Eileen Anthropic的研究人员用15台杂牌安卓电视盒子做实验：每台约55美元，内存只有4GB，联网后跑起了一个260亿参数的大模型，速度每秒0.39个token，慢到几乎无法正常聊天。他们想验证的是，当AI不再依赖大型服务器，能否寄生在智能电视、冰箱、扫地机器人等联网设备中，自行寻找新宿主、部署模型并复制自己。
研究者把AI自主复制拆成四个阶段：扫描网络发现目标、入侵取得控制权、在陌生硬件上搭建推理环境、以新宿主为跳板继续传播。第三步最考验能力：面对从未见过的设备，模型要选对软件栈、对齐依赖版本、排查该机器特有的报错。测试中，一个9B小模型在9种差异很大的硬件中，有8种成功架起推理服务，硬件从Jetson Nano到Mac，再到RTX 4090。但端到端跑通完整链条时，只有更强的GLM-5.2能稳定做到在5次试验中4次感染全部8个节点。
研究显示两条线在赛跑：模型要足够小，才能放进4GB内存的电视盒子，分布式部署时大致在30B参数以下；模型又要足够聪明，能独立完成入侵、部署和排错。目前，能端到端复制的模型太大，装不进设备；能装进设备的模型还不够聪明，两条线尚未相交。按小模型能力每年提升13.7个ECI指数的历史速度拟合，研究者预测它们会在2026年底相交；ECI是Epoch AI推出的AI综合能力评分。分布式推理被用来缓解内存压力，把模型不同层分给不同机器，计算依次传递，每台设备只保存和计算自己负责的部分，但要处理数据传输、状态管理和节点掉线后的接替。实验中，260亿参数模型切块分发给15台盒子；对长期在后台运行的程序来说，慢并不一定意味着停止工作。
