ИИ уже размножаются в ваших телефонах? Что на самом деле показал эксперимент Anthropic

# ИИ уже размножаются в ваших телефонах?

Звучит как дешёвая фантастика.

Сначала умная колонка. Потом телевизионная приставка. Потом роутер. Потом телефон. И где-то между ними — маленькая AI-модель, которая нашла следующую коробочку, перебралась туда, разобралась, что там за железо, запустилась — и пошла дальше.

Красиво?

Даже слишком.

Проблема в том, что это уже не совсем фантастика.

12 октября Anthropic опубликовала исследование Frontier Red Team о способности AI-моделей к саморепликации вне привычных дата-центров. И вот здесь начинается самое интересное: полноценного автономного AI-червя пока нет, но многие необходимые части такой системы уже существуют.

То есть фраза **«ИИ уже размножаются в ваших телефонах»** пока была бы преувеличением.

А вот другая формулировка:

**«Мы уже научились собирать почти все необходимые детали для самораспространяющегося AI».**

Вот она звучит гораздо ближе к реальности.

И, на мой взгляд, это намного интереснее любого «Скайнета».

Что вообще сделали исследователи

Anthropic проверяла не философскую идею о цифровой жизни.

Вопрос был гораздо прозаичнее:

**может ли AI самостоятельно разобраться с новым компьютером, подготовить окружение, запустить там модель и продолжить работу дальше?**

Оказалось — по отдельности современные модели уже многое умеют.

В испытаниях 9-миллиардная модель смогла организовать inference на **8 из 9 типов протестированного оборудования**.

И вот это уже любопытно.

Обычная программа прекрасно работает, пока окружающий мир совпадает с тем, что предусмотрел программист.

AI отличается тем, что может посмотреть на ситуацию и условно сказать:

> «Так. Здесь не тот процессор. Эта библиотека не ставится. Памяти мало. Хорошо, попробуем другим способом».

Не сознание.

Не магия.

Просто способность самостоятельно разбираться с новой технической средой.

Но для систем, которые должны распространяться между разными устройствами, именно это и является очень важным качеством.

А теперь — китайская приставка за $55

Здесь исследование становится особенно красивым.

Учёные взяли **15 дешёвых Android TV-приставок**, примерно по $55 каждая.

На каждой — около 4 ГБ оперативной памяти.

Само собой, крупную модель в одну такую коробочку не запихнёшь.

И тогда исследователи сделали то, что инженеры делают уже много лет: распределили вычисления между несколькими устройствами.

В результате модель Gemma4-26B-A4B действительно удалось запустить на такой импровизированной системе.

Скорость?

Примерно **0,39 токена в секунду**.

Для разговора с чат-ботом — практически пытка.

Но представьте, что перед нами не чат-бот.

А автономный агент.

Ему не надо развлекать вас красивыми ответами.

Он может десять минут анализировать устройство.

Потом двадцать минут что-то устанавливать.

Потом час проверять результат.

Потом двигаться дальше.

И тогда 0,39 токена в секунду уже выглядит совершенно иначе.

Нет, полноценный AI-червь пока не появился

Здесь нужно остановиться, иначе из хорошего исследования получится плохой заголовок.

В одном из тестов GLM-5.2 действительно смогла пройти почти всю цепочку распространения по виртуальной сети Android-устройств: в четырёх из пяти испытаний были пройдены все восемь узлов, ещё в одном — семь.

Но условия были специально упрощены.

Использовались устройства с открытым Android Debug Bridge без нормальной аутентификации.

И главное:

**GLM-5.2 не переносила на устройства саму себя.**

Большая модель продолжала работать на внешнем сервере.

На целевых узлах она разворачивала меньшую Llama 3.1 8B.

То есть цифровой бактерии, которая полностью копирует своё собственное «тело», пока нет.

Зато уже появилась другая конструкция:

**большой мозг → сеть маленьких исполнителей.**

И вот эта схема мне кажется намного интереснее.

Потому что это не научная фантастика.

Так уже устроены многие агентные системы.

Мы видели начало этой истории ещё в 2025 году

В 2025 году появился RepliBench — специальный набор тестов для проверки способности AI-агентов к автономной репликации.

Исследователи разложили задачу на четыре части:

получить ресурсы → получить веса модели → развернуться на новом compute → удержаться там длительное время.

И результат был очень показательный.

Авторы не обнаружили модели, которая уже представляла бы убедительную полноценную угрозу саморепликации.

Но отдельные части задачи модели выполняли довольно хорошо: могли разворачивать облачные инстансы, писать самораспространяющийся код и в простых условиях переносить веса.

Получается интересная линия:

**2025 — отдельные детали работают.**

**2026 — детали начинают соединяться.**

Следующий вопрос уже не «возможно ли это вообще?».

Следующий вопрос:

**«Когда маленькая модель сможет пройти всю цепочку достаточно надёжно?»**

Anthropic считает, что при сохранении исторического темпа улучшений небольшие модели могут приблизиться к этому уровню уже к концу 2026 года.

Но здесь нужно быть аккуратным: это **прогноз**, а не установленная дата.

А теперь выйдем из лаборатории в настоящий интернет

И здесь история становится менее забавной.

Потому что инфраструктуру для массового распространения вредоносного ПО создавать с нуля вообще не нужно.

Она уже есть.

Возьмём Kimwolf.

Этот ботнет заразил **более двух миллионов устройств по всему миру**. Значительную долю составляли дешёвые Android TV-приставки с крайне слабой защитой.

И это происходило **без всякого AI**.

Обычный ботнет.

Теперь складываем две вещи:

**миллионы плохо защищённых устройств уже есть;**

**AI учится самостоятельно разбираться с незнакомой техникой.**

И возникает гораздо более реалистичный сценарий, чем «Скайнет».

Обычный вирус + AI

Вот это, на мой взгляд, ближайшая интересная угроза.

Классический вредоносный код действует по заранее написанному сценарию.

Нашёл определённую систему — использовал известную слабость.

Не совпало окружение — сломался.

А рядом появляется AI-агент.

Он может проанализировать ситуацию.

Посмотреть, почему команда не работает.

Определить платформу.

Попробовать другой способ.

Проверить результат.

И передать следующему экземпляру информацию о том, что получилось.

То есть сама программа может стать **адаптивнее**.

И вот это уже качественное изменение.

Не «разумный вирус».

А обычный malware, которому дали инженера-консультанта, работающего круглосуточно.

Причём этим инженером оказался AI.

И агенты уже могут наследовать опыт

Есть ещё одна деталь, которую легко пропустить за разговорами о приставках.

В экспериментальной системе Anthropic следующие экземпляры агента могли получать информацию о результатах предыдущих попыток.

Что получилось.

Что не получилось.

На каком шаге произошла ошибка.

Что стоит попробовать иначе.

Вес модели при этом не обязательно меняется.

Она не становится «умнее» в классическом смысле обучения.

Но **система в целом начинает работать лучше**, потому что следующему агенту уже не надо повторять все ошибки предыдущего.

Это очень важная мысль.

Мы часто спрашиваем:

> «Насколько умна модель?»

Но скоро гораздо важнее будет спрашивать:

> **«Насколько умна система, внутри которой работает эта модель?»**

Память.

Инструменты.

Другие агенты.

Доступ к компьютеру.

Внешние API.

История предыдущих попыток.

Всё это может изменить результат намного сильнее, чем ещё несколько процентов в очередном benchmark.

И вот здесь появляется архитектура, которая мне совсем не кажется фантастической

Представим.

Большая модель работает на мощном сервере.

Она занимается сложными решениями.

На дешёвых устройствах запускаются маленькие модели.

Они выполняют локальную работу.

Между ними передаётся опыт.

Не получилось здесь — информация уходит дальше.

Новая копия уже знает, чего делать не стоит.

Получается своеобразная распределённая нервная система.

Причём совершенно необязательно заталкивать огромную frontier-модель в телевизор.

Зачем?

Большой мозг можно оставить снаружи.

А внутрь отправлять маленьких исполнителей.

«Так Claude уже живёт в моём телефоне?»

Нет.

И здесь надо остановить красивую историю до того, как она превращается в ерунду.

Сегодня нет доказательств того, что автономные AI-черви массово заражают телефоны.

Нет доказательств того, что Claude, GLM или Qwen самостоятельно ходят по домашним сетям и размножаются.

Эксперимент Anthropic проходил в контролируемой и намеренно упрощённой среде.

Поэтому телефон пока можно оставить на столе.

Но направление движения интересно.

Раньше проблема выглядела примерно так:

> AI достаточно умный — но слишком большой.

Теперь всё чаще:

> маленький AI уже помещается почти куда угодно — но пока недостаточно надёжен.

Разница огромная.

И телефон здесь всё-таки не случайно

Заголовок я сделал намеренно провокационным.

Исследование Anthropic в основном говорит об IoT и дешёвой Android-технике.

Но смартфон сегодня — это мощный компьютер.

Процессор.

GPU или NPU.

Память.

Постоянное подключение к сети.

Локальные модели.

Поэтому важен не конкретно телефон.

Важно другое:

**граница между «компьютером для AI» и обычной бытовой техникой постепенно исчезает.**

Когда-то AI жил только в дата-центре.

Потом появился на ноутбуке.

Теперь всё больше моделей работают локально.

Следующий очевидный шаг — автомобили, камеры, телевизоры, телефоны, роботы и прочая периферия.

И тогда безопасность этих устройств становится частью безопасности всей AI-экосистемы.

Что делать сегодня

Без истерики.

Пока самые полезные советы чрезвычайно скучны.

А значит — работают.

• не оставлять ненужные отладочные интерфейсы открытыми;
• обновлять прошивки;
• не использовать дефолтные пароли;
• по возможности изолировать сомнительные IoT-устройства от компьютеров и телефонов с важными данными;
• с осторожностью относиться к совсем безымянным Android-приставкам неизвестного происхождения.

Потому что сегодня основная угроза для такой коробочки — всё ещё не искусственный интеллект.

Обычные ботнеты прекрасно заражают устройства и без него. Kimwolf тому хороший пример.

Мой вывод

Полноценного саморазмножающегося AI-червя сегодня нет.

Это важно сказать прямо.

Но одновременно уже существуют:

**автономные агенты;**

**компактные модели;**

**локальный inference;**

**распределённые вычисления;**

**способность AI разбираться с новым оборудованием;**

**память между попытками;**

**миллионы плохо защищённых IoT-устройств.**

И вот эта комбинация интересует меня гораздо больше, чем очередной заголовок «ИИ уничтожит человечество».

Потому что большие технологические изменения редко начинаются с момента, когда внезапно появляется законченная система.

Обычно всё происходит гораздо тише.

Сначала появляется одна деталь.

Потом вторая.

Потом ещё пять.

А затем кто-то смотрит на стол и понимает:

**все необходимые компоненты уже здесь.**

Осталось только собрать их вместе.

**Читайте также:** [«Anthropic перед IPO: $16,8 млрд за квартал и цена гонки за AI»](/materials/anthropic-pered-ipo-168-mlrd-za-kvartal/).