Anthropic 近日发布了一款名为 Model Hardware Standard（MHS）的预览版标准，旨在为 AI 代理与物理设备之间建立统一的接口。这是继 MCP（Model Context Protocol）之后，Anthropic 第二次推出全行业统一协议。MCP 统一了 AI 代理调用外部工具、数据源与 API 的方式，而 MHS 则将同样的逻辑延伸至物理世界，使 AI 代理能够与显微镜、机械臂、量子计算机等设备直接对话。
MHS 的核心目标是解决科研与工业领域长期存在的硬件接口碎片化问题。在自动化实验室中，不同设备往往基于不同技术栈开发，例如成像相机可能基于 Python，探测器运行在 MATLAB 环境，电生理设备采用 C# 架构，而机械臂、共聚焦显微镜等则各有专属驱动和私有数据格式。这导致设备之间难以协同，研究人员若想实现“相机识别样本后通知机械臂抓取”，往往需要为每对设备编写定制化连接代码。
过去二十多年，行业曾尝试通过 SiLA、OPC UA/LADS、AnIML 等标准解决这一问题，但均未形成通用语言。SiLA 2 试图定义万物，但迭代效率低；OPC UA 架构过重，改造成本高；AnIML 仅统一数据格式，不涉及设备控制。MHS 的突破在于改变思路：不再要求硬件修改底层代码，而是引入大模型作为“统一翻译器”，让 AI 包容硬件多样性。
MHS 的核心设计包括：Agent 可发布简化命令，设备能理解；AI 可为设备生成“使用说明书”（reference file），记录设备实时状态、参数和传感器数据；同时设置“安全护栏”，在设备接入时写入最大功率、最大运动范围等安全阈值，AI 无法突破这些边界，从而防止因指令错误导致设备损坏。
MHS 的价值不仅在于连接设备，更在于让 AI 代理能在物理世界跑通“观察-判断-执行-迭代”的完整闭环。卡内基梅隆大学研究团队使用 MHS 统一协调液体处理仪、读板机、机械臂和监控相机，不仅有序编排实验顺序、监控进度，还将实验速度提升约 3 倍。
量子计算公司 QuEra 的案例更具说服力。其中性原子量子计算机中，激光器频率精度需控制在万亿分之一，温度、振动等微小波动都可能导致激光“失锁”，使数小时的计算作废。传统上，人类专家手动修复每次需 5 至 10 分钟；此前 QuEra 曾开发自动化脚本，但成功率仅 58%，耗时 150 秒。接入 MHS 后，团队搭建了四实例的 Agent 闭环，让 Claude 提出假设、编写脚本、运行并分析结果。一夜之间无人值守运行数百次后，恢复时间从 150 秒压缩至约 6 秒，盲测 700 次成功率达 99.3%，最复杂场景恢复也仅需 10-14 秒。
在后续 PID 参数调优中，Claude 在 16 小时内进行了 363 次实验，将残留误差从专家调校的 15.7mV 降至 1.55mV，降低约 10 倍；在 19 小时连续测试中，专家调校参数每小时失锁约 1.6 次，而 Claude 调校的参数一次未失锁。
为何不让 Claude 直接实时控制机器？出于安全考量：物理世界动作极快，而大模型云端推理存在数十至数百毫秒的延迟，且可能产生幻觉，直接控制风险过高。因此 MHS 严格分离模型推理层与设备执行层：Claude 负责思考方案，确定性代码负责执行。MHS 提供“在线指挥”与“离线连发”两种模式：前者适合需要临时调整的“慢工细活”，AI 逐步调整并观察结果；后者则将几十步动作打包成确定性 Python 脚本，设备本地离线运行，绕过网络延迟。
目前，丹纳赫、QIAGEN、Tecan 等生物科技巨头，斗山机器人等工业先锋，以及 AWS 等科技公司均已加入 MHS 生态。Anthropic 正从“工具提供商”向“行业规则制定者”演进，其服务范围扩大至物理设备控制。若该标准全面建立，工厂、实验室甚至机器人集群都可能成为 Agent 的“运行时环境”，AI 代理有望成为物理世界无处不在的操作系统。Anthropic 选择从门槛最高、最保守的生物医药、量子计算等科研实验室切入，不仅因为设备碎片化痛点突出，也因为这是 AI 汲取真实物理规律、通向 AGI 的最近领域之一。科学发现的周期，或许将从以年为单位压缩至以天、以小时为单位。