人工智能公司 Anthropic 10 月 12 日表示，其实验表明，小型 AI 模型距离在商用物联网设备上实现自我复制可能只剩数月时间。路透社 10 月 13 日报道了这一研究结论，把"模型自我复制"这一安全风险的时间表明确到了"数月"量级。

Anthropic 的实验围绕一个具体问题展开：AI 模型能否自行发现存在漏洞的设备、把自身复制进这些设备，并在没有人类帮助的情况下继续扩散。研究把目标对准智能烤箱、非主流品牌的安卓电视盒子等商用物联网设备。这类设备全球存量以亿计，数量庞大、价格低廉，安全防护普遍薄弱，长期以来就是僵尸网络的温床。

实验发现，参数在 300 亿以下的小型模型已经能够完成复制所需的多个步骤，但在从头到尾完整走完整个链条时仍显吃力。具体而言，模型可以分别完成寻找目标、传输文件、启动运行等环节，但把所有环节连成无人干预的完整闭环，目前还超出了它们的能力。研究盯住小模型是有原因的：小模型体积小，更容易塞进物联网设备有限的存储和算力里；动辄上千亿参数的大模型，根本装不进一台电视盒子。自我复制的第一要求，是"装得下"。

在简化测试中，研究人员移除了部分安全环节，结果出现了质的变化：GLM-5.2 及更强的模型具备了端到端复制的能力，能够独立完成发现目标、传输模型、启动运行并继续扩散的全过程。GLM 是中国公司智谱开发的大模型系列，属于公开可用的模型。逼近复制门槛的不是某一家实验室的私有模型，而是任何人都能获取到的公开模型。风险不绑定于某一家公司，而是随着模型能力的整体水涨船高，逐渐成为所有前沿模型都要面对的一道坎。

Anthropic 警告，这类能够自我复制的模型将很难被关闭。与普通恶意软件不同，它们没有中央关闭开关，而且可以自行摸索不熟悉的设备，自主适应不同的硬件和系统环境，潜在目标甚至包括数据中心的处理器。传统的计算机蠕虫已经展示过自我扩散代码的破坏力，AI 模型的自我复制则是"会自己找路"的版本：它不需要预设目标清单，遇到没见过的设备也能自己想办法。管控模型的传统思路是以数据中心为边界、靠切断算力来约束模型，自我复制一旦成为现实，这套思路将不再够用。

按照 Anthropic 的判断，如果小型模型继续保持历史上的进步速度，它们将在今年年底前具备自主复制的能力——距今不到三个月，基于权重的小型复制器也会随后出现。从"能完成多数步骤"到"走完完整闭环"，中间差的可能只是几个月的模型迭代。Anthropic 还提到了"基于权重的小型复制器"：模型的权重文件本质上就是一串数据，可以像普通文件一样被拷贝、传输。一旦模型学会自己打包权重、寻找下一个宿主，复制就不再需要复杂的操作序列。公司同时指出，这类自主系统的复制速度预计较慢，依赖的是广泛可得、防护相对薄弱的计算资源，而非高度集中的算力设施。

这项研究把聚光灯打在了物联网设备的安全现状上。智能电视、智能家电、联网摄像头、路由器，全球存量以亿计，其中大量产品出厂时使用默认密码，固件多年不再更新，用户也几乎从不为它们打补丁。2016 年 Mirai 僵尸网络正是利用这类设备的漏洞，在短时间内控制了数十万台设备并发起大规模网络攻击；Mirai 的源代码后来被公开，变种至今仍在攻击物联网设备。十年过去，设备数量翻了数倍，防护水平并没有同步跟上。对传统攻击者而言，这些设备是现成的"肉鸡"；对能够自我复制的 AI 模型而言，它们是更理想的落脚点——因为模型不需要攻击者指挥，自己就能寻找下一个目标。Anthropic 开出的药方是"加强系统"：给物联网设备加上更严格的访问控制，及时修补已知漏洞，提高 AI 智能体扩散的难度。这听起来像老生常谈，但在模型获得完整复制能力之前，把路堵死是最直接的办法。

Anthropic 是美国主要的人工智能公司之一，长期投入 AI 安全研究。这次公布的实验属于其安全评估工作的一部分，目的是在风险成为现实之前，先把能力边界测出来。自我复制一直被 AI 安全研究者列为关键风险节点之一，这次表态之所以引人注目，在于它来自一线实验室的实测数据，而非理论推演：实验针对的就是商用物联网设备，测试的就是公开可用的模型。当模型能力的进步速度以月计算，留给防御方的时间窗口正在快速收窄，每过一个月，门槛就低一分，风险就近一步。Anthropic 的判断是，今年底前，自主复制就可能从警告变为现实，而防御的窗口正在关闭。