Anthropic公开让AI操控实验设备的MHS

走出屏幕的Claude

Anthropic在2026年8月27日推出了模型硬件标准（Model Hardware Standard，简称MHS）的研究预览版，帮助AI智能体安全操控显微镜、液体处理器、机械臂等物理设备。这并非只针对某个特定Claude模型的功能，而是一套通用规格，只要设备具备编程接口，无论制造商或AI模型是什么，都可以接入。Anthropic表示，目标是把过去需要数周甚至数月的设备集成工作，缩短到数小时甚至数分钟。

这套名为"模型硬件标准"的框架，规定了AI智能体应该如何与各种硬件互动，以及哪些互动方式是禁止的。这也反映出业界日益增长的一种信念：只要AI能够安全地进入物理世界，就有潜力彻底改变科学研究和制造业等产业。

Anthropic表示，在向公众全面开放这套标准之前，会先与可信赖的合作伙伴合作，确定如何将安全性发挥到极致。举例来说，生物武器开发等潜在滥用问题始终存在，但公司强调，AI模型本身内置的安全机制应该能够阻止恶意人士将这套新标准用于邪恶目的。

"我们的出发点是希望加速科学发展的进程，"共同带领这项开发的量子物理学家Alec Kemeny说道，"从加速文献综述和数据分析，到把这种能力带入实验世界，我们要如何完成这个闭环？"

Claude和其他聊天机器人已经是强大的工具，能够从科学论文或实验结果等海量信息中挖掘新的洞见与思路。

AI智能体被广泛视为聊天机器人之后的下一个阶段。它们通常被设计用来在普通电脑上执行诸如回复邮件之类的操作，但也有可能被用于操控其他硬件，Anthropic希望提前为这种情况准备好一套规则。

第一段官方视频展示了MHS如何把实验室和工厂里不同的设备，统一连接到同一个智能体之下。AI不再局限于调用屏幕上的工具，而是进一步读取传感器数据，向机械臂和实验设备发出指令。

MHS是硬件世界的USB-C

实验室设备表面看起来相似，实际上各自使用不同的"语言"。显微镜、酶标仪、液体处理器的编程接口都不一样，想把多台设备整合进同一个实验流程，就需要专家为每种组合搭建定制的转换程序。即便设备连接完成，AI智能体读取数据和安全下达指令的方式也没有统一标准。

MHS在其中加入了标准驱动层。驱动程序提供设备都能理解的基本指令，比如读取温度的read、设定温度的write。设备的重量、可测量的数值、可调节的范围，以及不能超过的安全界限，都以自然语言标签的形式记录下来。只要读取由这些信息生成的参考文件，即便是第一次接触这台设备的智能体，也能了解它的特性和允许操作的范围。

控制已连接设备的通道共有三种。

1. 通过模型上下文协议（MCP）与智能体连接。
2. 通过命令行界面（CLI）供人工直接操作。
3. 通过代码文件和API，以确定性方式执行耗时长短不一的任务。

Anthropic负责任部署负责人Elizabeth Kelly在接受CNBC采访时，把MHS比作统一了设备间信息传输方式的USB-C。如果说软件智能体过去是通过MCP连接各种工具，那么MHS就是把同样的标准化理念延伸到了物理设备上。

第二段官方视频展示了AI模型实际运行物理科学实验的场景。Claude调整激光器，通过摄像头确认光束的移动轨迹后再次调整。它把反复实验中学到的经验整理成一份确定性的代码文件，此后每次执行对准操作时，无需再逐步重新推理，只需一条指令就能完成。

率先来自实验室的数据

Anthropic首先把MHS带入了生命科学、机器人和量子计算领域的研究现场。

1. Genentech测试了让液体处理器、机械臂、酶标仪协同工作，自动完成BCA蛋白质分析。
2. 华盛顿大学Baker与Fenglei实验室做到了让智能体观察qPCR曲线并在合适时刻停止实验，同时实现了机械臂与液体处理器之间无碰撞的样品板传递。
3. 卡内基梅隆大学的研究团队把四种互不兼容的设备和三台电脑整合在一起，让剂量-反应实验的速度比以前快了约3倍。
4. HHMI Janelia研究园区把此前没有统一接口的七家供应商程序整合到了一起。Anthropic官方发布的文章介绍称，这让原本需要数周才能完成的影像实验缩短到了一天。
5. 量子计算公司QuEra打造了一个控制器，能在激光偏离目标频率时由AI自动恢复锁定，无需人工干预的恢复成功率达到99.3%。

制造业现场也出现了不少与MHS相关联的名字。AWS通过其物理设备连接库Strands Robots支持MHS，并计划向研究预览版的参与者提供尚未公开的先行版本。Doosan Robotics正在测试机械臂的自动质量保证功能，以及多台机器人之间的任务协调。QIAGEN、Tecan、Universal Robots也分别在为各自的设备和平台添加MHS支持。

并非突如其来的转向

Anthropic在今年7月已经和UST共同宣布了一项物理AI合作，把Claude引入半导体验证和制造流程。UST表示，原本封闭式的验证流程借此把验证周期缩短了50%到70%，把通常需要四天的工作压缩到了48小时以内，并计划让全球2万名员工接受Claude培训。

如果说当时的重点是把Claude嵌入某家企业专属的生产系统，这次的MHS则是尝试打造一套多家制造商和多种模型都能共用的接口。它的起点是HHMI Janelia的博士后研究员Arko Bast为整合激光器、电动调焦器和摄像头等脑成像设备而制作的一份共享内存字典。随着Anthropic的Alec Kemeny与Bast把AI模型接入其中，这份字典逐渐发展成了一套标准。

目前仍是有限的研究预览

MHS目前正在接受申请，仅向部分实验室和制造商开放。Anthropic表示，计划先在研究预览阶段完善安全评估和运营最佳实践，之后再将其开源。目前，这套标准还无法用于没有编程接口的设备。

更大的限制在于AI的物理直觉。在Genentech的实验中，蛋白质样品出现气泡时，Claude把它当成了软件错误来处理，研究人员必须告诉它气泡只能通过物理手段解决。Anthropic解释称，大语言模型是通过文本和图像学习世界的，空间推理和物理推理能力还不完善，因此仍需要专家的监督。

编辑视角

这次发布中真正值得关注的，并不只是Claude能操控机械臂这件事本身。更大的变化在于，Anthropic没有把AI能做什么完全交给模型自行判断，而是尝试把这些边界写进设备驱动的参考文件和安全限制里。这是一次在概率化判断的AI，和必须确定性运行的物理系统之间，划出标准边界的尝试。

如果集成时间能从数月缩短到数分钟，过去因为定制开发成本太高而被放弃的自动化方案，就可能变成现实可行的选择。但反过来看，一旦指令出错，后果也不再只是屏幕上的报错，而是样品损坏、设备碰撞乃至生产中断。MHS成败的关键，与其说是能连接多少设备，不如说是这些安全界限在实际现场能被多稳定地遵守。而这，正是研究预览阶段需要验证的核心问题。

MHS研究预览版的参与申请可以在官方网站提交。