Anthropic“AI蠕虫”预警翻车!硅谷大佬怒撕造假,红队主管认怂:现在又笨又慢

你家客厅里那台两百块钱的杂牌电视盒子，还有厨房里的智能烤箱，可能再过几个月就要被“AI蠕虫”占领了。

它们不需要人类指挥，自己顺着网线爬进你家里，把智能家电变成杀不死的赛博僵尸，连拔电源的中央总开关都没有。

听起来像不像《终结者》的前传？

2026年10月中旬，硅谷估值千亿美元的AI巨头Anthropic抛出一份重磅报告，宣称自家的前沿红队已经观测到了AI蠕虫的“生命迹象”。消息一出，迅速引发欧美科技圈热议

但仅仅48小时后，这场惊悚大片就迎来了一个让所有人始料未及的荒诞反转。

硅谷顶级投资人David Sacks直接发文开撕，痛批Anthropic是个彻头彻尾的“恐惧工厂”；代码平台Replit的CEO更是指着鼻子骂实验“全都是假的”。

最戏剧性的一幕发生在10月16日。面对铺天盖地的质疑，一手主导这项研究的Anthropic红队负责人Logan Graham走进直播间，居然当众“认怂”了。他对着镜头坦白：现在的AI小模型蠕虫“又笨、又慢、又复杂”，在现实世界里根本毫无用处。

▲ 科技媒体MTS放出Anthropic红队负责人Logan Graham回应质疑的访谈片段，下方引用了David Sacks的批评长文

一边是官方报告里拉响的末日警报，一边是自家主管亲口承认的“又笨又慢”。这家全球最顶级的AI实验室，到底在演哪一出？

顺着公开代码与实测数据深入复盘，这起事件暴露出诸多实验瑕疵，底层直接牵扯出开源小模型与闭源巨头生死博弈的商业暗战。

01每秒蹦出半个字，这也能叫“数字瘟疫”？

2026年10月12日，Anthropic官网上线了一篇题为《AI模型或许无需数据中心即可实现自我复制》的研究报告。作者William Zhou和Daniel Freeman在开篇写下了一句极具视觉冲击力的结论：开源的小型AI模型，可能只差几个月，就能在廉价物联网设备上实现自我复制。

▲ Anthropic官网于2026年10月12日发布的自我复制研究报告首屏

什么叫“AI蠕虫”？

以前的电脑病毒和蠕虫（比如2016年曾让半个美国断网的Mirai病毒），本质上是一段死板的代码。黑客写好指令，它就机械地在网上撞大运，专挑那些没改出厂默认密码的摄像头和路由器下手。

但Anthropic描绘的AI蠕虫不一样。它是有“脑子”的它入侵一台陌生的设备后，不仅能自己看懂里面的芯片和系统，还会把AI模型本身的权重文件下载下来，在受害者的设备里给自己搭一个“分身”，然后继续寻找下一个猎物。研究者甚至给它起了一个让人起鸡皮疙瘩的名字，“数字黏菌（digital slime mold）”。

为了证明这件事有多危险，研究员去网上买了15台杂牌安卓电视盒子。每台只要55美元（约合人民币390元），内存只有可怜的4GB。他们把这些廉价盒子连成一排，硬生生在上面跑起了谷歌的开源大模型Gemma4-26B。

部分媒体看到这里便大肆渲染：天呐，AI已经脱离数据中心，寄生在55美元的破烂电视盒子里了！

但独立技术分析员P.K. Sharma翻完报告底部的实验数据后，差点笑出声来。

这15台电视盒子凑在一起跑AI，速度到底有多快？答案是：每秒0.39个Token

给不熟悉技术的朋友翻译一下：Token可以理解成AI吐出的字词碎片。每秒0.39个Token，意味着它两秒半才能憋出一个词。让它执行一个包含1000个词的常规操作步骤，足足要等上43分钟。如果要在一台设备上从头搭好完整的运行环境，这个“可怕的AI蠕虫”需要不眠不休地跑上71到150个小时，也就是整整三到六天。

这哪是什么闪电战般的赛博天网？这分明是一只背着铅块爬行的电子蜗牛。

02“大号代打，小号摆拍”：被扒光的实验室魔术

如果运行速度慢还能推给硬件瓶颈，那么在“传染扩散”实验环节，Anthropic设置的特殊条件则惹来了技术圈的强烈声讨。

10月14日，David Sacks发表长文《小模型真的是威胁吗？》直接火力全开：“我们已经从『终结者要来了』，快进到了『你家的烤面包机可能会杀了你』。”

▲ David Sacks发长文炮轰Anthropic是“恐惧工厂”，嘲讽烤面包机杀人论

紧接着，知名编程平台Replit的CEO Amjad Masad在评论区补上了最致命的一刀：“整件事都是假的！不仅入侵过程是白送的，他们还让庞大的GLM模型干完了最难的脏活，到自我复制那一步又偷偷换成了娇小的Llama，因为GLM根本塞不进去！”

▲ Replit CEO Amjad Masad在评论区直指实验存在“换模型”操作

真相究竟如何？把报告拆开看，你会发现里面其实是两个完全割裂的实验。

前面那15台真实的电视盒子，只用来测算运行速度，根本没有跑通自我复制。在测试中取得“5次测试成功4次”成功率的传染实验，是在云服务器里用8台安卓模拟器跑出来的。

实验条件同样十分极端研究人员在模拟器上，提前把安卓系统的ADB调试端口全部敞开，且不设任何密码。这相当于小偷去参加开锁大赛，主办方直接把防盗门拆了，还在门口铺了红地毯。

不仅如此，负责思考、敲命令、搭设复杂环境的核心模型，往往是运行在另一台高性能服务器上的大型模型（如GLM-5.2）。等环境全铺好了，它再把一个体型小巧的8B开源模型（Llama3.1-8B）塞进目标机器里充数。

为什么不直接让小模型自己干完全程？因为小模型根本干不下来

在人工智能安全领域，有一个最高级别的红线指标，叫做“自主复制与适应（ARA）”。要跨过这条红线，AI必须在没有人类擦屁股的情况下，连续做对几十个环环相扣的系统工程步骤。

这里有一道残酷的数学题，叫“级联错误（Cascading Errors）”。假设一个小模型非常聪明，每一步敲代码的准确率高达90%。那么，当它需要连续执行30个步骤来安装环境时，一次性跑通的概率是多少？

是 ，也就是可怜的 4.2%

只要中间有一步软件包版本不对，或者网络闪断了一下，小模型就会陷入“死脑筋”状态，对着同一个报错死磕到底，直到彻底崩溃。在这次实验里，Anthropic的研究员甚至不得不专门写了一个叫“Memento”的外部辅助程序，每隔一段时间就强行给AI“洗脑刷新”，帮它找回方向。

英国AI安全研究所（UK AISI）在此前发布的权威评测基准RepliBench中早就给出了定论：脱离了人为简化的温室环境，现有的AI大模型在真实世界里极不可能完成自主自我复制。

面对如此确凿的技术硬伤，Anthropic红队主管Logan Graham在X平台上不得不咽下苦果，向安全专家低头承认：“完全同意，据我所知AI蠕虫在今天根本不是个问题。它们又笨、又慢、又复杂”

▲ Logan Graham在回复安全研究者时亲口承认，当前的AI蠕虫“又笨、又慢、又复杂”

03醉翁之意不在虫：一场针对开源小模型的“精准狙击”

既然知道它又笨又慢，甚至连实验都要靠“大号代打、敞开大门”才能勉强凑数，Anthropic为什么要赶在10月12日这天，敲锣打鼓地把这份半成品包装成惊天预警发出来？

安全专家J. A. Guerrero-Saade一句话捅破了窗户纸：这项工作实质上是为政策游说与监管俘获量身定制的弹药，很难算得上纯粹的网络安全研究。

如果你把目光移开实验室，看一眼报告发布前24小时的硅谷商业头条，整块拼图就严丝合缝地对上了。

就在Anthropic发布蠕虫报告的前一天，金融科技平台Coinbase的CEO Brian Armstrong晒出了一张让闭源大模型厂商倍感压力的实测成绩单。

Coinbase团队拿阿里的开源小模型Qwen3.5-9B（通义千问90亿参数版），用公司内部的专有反欺诈数据做了一次微调。实测结果出人意料：这个身材袖珍的开源小模型，在识别欺诈业务上，正面击败了Anthropic自家的顶级闭源旗舰Opus 4.5，将欺诈率一举砍掉了30%！此外，它的运行速度明显更快，成本也只有巨型模型的零头。

▲ Coinbase CEO晒出内部评测图：微调后的开源小模型Qwen3.5-9B在反欺诈任务上击败了包括Opus 4.5在内的前沿大模型

这样的实测差距，才是让商业闭源巨头寝食难安的现实隐忧。

过去三年，像Anthropic这样的前沿实验室，核心商业逻辑只有一条：砸几百亿美元建超算中心，训练体型庞大、无所不能的闭源“通才模型”，然后向全世界收取高昂的API过路费。

但到了2026年，风向彻底变了企业们突然发现，自己根本不需要花天价请一个“懂量子物理的超级博士”来审客服工单。拿一个免费的开源小模型，喂点自家的数据，既便宜又听话，干专职工作的效果甚至吊打闭源巨头。

开源小模型，正在以肉眼可见的速度抢走闭源巨头的企业级饭碗。

而巧合的是，在国际通行的AI安全分级（ASL）框架里，一旦某类模型被证明具备了“自主复制（ARA）”的苗头，就会触发极其严苛的ASL-3级物理管控红线，模型权重必须严防外泄，甚至不能随便公开下载。

如果闭源巨头能成功向监管机构证明“连9B、26B的开源小模型都能变成失控的AI蠕虫”，那么谁会受到最严厉的审查？自然是那些把模型权重免费公开在网上的开源玩家。

正如David Sacks一针见血的讽刺：如果安全派真的担心超级AI毁灭人类，那大家应该放鞭炮欢迎企业转向小巧、专精的小模型才对；可偏偏在开源小模型开始抢走Anthropic市场份额的这一刻，他们跳出来大喊“小模型会变成蠕虫咬人”。

04狼现在是纸糊的，但篱笆确实早就烂透了

把商业算计剥离干净之后，这场闹剧里有没有哪怕一点点值得我们警惕的真东西？

客观地说，有

报告主笔Daniel Freeman在挨骂后写下了一段颇具哲理的辩白：“指责别人『对霉菌危言耸听』，并不能改变『房间潮湿就会长霉菌』这个客观事实。”

▲ 报告作者Daniel Freeman发长文回应质疑，用“潮湿长霉菌”比喻脆弱的物联网环境

红队所指出的底层规律，在AI界被称为“18个月能力下沉定律”：今天需要一个机房才能跑动的顶级黑客能力，大约只需要18个月，就会被压缩进一个普通家用显卡甚至电视盒子就能跑动的小模型里。

今天的AI蠕虫确实像个笑话，每秒只能蹦半个字，走30步摔29个跟头。传统的黑客哪怕要用AI，也是在自己的电脑上用大模型写好精简的传统病毒代码，再投放到网上，谁会傻到背着几十G的模型权重去搞感染？

但是，物联网世界是一片烂透了的沼泽。

就在当下，传统的Kimwolf僵尸网络依然控制着全球超过200万台廉价安卓电视盒子，原因仅仅是厂家出厂时懒得关掉调试端口，用户也永远不会去给电视盒子打补丁。

当AI解决掉“长程任务容易犯蠢”的毛病，当那4.2%的通关率被推高到80%，无数台无人看管的摄像头、路由器和智能家电，确实可能变成游离在人类监管视野之外的“野生算力池”。

提前研究“房间为什么会发霉”本属防范未然，然而Anthropic借由人工温室催熟实验样本，随即高调渲染“生化危机”，客观上恰恰打击了开源生态的技术信任。

眼下的威胁模型尚属雏形但在模型能力全面下沉普及之前，先把智能设备敞开的调试端口关上，及时更新安全配置，才是应对潜在风险最务实的举措。