作者：韩启明｜OC 政策与安全编辑

据 NBC News 报道，开发者使用 Anthropic、OpenAI 等公司的通用模型为一架约 100 美元的消费无人机编写控制程序，使它能识别人脸、在房间里持续跟随目标，并自行穿过门框、绕开灯具。

一句话结论：新闻点不是无人机第一次学会跟踪，而是通用代码模型把视觉识别、飞行控制和避障集成的工程门槛压到了个人项目级别；原本需要机器人团队调试的监控原型，现在可以由一名开发者和现成硬件快速拼出。

这类系统通常不是让大模型在飞行中直接操纵每个电机。更常见的架构是：无人机把视频传到地面电脑，轻量视觉模型识别人脸或目标位置，传统控制器根据画面偏差调整偏航、前后和高度。LLM 负责生成、连接和调试这些 Python 模块。

因此，“AI 写了全部代码”不等于系统无需人类。开发者仍要选择硬件、描述任务、观察飞行、报告故障并决定哪些建议可以执行。现成的人脸识别库、无人机 SDK 和控制算法已经存在，代码 Agent 的作用是缩短把它们接起来的时间。

危险也来自同一处。过去监控设备的扩张受到采购成本、专业集成和操作人员限制。低价无人机加自动生成代码后，跟踪系统可以被快速复制、改变目标或加入远程上传。它不需要达到军用可靠性，也足以在住宅、办公室或抗议现场制造隐私和安全风险。

目前演示的边界很明显：消费无人机续航短，室内光线和遮挡会降低识别稳定性，避障也不能保证在人群中安全。一次成功视频不能证明系统能在复杂户外环境长期自主工作，更不能说明模型独立设计了可靠机器人。

监管却很难只盯着硬件。普通无人机、人脸模型和代码助手分别都有合法用途，风险出现在组合之后。平台可以对高风险生物识别和目标追踪代码增加审查，硬件厂商可以限制默认接口，但最终仍需要对使用场景、数据保存和未经同意的跟踪建立明确责任。

关键事实

• 演示使用约 100 美元的消费无人机和公开可获得的 AI 模型
• 系统能识别人脸、跟随目标并在室内完成一定程度的自主导航
• 大模型主要用于生成和调试控制软件，不是每一帧都由聊天模型直接驾驶
• 成功演示不代表系统具备公共空间或高风险场景所需的可靠性

OC 判断

AI 编程带来的安全变化，经常不是创造一种全新能力，而是让原有能力更便宜、更快、更容易复制。无人机跟踪正是这种“组合门槛下降”的案例。治理如果只评估单个模型或单件硬件，会漏掉真正可用的系统。

为什么重要

• 对开发者：机器人代码必须保留人工接管、速度边界、失联降落和完整测试记录。
• 对平台：生物识别与自主跟踪的组合比单独的人脸检测或飞行 SDK 风险更高。
• 对普通用户：低价设备也可能持续识别和跟随个人，隐私威胁不再只来自大型机构。

参考来源

• NBC News：AI wrote the code to make a $100 drone stalk a person
• arXiv：Real-Time Visual Intelligence on Low-Cost UAVs