Anthropic 近日发布研究，将目光投向一个此前较少被讨论的方向：当 AI 模型脱离数据中心、运行在 IoT 设备等边缘环境时，是否具备自主复制（Autonomous Replication and Adaptation，ARA）的可行性。研究团队围绕这一命题设计了评估实验。

实验结果显示，参数量为 9B 的模型能够在受测的 9 类硬件中的 8 类上跑通推理，说明小型模型在多样化边缘硬件上的适配能力已具备一定广度。与此同时，30B 及以下规模的模型已经能够完成自主复制流程中的多数单步操作。

这两项数据共同勾勒出一个趋势：随着模型压缩与部署技术的成熟，边缘设备承载 AI 推理的门槛正在下降，而复制任务所需的各项能力也在小参数模型上逐步集齐。

Anthropic 的这项评估并未给出时间表或预测，但其指向的问题值得行业关注——当模型规模缩小与硬件适配范围扩大同时发生，边缘侧 AI 的自主性边界将如何演变，可能成为后续安全与治理讨论的新变量。