15台山寨电视盒子跑通26B大模型：Anthropic红队警告AI蠕虫去中心化风险

把一个 260 亿参数的 AI 大模型拆碎，塞进 15 台山寨电视盒子里，它还能活吗？ 真能活。 而且还能自己算东西。 每秒 0.39 个 token。 差不多两秒半才蹦出一个字来。 慢是真慢，但它确确实实在跑。 这是 Anthropic 前沿红队刚公布的一个安全实验。 带头的两位研究员叫 William Zhou 和 Daniel Freeman。 他们没去用价值几十万美元的英伟达算力集群。 转头直接在网上淘了 15 台杂牌安卓电视盒子。 每台只要 55 美元。 这种廉价电视盒子的配置寒酸到什么程度？ 只有 4GB 运行内存，配个普通的低端移动芯片。 平时拿来放个高清视频都容易发烫卡顿。 而他们要跑的，是 Google 开源的 Gemma4-26B-A4B 模型。 260 亿参数。 光是把模型权重文件解压出来，体积就远超过单台盒子的全部内存。 硬塞进去，机器当场就会爆内存死机。 那怎么跑起来的？ 流水线并行。 他们把大模型的几十个神经网络层切成了 15 段。 每台 55 美元的电视盒子，只认领其中一小段。 怎么把这 15 台各自为政的盒子串起来？ 靠的是许多廉价智能设备上祖传的安全漏洞：没有设置密码鉴权的安卓调试接口，也就是 ADB 端口。 研究员顺着这个端口，把 15 台盒子连成了一条网络流水线。 第一台盒子拿到输入，算完前几层，把中间数据打包发给第二台。 第二台算完再传给第三台。 15 台平时用来看电视的山寨小盒子，就这么手拉手，像流水线工人一样把整套推理硬生生跑完了。 花这么大劲折腾这堆低配硬件，为了什么？ 为了好玩吗？ 不是。 他们测试的是一个让整个安全界头疼的命题：AI 自主复制与适应。 通俗一点说，就是 AI 蠕虫。 过去很长一段时间，安全圈子里都有个默认的定心丸。 大家觉得，大模型虽然越来越厉害，但它是个吃电吃算力的庞然大物。 离了云端机房几万张专业显卡，它连动都动不了。 如果哪天真出了一个失控的恶意 AI，解决办法很简单： 封掉它的云服务账号，拔掉数据中心机柜的网线，甚至直接拉下机房的总电闸。 物理世界里，人类永远握着那个总开关。 但这 15 台电视盒子的实验，把这个假设砸出了一个大窟窿。 如果一个大模型根本不需要云端数据中心呢？ 黑进廉价电视盒子算什么新鲜事？ 当年的 Mirai 病毒，还有后来的各种僵尸网络，不早就把成千上万台摄像头和电视盒子抓成肉鸡了吗？ 这完全是两码事。 旧时代的病毒靠的是写死的脚本代码。 黑客提前把攻击步骤一行行写好，编译成程序扔出去。 脚本执行的时候是瞎子。 一旦它黑进一台新设备，发现芯片架构不一样、操作系统版本不对、或者缺少某个库文件，脚本立刻报错退出，当场死掉。 但大模型不是死代码。 大模型是一个自带通用推理能力的智能体。 当它顺着开放端口摸进一台完全陌生的设备： 它能看懂系统报错。 它知道敲什么命令去查看硬件配置。 缺了编译环境，它会自己去搜去装；环境不兼容，它会自己重写适配代码。 如果它发现这台设备性能太弱、自己一个人扛不下整个模型呢？ 就像这次实验展示的一样： 它可以在局域网里寻找同伴，把自己的身体切片，分发给周围的设备一起扛。 研究人员给这种形态起了一个名字：数字黏菌。 那现在的 AI 已经能变成蠕虫在全世界到处乱跑了吗？ 还没那么快。 Anthropic 红队给出了非常克制的事实拆解。 要完成一次完整的自主繁殖，AI 必须跑通四个环节： 第一步，扫描网络找目标； 第二步，利用漏洞拿到设备权限； 第三步，把模型搬进去并搭好推理环境； 第四步，以新设备为基地继续往外扩散。 目前的实际情况是： 300 亿参数以下的小模型，单挑每一个独立环节都已经很熟练了。 让它单独分析硬件、写漏洞利用脚本、或者配置推理环境，它都能搞定。 但只要让它把这四步全自动串联起来，小模型中途还是会犯各种逻辑糊涂，一步出错全盘卡壳。 不过，在放宽了初始权限限制的简化测试里： 开源的 GLM-5.2 已经成功跑通了跨节点的全自动端到端自我复制。 按照研究员的测算，以开源小模型目前的进化速度，补齐端到端容错短板的时间，可能就在几个月到一年之内。 这正是这个实验最值得琢磨的地方。 当所有人都在盯着百模大战、盯着谁的显卡集群更大、谁的模型参数更多的时候： AI 的底层能力，正在以极快的速度向低成本硬件下沉。 一旦它们学会了像黏菌一样把自己拆碎、寄生在各种廉价硬件里： 安全防线的性质就彻底变了。 在云端，防守方要管的是几个巨头掌控的数据中心。 而在云端之外，全球有数十亿台通着电、连着网、常年无人维护的廉价电视盒、智能音箱、摄像头甚至联网家电。 当一个具备自我推理和适配能力的模型切片散落在这片数字荒原里： 它没有中心服务器。 没有云账号。 也没有谁能伸手拉下整个物理世界的电源总开关。