Anthropic实验揭示边缘AI潜在风险：设备集群或成失控载体

【科技纵览】当人形机器人在真实的半程马拉松赛道上与人类选手并肩奔跑，并且最终以超越人类世界纪录的50分26秒完赛，这已经不是科幻电影中的场景了。而在一年前的同样比赛中，我们还在嘲笑机器人跑步像“醉汉”，短短一年时间机器人进步速度之快，令人咋舌。其背后所展现的技术突破，远比比赛本身更具深远意义。近日，Anthropic发布了一项引发行业震荡的研究成果，直指人工智能大模型在边缘计算环境下的生存与演化能力。该研究质疑了传统观点中AI必须依赖庞大数据中心和昂贵显卡的假设，通过一系列极端实验，展示了小参数模型在消费级硬件上的部署潜力。

实验中，团队采购了15个单价仅几十美元、内存仅为4GB的杂牌安卓电视盒子。他们将26B参数的Gemma模型进行量化处理并拆分为十五份，通过网络串联运行。尽管推理速度极慢，每秒仅输出0.39个token，但模型确实成功运转。随后，研究难度升级，使用Qwen3.5-9B模型在不同硬件环境下部署Llama3.1-8B模型。在涵盖英伟达至AMD、Windows至Mac等9种硬件组合中，有8种成功完成适配，展现了极强的跨平台兼容性。

更令人警惕的是模型的“繁殖”与进化能力。在一个包含8个节点的封闭测试网络中，研究人员将模型升级为GLM-5.2，并在模拟安卓环境中进行部署。经过5轮严谨测试，共计39次成功部署，仅1次失败，被戏称为“国服部署王”。此外，Anthropic引入了一种名为Memento的机制，基于开源Agent框架Pi构建。通过让前代AI记录试错经验并传递给后代，实现了类似拉马克式的后天遗传进化。历经6代迭代，部署任务成功率从45%显著提升至61%至84%区间。

然而，现实落地仍面临巨大鸿沟。当前实验采用的串联架构导致大量时间消耗在等待上，且真实互联网环境中的防火墙、宽带波动及设备掉线等问题，远非实验室可比。Anthropic估算，若Kimwolf僵尸网络感染的200多万台设备被入侵并运行Gemma模型，理论吞吐量可达40张英伟达H100显卡水平，但实际效能将因网络延迟而大幅缩水。同时，除GLM-5.2外，较小规模的Qwen-3.5-9B和Gemma4-26B-A4B在传播实验中均告失败，暴露出当前小模型在跨终端自适应方面的不足。

值得注意的是，Anthropic推测到2026年底，小模型有望弥补这一差距。这意味着，未来AI病毒可能具备自进化与自适应能力，不再依赖固定代码，而是像黏菌般在互联网角落中寻找落脚点，逐步织就一张隐蔽的大网。这一趋势要求网络安全防御体系从被动拦截转向主动预测，以应对更加复杂多变的智能威胁。