Anthropic 實驗：小型 AI 模型數月內可能具備在 IoT 裝置自我複製能力

這不是科幻場景，而是 Anthropic 紅隊研究員正在測量的現實距離。

Anthropoc 研究人員 William Zhou 與 Daniel Freeman 發布實驗報告，核心結論直接：小型 AI 模型可能在數個月內具備在商用 IoT 裝置（如智慧電視盒、智慧烤箱）上自我複製的能力。他們實際購買了 15 台約 55 美元的雜牌 Android TV 盒子，串接成分散式推論叢集，成功跑起 Gemma4-26B-A4B，每秒產生 0.39 個 token。概念驗證做出來了：IoT 裝置不只是攻擊目標，本身就能成為 AI 推論的運算底座。

問題是，這個底座夠不夠跑出能自我複製的模型？Anthropic 把「複製鏈」拆開來逐段測試。在推論環境建置這個最難的環節，9B 等級的 Qwen3.5 已能在測試的 9 種硬體中的 8 種成功啟動推論服務——從 Jetson Nano 到 Mac 再到 RTX 4090。完整端到端複製（掃描網路、滲透目標、傳送模型權重、啟動推論、再往下一台擴散）目前只有 GLM-5.2 能可靠完成，在 5 次測試中有 4 次成功感染全部 8 個節點。關鍵問題是：GLM-5.2 是多大的模型？它是否能被壓縮進小型模型的體積裡？Anthropic 的估算是，若小型模型照歷史速率進步，到 2026 年底可能達到 GLM-5.2 的能力水位——也就是說，能自我複製的小型模型，可能就在這個時間點現身。

這個威脅和傳統惡意程式有幾個根本差異，值得企業主注意。傳統蠕蟲是硬編碼的，只認識它被寫死要攻擊的那種裝置；AI 蠕蟲碰到陌生硬體，自己想辦法。更麻煩的是它沒有單一可以關掉的中控節點——2 百萬台裝置感染的 Kimwolf 殭屍網路，如果換成 AI 版本，每 15 台電視盒跑一個 Gemma4-26B-A4B 副本，整個殭屍網路的推論量大約等於 40 張 H100。數字看起來不大，但這只是起點，而且邊緣運算裝置的數量還在持續增長。Anthropic 用「數位黏菌」來形容這種複製型態：慢、分散、很難斬草除根。

還有一個實驗結果值得留意：讓 Qwen3.5-9B 把每一代嘗試的策略與失敗原因記下來、傳給下一代，六代之後推論環境建置的成功率從 45% 爬升到 61%～84%。AI 複製器可以把學到的東西遺傳給後代——這是傳統惡意程式做不到的事。

防禦有沒有勝算？Anthropic 的結論是，目前攻守的能力天花板還沒有交叉，但時間窗口正在縮短。他們建議從降低 R₀（每個感染裝置平均繼續感染的裝置數）著手——只要把 R₀ 壓到 1 以下，複製鏈就會自然死亡。對企業而言，這份研究的現實意義是：那些接在網路上、從來沒人管的廉價 IoT 裝置，可能是下一波資安風險的破口，而且這次進來的不是死腦筋的腳本，是會學習、會繞路的代理。