이미지: Anthropic
摘要
- Anthropic以研究预览形式发布了模型硬件标准(MHS),帮助AI智能体安全操控显微镜、液体处理仪、机械臂等设备。
- MHS用统一驱动程序加上MCP、CLI、API取代了此前逐台设备定制集成的方式,目标是把原本需要数周乃至数月的连接工作缩短到数小时甚至数分钟。
- 卡内基梅隆大学的实验速度提升了约3倍,QuEra的激光锁定恢复成功率达到99.3%,但受限于物理推理能力的不足,目前仍需专家在场监督。
走出屏幕的Claude
2026年8月27日,Anthropic开启了模型硬件标准(Model Hardware Standard,简称MHS)的研究预览,该标准旨在帮助AI智能体安全操控显微镜、液体处理仪、机械臂等物理设备。这并非某个特定Claude模型的专属功能,而是一套通用规格——只要设备具备编程接口,无论厂商是谁、搭配哪种AI模型都能接入。Anthropic表示,目标是把以往动辄需要数周乃至数月的设备集成工作,压缩到数小时甚至数分钟。
首支官方视频展示了MHS如何将实验室和工厂里各不相同的设备统一到同一个智能体之下。AI不再只是停留在调用屏幕里的工具,而是进入了读取传感器、向机械臂和实验设备下达指令的新阶段。
MHS相当于硬件世界的USB-C
实验室设备看起来相似,实际上却各说各的语言。显微镜、酶标仪、液体处理仪各自的编程接口都不同,过去想把多台设备整合进同一个实验流程,必须由专家一台台手写定制的"翻译器"。即便设备连上了,AI智能体读取数据、下达安全指令的方式也没有统一标准。
MHS在中间架起了一层标准驱动程序。驱动程序提供设备都能理解的基础指令,比如读取温度的read、设置温度的write。设备的重量、可测量的数值、可调节的范围,以及绝不能突破的安全上限,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,即便是第一次接触该设备的智能体,也能掌握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:
Anthropic负责有益部署的主管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。如果说软件智能体是靠MCP把各种工具连接起来,那么MHS就是把同样的标准化思路延伸到了物理设备上。
第二支官方视频中,可以看到AI模型实际运行一项物理科学实验:Claude调整激光、用摄像头确认光束移动情况后再次调整。它把这一反复过程中学到的东西整理成确定性的代码文件,之后再执行对准操作时,不必每一步都重新推理,一条指令就能完成。
实验室里先跑出来的数据
Anthropic先在生命科学、机器人和量子计算的研究现场试用了MHS。
- Genentech测试了同时使用液体处理仪、机械臂和酶标仪的BCA蛋白质检测自动化流程。
- 华盛顿大学Baker实验室和Fingerlab实验室实现了智能体边观察qPCR曲线边判断合适时机停止实验,同时机械臂与液体处理仪之间的板材传递也做到了零碰撞。
- 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到一起,使剂量-反应实验的速度较此前提升了约3倍。
- HHMI Janelia研究园区把此前互不兼容的七家供应商程序统一了起来。Anthropic的官方发布文章表示,这让原本需要数周的影像实验缩短到了一天。
- 量子计算公司QuEra开发出一套控制器,可以在激光偏离目标频率时由AI自动恢复锁定。无需人工介入即可完成恢复的比例达到99.3%。
与制造业相关的名字也不少。AWS通过其物理设备连接库Strands Robots支持MHS,并计划向研究预览的参与者提供尚未公开的先行版本。斗山机器人正在测试机械臂的自动质量保证以及多台机器人之间的作业协调。QIAGEN、Tecan、Universal Robots也都在各自的设备和平台上添加MHS支持。
这并非突如其来的转向
去年7月,Anthropic曾与UST联合宣布物理AI合作项目,把Claude引入半导体验证与制造流程。UST表示,原本封闭的验证流水线在引入Claude后,验证周期缩短了50%到70%,原本需要四天的工作压缩到了48小时,并计划在全球范围内让2万名员工接受Claude培训。
如果说当时的重点是把Claude嵌入某家企业内部的生产系统,那么这次的MHS则是想打造一套供多家厂商、多种模型共同使用的接口。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搭建的一套共享内存字典。后来Anthropic的Alec Kemeny与Bast把AI模型接入这套系统,才逐步演变成了如今的标准。
目前仍是范围有限的研究预览
MHS目前仍处于申请制阶段,只向部分实验室和制造商开放。Anthropic表示,计划在研究预览期间完善安全评估和运营最佳实践,之后再将其开源。目前该标准还无法用于不具备编程接口的设备。
更大的限制在于AI的物理直觉。在Genentech的实验中,蛋白质样本出现气泡时,Claude把它当成了软件故障来处理,研究人员不得不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来认识世界的,其空间与物理推理能力尚不完善,因此仍需要专家在场监督。
编辑视角
这次发布真正值得关注的,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,而是试图把这个边界写进设备驱动程序的参考文件和安全上限之中。这是在依靠概率判断的AI,与必须以确定性方式运行的物理系统之间,划出一条标准边界的尝试。
如果集成时间真能从数月缩短到数分钟,那些以往因为定制开发成本过高而被放弃的自动化方案,就可能重新变得可行。但反过来,一旦指令出错,后果也不再只是屏幕上的报错信息,而可能是样本损坏、设备碰撞乃至生产线停摆。MHS成败的关键,与其说取决于能连接多少设备,不如说取决于这些安全边界在真实现场能被多稳定地遵守——而这恰恰是研究预览阶段要验证的核心问题。
MHS研究预览的参与申请可通过官方网站提交。
评论