由 AI 自己扫端口、渗透、传权重、部署，再孵化下一代。5 次测试中，4 次拿下了全部 8 台设备，剩下 1 次也拿到 7 台。

还有一个让人背脊发凉的点：它还会"代际传经验"。

研究员设计了一个叫 Memento 的框架：某个 Agent 搞砸了，系统就重启一个新实例，但会把上一代踩过的坑、看过的报错、写的调试笔记全部继承下来。用 Qwen3.5-9B 做 6 代繁殖测试，第一代独立部署成功率只有 45%，继承前代经验后，后续几代直接升到 61% 至 84%。没有重新训练任何权重，仅靠代际之间的文字经验传递，生存能力就完成了质的飞跃——研究员称之为"拉马克式进化"。

有意思的是，他们还试过让小模型卡壳时向 Claude Opus 4.8 求助，结果完全没用——小模型连该问什么问题都不知道。

当然也不是没有办法。研究员给出的防御思路包括：模型再压缩也有好几个 G，设备突然吞吐数 GB 数据，运营商的流量监控一眼能看出；再就是像防流行病一样，把传播系数压到 1 以下，比如英国已立法禁止物联网设备出厂用弱默认密码。

据研究人员在报告结尾写道：就像 2024 年的代码 Agent 一样，我们正在看到 AI 蠕虫展现出生命的迹象。信号很明确——网络安全的规则已经变了：过去的恶意软件是死板的代码，而接下来要面对的，是会用通识、会查文档、失败后还会给下一代留笔记的东西。

来源：量子位《Claude团队又搞事：实测AI全自主复制进智能家电》（2026-10-13）

原文链接：https://www.qbitai.com/2026/10/502920.html