8 月 27 日，Anthropic 开放 Model Hardware Standard（MHS）的研究预览——一套让 AI agent 安全操作物理设备的共享规范，首批面向科研实验室与先进制造企业。MHS 试图解决设备接口不兼容的问题：它通过标准驱动，提供 read/write（读写）这两类基本操作，让 agent 能发现、理解并操作显微镜、液体处理机、机械臂等原本互不通信的设备。Anthropic 称它把设备集成时间从「数周乃至数月」压缩到「数小时甚至数分钟」；但这一数字，连同下文所有性能数据，都出自 Anthropic 与合作方的自述，标准本身尚未开源。
用标准驱动描述设备能力，再通过读写接口控制
实验设备的接口差异是集成的一大障碍：实验室或工厂里的设备各有各的编程接口，设备之间不通信，要让它们协同，通常需要专人编写定制的集成程序。MHS 的办法是引入一个标准化驱动——一段在操作系统与硬件设备之间做翻译的软件——用一组极简原语（「读」，例如取温度；「写」，例如设温度）让任何带可编程接口的设备都能理解和执行。每个设备以标准格式变得可发现，设备和 agent 可以在网络上互相找到对方，省去了额外编写定制「翻译」程序的步骤。
驱动还可以补充模型仅靠代码无法获知的设备信息。设备不少关键特性写在纸质手册里、或者只存在于操作者脑中，比如机械臂的重量——它直接决定操作是否安全。MHS 的驱动带标签系统，用户可以用自然语言把这些信息写进去，或由 agent 逐项询问硬件配置后录入；驱动据此自动生成一份参考文件，说明这台设备能测什么、能调什么、强制执行哪些安全限制。CNBC 用「像一根 USB-C 线」类比它的作用——把信息在设备之间的传输方式标准化。在 Anthropic 负责推动有益应用（Beneficial Deployments）的 Elizabeth Kelly 说：「我们为科学造了它，来展示 AI 的潜力，但它对企业和工业同样有巨大好处。」
设备连接完成、agent 获得设备说明后，可以通过三种方式控制它们：MCP、命令行接口、代码文件（API）。三者配合，可以用一行代码协调多台设备。长任务或需要比在线推理更快执行的操作，agent 会把多台设备的驱动命令串成代码文件，让设备自行执行，而不是每一步都靠模型推理。Anthropic 描述了一次观察：Claude 调整激光、通过摄像头看结果、再调整，通过反复尝试确定调整与结果之间的关系，然后把学到的东西写成确定性脚本——对齐激光这件事从此变成一条命令。
与 ROS、OPC UA 分工不同，重点是让 agent 理解设备
控制设备已有成熟技术，MHS 的不同之处在于它面向 agent 提供设备描述和操作接口。工业自动化早有 OPC UA 这样的语义互操作标准，负责设备级的数据交换与信息建模；OPC 基金会今年 4 月还宣布要把 430 多套 Companion Specification 转成 RAG、MCP 可用的 AI 友好格式，理由是让 OPC UA 成为「agentic AI 与工业自动化世界之间的语义层」。工业标准制定方正在让 agent 使用已有规范。MHS 则从 agent 的需求出发，定义设备如何被发现、描述和安全操作的接口。
这决定了 MHS 与 ROS、OPC UA 不是替代关系。ROS 是机器人软件框架，OPC UA 是设备级通信与信息建模，MHS 是 agent 面向设备的抽象层——把设备的能力描述、物理约束和安全限制打包成一个 agent 可以直接读写的资源。这些技术的共同目标是：让 AI 可靠地理解并操作物理设备。MHS 希望用「模型无关」的共享规范连接不同厂商，而这个「模型无关」目前只是设计目标，公开验证过的只有 Claude 系。
早期案例涉及实验自动化，性能数字尚缺独立复现
Anthropic 随发布给出了一批早期案例，它们的证据强度应当分开看。卡内基梅隆大学（CMU）用 MHS 跑序列稀释的剂量-反应实验，「比之前快约三倍」，agent 协调了液体处理机、读板器、机械臂和监控摄像头，这些设备分布在三台接口互不兼容的电脑上。量子计算公司 QuEra 让 agent 接管了中性原子量子计算机里激光系统的部分控制，开发出的控制器能在 99.3% 的情况下无需人工干预地恢复激光「锁定」——即激光与原子相互作用必须保持的超高频率精度。HHMI Janelia 的研究人员用 MHS 统一了一台此前依赖七套不同厂商程序、没有共享接口的显微镜装置。
同一批预览里，Genentech 用 MHS 跑通了 BCA 蛋白定量实验的自动化概念验证，需协同液体处理机、机械臂和读板器；华盛顿大学 Baker 与 Pinglay 实验室的一名博士生用它搭了远程监控仪表盘，以及一个 AI 监督、会自己把握终止时机的 qPCR 流程。这些案例有两个共同点：全部来自 Anthropic 与合作方的自述，没有独立审计或第三方复现；这些结果衡量了设备集成与协同操作的效果，不能直接代表 agent 的通用科学能力。把集成时间从数周压到数小时是 MHS 最核心、也最可信的卖点，因为它是标准层的直接收益；而 3 倍提速、99.3% 恢复率依赖具体实验设置，在标准开源、外部能够复现之前，只能当作合作伙伴的个案汇报。
物理错误仍需专家纠正，设备也必须提供可编程接口
Anthropic 自己把边界写得很清楚：Claude 通过文本和图像学习物理世界，其空间与物理推理仍有局限，需要专家监督。一个具体例子是，Genentech 处理蛋白质样本时，研究人员不得不引导 Claude 认识到「样本起泡导致的错误是物理失败，而不是软件 bug」，只能靠相应的物理纠正来解决。这个例子说明，MHS 可以帮助 agent 接入并操作设备，但不能保证 agent 理解真实的物理过程。
设备本身也有限制：MHS 目前只对「带可编程接口」的设备有效，对那些没有编程接口的设备，Anthropic 正在与制造商合作把驱动直接做进硬件。所以现在这个阶段是研究预览，不是生产协议。Anthropic 计划在预览期完成三项工作：与合作方共建安全评测、完善针对物理世界误用的防护、以及在开源前打磨标准；开源后它会一并发布预览期的发现，作为安全部署指南的一部分。另有两项集成正在推进：Hugging Face 将在机器人库 LeRobot 里加入 MHS 支持，树莓派在相机 MHS 驱动测试成功后，正把集成铺到多款产品上。
标准能否推广，还要看开源和 Claude 之外的验证
在具身智能领域，Figure 正通过众包收集真实世界数据，其他公司着力改进人形机器人本体和运动能力。Anthropic 则先为 agent 安全操作既有设备制定接口规范，并希望通过 MCP 生态、LeRobot 和树莓派扩大标准覆盖范围。但它目前仍只是一个研究预览——性能数据出自自述、规范未开源、「模型无关」未经验证、物理推理依赖人工纠错。下一步需要看：Anthropic 何时开源 MHS、开源时发布的评测发现能否被独立复现，以及 Claude 之外的 agent 是否被公开验证能跑通同一套驱动。
