2026年8月27日，Anthropic 开放了模型硬件标准（Model Hardware Standard，MHS）的研究预览，首批面向科学研究实验室和先进制造工厂开放申请。这是一套让 AI 智能体安全操控物理设备的通用规范，支持显微镜、液体处理器、机械臂、激光系统等任何带可编程接口的硬件。官方数据显示，过去需要数周到数月的设备集成工作，压缩到了几小时甚至几分钟。
本文基于 Anthropic 官方公告，拆解 MHS 的技术架构、已验证的合作方案例，以及开源前的安全评估安排。
设备集成的老问题
实验室和产线里的设备大多各自为政：每台设备有自己的编程接口，设备之间没有统一的通信方式。要搭建一条自动化实验流水线，需要专业人员为每台设备编写定制的对接程序。集成之后还有第二个问题：设备数据没有统一的方式交给 AI 智能体，智能体也没有统一的安全操控通道。
MHS 的思路是为硬件设备建立一层标准化驱动（driver），作用类似操作系统里的设备驱动，但面向 AI 智能体设计。
MHS 的技术架构
读写原语与设备发现
MHS 驱动把设备能力抽象成一组简单原语：read（读取状态，如获取当前温度）和 write（设定参数，如设定温度）。任何硬件设备都可以映射到这两个基本动作上。同时，每台设备以标准格式对外声明自己，设备和智能体可以在网络中互相发现并通信，中间不再需要定制的"翻译"程序。
自然语言标签与参考文件
驱动层还解决了一个非代码信息的问题：机械臂的重量（影响安全操控方式）、设备能测什么、能调什么、安全限值在哪里。这些信息过去分散在纸质手册、本地文档或资深实验员的个人经验里。MHS 引入了自然语言标签机制，用户可以直接写下这些信息，或者通过与智能体对话（由智能体访谈用户）完成录入。驱动随后自动生成一份参考文件（reference file），内容涵盖设备的通用特性、可测量项、可调节项和强制安全限值。智能体读取这份文件，就获得了操作该设备所需的全部背景。
三种控制机制
智能体对设备的控制通过三种机制完成，可组合使用：
- MCP（Model Context Protocol）：标准协议接入，任何 agent harness 都可以调用；
- 命令行接口（CLI）：单步控制与调试；
- 代码文件（API）：把多台设备的驱动命令编排成确定性脚本，设备自行执行，智能体无需逐步推理。
官方在公告中描述了一个有代表性的工作模式：Claude 在对准激光时先小幅调整、通过摄像头画面观察光斑位移、再调整再观察，以探索性方式摸清因果关系，随后把摸清的规律写成一个确定性脚本，此后整个对准流程作为单条命令执行。长时任务和高速操作都走脚本路径，智能体退到高层监督：编排步骤、监控结果、根据实时数据调整参数。
这一整套机制与模型无关（model-agnostic），任何厂商的智能体都可以通过标准协议接入 MHS 设备。
合作方验证结果
首批合作方覆盖生物技术、机器人、量子计算等领域，官方公告给出了六个具体案例：
| 机构 | 场景 | 结果 |
|---|---|---|
| Genentech（基因泰克） | BCA 蛋白质浓度测定自动化 | 移液器、机械臂、检测仪三设备协调完成全流程 |
| 华盛顿大学 Baker/Pinglay 实验室 | AI 监督 qPCR 实验 | 监控扩增曲线并在正确时机自动停止；机械臂与移液器无碰撞交接样板 |
| 卡内基梅隆大学 | 连续稀释剂量反应实验 | 速度约为原来的三倍，AI 编排三台电脑上接口互不兼容的四类设备 |
| HHMI Janelia 研究中心 | 显微镜研究 | 将原本需要 7 个厂商程序、无统一接口的实验设备统一编排 |
| QuEra Computing | 量子计算机激光锁定恢复 | AI 控制器在 99.3% 的情况下无需人工干预恢复激光锁定 |
| Tetsuwan Scientific | qPCR 检测水质 | 集成其 ResearchOS 平台，为加州 San Pedro Creek 的公民科学污染调查提供自动化 |
其中 QuEra 的案例技术含量最高：中性原子量子计算机的激光必须锁定在极精确的频率上才能与原子交互，失锁恢复过去依赖人工，MHS 让 AI 控制器接管了这个环节，恢复成功率 99.3%。
硬件厂商生态
MHS 目前仍处于研究预览阶段，但多家硬件厂商和软件公司已开始在其产品中集成支持：
| 厂商 | 产品/平台 | 集成内容 |
|---|---|---|
| Amazon Web Services | Strands Robots | 连接 AI 智能体与物理设备的库，预览期内提供预发布版本 |
| Automata | LINQ 实验室自动化平台 | 自主实验室的仪器智能错误处理 |
| Danaher | 智能仪器与自主实验室 | 与 Anthropic 探索生物医学研发扩展 |
| Doosan Robotics | 工业机械臂 | 自动化质检与多机器人任务协调 |
| MBF Bioscience | ScanImage | 为全球数百个神经科学实验室的激光扫描显微镜构建 MHS 驱动 |
| QIAGEN | QIAsymphony Connect 核酸纯化平台 | 概念验证：故障排查、恢复引导、提升仪器在线率 |
| Tecan | Fluent 移液平台 | 让智能体直接发现并操作移液工作站 |
| Universal Robots | 协作机器人平台 | 已获早期访问，计划加入支持 |
| Hugging Face | LeRobot 机器人库 | 添加 MHS 支持 |
| Raspberry Pi | 多款产品 | 相机 MHS 驱动测试成功后推进集成 |
局限性与安全安排
Anthropic 在公告中明确了当前版本的三个限制：
物理推理能力有限。 Claude 通过文本和图像认识物理世界，空间和物理推理仍需专家监督。Genentech 的研究人员遇到过典型案例：蛋白质样品起泡导致的实验错误属于物理故障，只能通过物理手段处理，但 Claude 起初将其当作软件 bug 排查，需要人工引导纠正。
不支持无编程接口的硬件。 老旧设备无法直接接入，Anthropic 正在与制造商合作在新设备中内置 MHS 驱动。
安全评估仍在建设中。 这次开放研究预览的目的之一，就是与发布伙伴共同构建物理世界的安全评估，并制定 AI 操控实体设备的防护路线图（physical safety roadmap）。开源 MHS 时，预览期的发现将作为安全部署指引一并发布。
标准本身起源于 Anthropic 有益部署团队（Beneficial Deployments）的 Alek Kemeny 与 HHMI Janelia 博士后 Arco Bast 的合作。Bast 在运行涉及激光、电动聚焦器和多厂商相机的脑成像实验时，自研了一套让仪器以内存速度互相通信的共享内存字典，Kemeny 将 AI 模型接入其中，逐步演化为 MHS。
与 MCP 的对位关系
2024 年 11 月 Anthropic 发布 MCP，统一了 AI 模型与软件工具、数据源之间的连接方式，此后成为行业事实标准。MHS 的定位与之对位：MCP 解决 AI 与数字世界的连接，MHS 尝试解决 AI 与物理设备的连接，且同样采取开放标准路径，甚至可以直接通过 MCP 接入。
结合 Anthropic 此前面向科研领域的产品布局（Claude for Life Sciences、Claude Science 桌面工作台），公司正在把 AI 在科学实验场景中的角色从分析工具推进到实验执行者。硬件接口标准是这个方向的基础设施：分析层已经有大量竞品，设备接入层目前还没有公认的行业标准，MHS 抢的是这个位置。研究预览已开放申请（modelhardwarestandard.com），开源时间表未公布。