Anthropic用电视盒子搭建AI寄生繁殖实验场

Anthropic前沿红队近期发布研究报告，探讨AI模型在低算力物联网设备上的寄生与自我复制能力，购入15台售价约55美元、内存仅4GB的杂牌Android智能电视盒搭建分布式推理环境。

实验的核心不是追求性能峰值，而是观察模型能否在资源受限、节点频繁离线的环境中维持连续运行，相关过程被团队称为“寄生繁殖”式部署。

技术路径与工程取舍

由此带来的代价是单次推理耗时增加，但换来的是模型在极端受限环境下的可运行性验证，工程师认为这种取舍对低资源场景具有直接参考价值。

实验过程中，节点离线并非偶发事件，团队在日志中记录了多次因供电波动和散热不足引发的退出，模型实例在这些情况下仍能从相邻节点恢复上下文并继续执行未完成的推理请求。

模型压缩环节采用了量化与剪枝的组合策略，部分权重被裁剪至接近失效的临界点，工程师随后通过局域网内的冗余副本对关键参数进行交叉校验，以降低单节点计算错误对整体任务的影响。

实验结束后，团队将全部电视盒子保留在实验室内，用于后续故障注入测试。Anthropic方面表示，目前没有将这一方案产品化的计划，但相关工程笔记会整理后部分公开，供边缘计算与模型部署社区讨论。

故障注入测试将模拟更极端的硬件状态，包括内存位翻转、存储坏块和网络间歇性中断，目的是观察模型在数据完整性受损时能否依靠节点间协作维持基本输出质量。

团队还计划在笔记中补充节点加入与退出的时序记录，以及不同压缩参数下任务完成率的变化曲线，这些内容会以原始日志和图表形式随工程笔记一并发布。