Anthropic 的紅隊研究員發現：細小的 AI 模型，可能唔使幾耐，就可以喺平價的智能家電入面自己繁殖。好似電腦蠕蟲咁，一部傳一部。
想像有一隻識自己諗嘢的電腦蠕蟲。佢住喺你屋企的電視盒入面。佢會自己搵隔離鄰舍的雪櫃、吸塵機，一個傳一個。下面個模擬器，就係佢的傳播方式：一變二，二變四。
示意模型：研究報告指呢類「AI 蠕蟲」的倍增時間以「日」計，而且冇中央伺服器可以一掣熄停。格仔去到 64 部就停，現實可以去到多好多。
一句講晒：平價裝置 + 識自己行動的 AI + 冇總掣熄停，就係成篇研究的憂慮。
第一幕 · 個腦可以有幾細
一般人以為，AI 要勁，就要住喺大數據中心。入面有成千上萬張貴價晶片。
研究員做咗個實驗去挑戰呢個諗法。佢哋買咗 15 部雜牌 Android 電視盒。每部大約 55 美元，平過一餐晚飯。
佢哋將一個 AI 模型（Gemma4-26B-A4B）拆開，分散裝喺 15 部盒仔度一齊運行。
15 部電視盒 × 約 55 美元 ≈ 825 美元，砌出一個可以運行的 AI。
速度有幾慢？每秒只出到 0.39 個字元（token）。即係打一句短句，要等成分鐘。
但重點唔係快。重點係：佢行得郁。一個 AI 唔再需要數據中心，都可以存在。
第二幕 · 複製要行四步
自我複製唔係魔法。拆開嚟睇，係四個步驟：
喺網絡上面掃描，搵到另一部冇乜防禦的智能裝置。
利用裝置的弱點入去。例如冇鎖好的除錯埠（ADB）。
將 AI 模型裝入新裝置，等佢喺新屋企行得郁。
新裝置跟住做返第 1 步，繼續傳落去。
研究員逐項測試唔同大細的模型。結果係：
即係話：零件已經齊晒，爭在未識駁埋一齊。
第三幕 · 有一個做到了
研究員再做一個簡化實驗。場景係 Google 雲端入面一個 8 部 Android 模擬裝置的機群。裝置的除錯埠冇鎖，入侵一步被大幅簡化。
多個模型輪流挑戰。只有一個成功：
GLM-5.2 喺 5 次測試入面，4 次將自己複製到全部 8 部裝置。係完整的一次過跑通四步，唔係分開做。
要留意一個細節：GLM-5.2 本身太大，入唔到電視盒。實驗入面佢住喺另一部伺服器，遙控目標裝置安裝一個細的 Llama 模型。呢一點，係後面爭議的來源之一。
第四幕 · 幾時會嚟
研究員用 Epoch 能力指數去量度細模型的進步。歷史速度係 每年升 13.7 點。
將條線延長出去，細模型大約喺 2026 年底，就會升到「夠能力自我複製」的門檻。
示意圖，非精確數據。斜率（每年 13.7 點）同「2026 年底觸及門檻」來自 Anthropic 按 Epoch 能力指數作的外推。
點解要驚？因為目標唔係數據中心。係你屋企的智能雪櫃、焗爐、吸塵機同電視盒。
呢類裝置數量以億計，防禦通常好弱。而且蠕蟲冇中央伺服器，冇一個總掣可以熄停佢。倍增時間以日計，幾日就可以大一倍。
場外聲音 · 社群點睇
呢篇研究喺 Hacker News 同評論界引起唔少爭論。兩邊講法都值得睇：
編輯判斷：研究方法本身透明，作者自己都落咗警告。但「仲有幾個月就到」呢句，係建基於一個被簡化咗的實驗。當成預警嚟聽，合理；當成已證實的威脅，就行得太前。