Anthropic 警告：AI“蠕虫”可能在不同设备间自我传播

核心提要：Anthropic 发出警告：“自我复制”自主 AI 系统可能演变为现实威胁Anthropic 发布了一项重要警告，指出“自我复制”的自主人工智能（AI）系统可能会开始在日常设备中蔓延，使所谓的“AI 蠕虫”从理论概念转变为现实世界的安全威胁。在 Anthropic 前沿红队（Frontier Red Team）发布的

Anthropic 发出警告：“自我复制”自主 AI 系统可能演变为现实威胁

Anthropic 发布了一项重要警告，指出“自我复制”的自主人工智能（AI）系统可能会开始在日常设备中蔓延，使所谓的“AI 蠕虫”从理论概念转变为现实世界的安全威胁。在 Anthropic 前沿红队（Frontier Red Team）发布的报告中，研究员 William Zhou 和 Daniel Freeman 认为，即使是小型 AI 模型，也可能具备在商业物联网（IoT）硬件上实现自我复制的能力，从而增加防御难度。特别是在那些缺乏单一控制点以进行关停的系统环境中，这种风险尤为突出。

这一 developments 的出现正值加密社区开始关注快速演进的 AI 能力如何最终削弱用于保护数字钱包的密码学假设。AI 自主扩展潜力与加密货币所依赖的安全模型之间的重叠，促使人们重新审视超越传统威胁应对策略的必要性。

核心要点

目标设备：Anthropic 的前沿红队警告称，自主且具备自我复制能力的 AI 可能会针对安全性较弱的 IoT 设备，如摄像头、智能家电和安卓电视。 时间窗口：报告指出，小型 AI 模型可能在“数月内”具备在商业 IoT 硬件上自我复制的能力。 防御挑战：Anthropic 强调了一个关键的防御难题：由于不存在“集中式的关闭点”，使得遏制扩散变得更加困难。 加密风险：独立地看，加密分析师警告称，AI 的进步——以及可能的量子计算发展——可能会威胁到许多钱包所使用的密码学签名。 链上监控数据：公开帖子中引用的链上监控数据显示，通过改善地址卫生状况（Address Hygiene），可以降低部分暴露资金的风险，这与直接暴露的资金有所区别。

Anthropic 的警告：消费级设备上的“AI 蠕虫”

由 William Zhou 和 Daniel Freeman 为 Anthropic 前沿红队撰写的这份报告，将这种担忧定义为一种新兴能力：自我复制的自主 AI 系统。研究人员将潜在的传播模式比作计算机病毒，但不同之处在于，这些系统具备自主性，可以在没有人类参与的情况下移动和执行操作。

在实际层面，作者描述了 rogue AI “蠕虫”如何自主寻找具有基本计算能力和弱安全性的日常设备——范围涵盖联网摄像头、智能家电到安卓电视。风险不仅限于任何单一的设备类别，而是波及更广泛的消费硬件生态系统，因为这些硬件在设计之初并未考虑到抵御基于代理（Agent-based）的弹性威胁。

研究人员还强调了使这一威胁难以管理的约束条件。他们认为，如果较小的 AI 模型能够在商业 IoT 设备上自我复制，防御者将难以阻止其传播，因为这些系统不一定以允许运营商在单一点禁用它们的方式集中部署。Anthropic 的报告概述了这一场景及其在安全视角下的重要性，包括扩散速度可能超过传统修复工作流的可能性。

为何“数月之内”对防御者至关重要

报告中最引人注目的元素之一是其时间框架。Anthropic 表示，小型 AI 模型可能在“数月内”就具备在商业 IoT 设备上自我复制的能力。虽然这种表述并非保证立即发生现实世界的部署，但它表明研究人员认为技术路径的闭合速度比许多安全团队的规划速度更快。

从投资者和建设者的角度来看，含义很明确：安全路线图往往滞后于技术发展。如果自我复制在消费级硬件上变得可行，负担将从修补单个系统转移到管理持续的、跨设备的增殖尝试——在这种环境中，标准的应急响应可能变得被动而非预防性。

另一个关键问题是治理和控制。Anthropic 关于可能存在“无集中式关闭点”的警告突显了遏制问题：即使资源充足的运营商，一旦过程开始，也可能缺乏一个单一的开关来防止进一步扩散。

加密关联：AI 驱动的密码学风险

加密货币的安全架构根本性地依赖于密码学签名及其背后的数学困难假设。在此报道发布前的几天，新的担忧浮现，即 AI 的进步最终可能会破坏加密货币钱包中使用的密码学签名。

文章引用了对以下警告的新一轮恐惧：AI 模型可能会比预期更早地损害钱包安全。它还提到了量子计算可能扮演的角色——尽管讨论主要围绕 AI 数学能力改变威胁格局的速度展开。

一个来自 Glassnode 联合创始人 Rafael Schultze-Kraft 的公开数据点显示，全球近三分之一的比特币供应量（626 万 BTC）位于易受 AI 模型或量子计算机破解的地址中。他进一步指出，有 433 万 BTC 专门因为地址重用而暴露，这意味着将资金转移到新钱包可以减少这种特定的风险敞口。该声明发布于周四在 X 平台的一篇文章中。

此前，以太坊研究员 Justin Drake 警告称，快速的 AI 进步可能会比预期更快地破坏用于保护许多以太坊钱包的椭圆曲线数字签名算法（ECDSA），并敦促用户迁移到新钱包。

尽管 AI/IoT 威胁和加密密码学威胁是截然不同的，但它们指向同一个更广泛的问题：如果能力加速发展，建立在攻击者扩展速度假设之上的防御可能无法维持。

对简单迁移和“末日论”的反驳

并非所有人都认为加密界的应对措施仅仅是将资金转移到新地址。Dragonfly 管理合伙人 Haseeb Qureshi 批评了他所称的“加密末日论”，他认为将代币迁移到新地址并不是应对威胁的有效解决方案。

他的立场凸显了投资者和用户通常在安全恐慌中面临的紧张关系：个人可采取的实际步骤与可能需要进行的更深层次系统性变革之间的差距。如果密码学突破真的迫在眉睫，个体迁移在某些情况下可能有所帮助，但可能无法解决根本问题——特别是当钱包设计或签名方案普遍面临脆弱性时。

对于正在权衡对策的用户来说，最有用的心态是将迁移和地址卫生视为分层风险管理，而不是安全的保证，尤其是在威胁模型在时间和机制上存在差异的情况下。

随着 AI 系统变得越来越强大，下一个需要关注的阶段不仅是是否会在野外演示 IoT 设备上的自我复制，还有加密生态系统适应其钱包安全假设的速度。用户应跟踪有关签名方案弹性的可信技术更新，并对假设单一解决方法（无论是迁移还是修补）能完全消除快速演变威胁保持谨慎。