Anthropic 近日釋出了一款名為 Model Hardware Standard（MHS）的預覽版標準，旨在為 AI 代理與物理裝置之間建立統一的介面。這是繼 MCP（Model Context Protocol）之後，Anthropic 第二次推出全行業統一協議。MCP 統一了 AI 代理呼叫外部工具、資料來源與 API 的方式，而 MHS 則將同樣的邏輯延伸至物理世界，使 AI 代理能夠與顯微鏡、機械臂、量子計算機等裝置直接對話。
MHS 的核心目標是解決科研與工業領域長期存在的硬體介面碎片化問題。在自動化實驗室中，不同裝置往往基於不同技術棧開發，例如成像相機可能基於 Python，探測器執行在 MATLAB 環境，電生理裝置採用 C# 架構，而機械臂、共聚焦顯微鏡等則各有專屬驅動和私有資料格式。這導致裝置之間難以協同，研究人員若想實現“相機識別樣本後通知機械臂抓取”，往往需要為每對裝置編寫定製化連線程式碼。
過去二十多年，行業曾嘗試通過 SiLA、OPC UA/LADS、AnIML 等標準解決這一問題，但均未形成通用語言。SiLA 2 試圖定義萬物，但迭代效率低；OPC UA 架構過重，改造成本高；AnIML 僅統一資料格式，不涉及裝置控制。MHS 的突破在於改變思路：不再要求硬體修改底層程式碼，而是引入大模型作為“統一翻譯器”，讓 AI 包容硬體多樣性。
MHS 的核心設計包括：Agent 可釋出簡化命令，裝置能理解；AI 可為裝置生成“使用說明書”（reference file），記錄裝置即時狀態、引數和感測器資料；同時設定“安全護欄”，在裝置接入時寫入最大功率、最大運動範圍等安全閾值，AI 無法突破這些邊界，從而防止因指令錯誤導致裝置損壞。
MHS 的價值不僅在於連線裝置，更在於讓 AI 代理能在物理世界跑通“觀察-判斷-執行-迭代”的完整閉環。卡內基梅隆大學研究團隊使用 MHS 統一協調液體處理儀、讀板機、機械臂和監控相機，不僅有序編排實驗順序、監控進度，還將實驗速度提升約 3 倍。
量子計算公司 QuEra 的案例更具說服力。其中性原子量子計算機中，雷射器頻率精度需控制在萬億分之一，溫度、振動等微小波動都可能導致雷射“失鎖”，使數小時的計算作廢。傳統上，人類專家手動修復每次需 5 至 10 分鐘；此前 QuEra 曾開發自動化指令碼，但成功率僅 58%，耗時 150 秒。接入 MHS 後，團隊搭建了四例項的 Agent 閉環，讓 Claude 提出假設、編寫指令碼、執行並分析結果。一夜之間無人值守執行數百次後，恢復時間從 150 秒壓縮至約 6 秒，盲測 700 次成功率達 99.3%，最複雜場景恢復也僅需 10-14 秒。
在後續 PID 引數調優中，Claude 在 16 小時內進行了 363 次實驗，將殘留誤差從專家調校的 15.7mV 降至 1.55mV，降低約 10 倍；在 19 小時連續測試中，專家調校引數每小時失鎖約 1.6 次，而 Claude 調校的引數一次未失鎖。
為何不讓 Claude 直接即時控制機器？出於安全考量：物理世界動作極快，而大模型雲端推理存在數十至數百毫秒的延遲，且可能產生幻覺，直接控制風險過高。因此 MHS 嚴格分離模型推理層與裝置執行層：Claude 負責思考方案，確定性程式碼負責執行。MHS 提供“線上指揮”與“離線連發”兩種模式：前者適合需要臨時調整的“慢工細活”，AI 逐步調整並觀察結果；後者則將幾十步動作打包成確定性 Python 指令碼，裝置本地離線執行，繞過網路延遲。
目前，丹納赫、QIAGEN、Tecan 等生物科技巨頭，斗山機器人等工業先鋒，以及 AWS 等科技公司均已加入 MHS 生態。Anthropic 正從“工具提供商”向“行業規則制定者”演進，其服務範圍擴大至物理裝置控制。若該標準全面建立，工廠、實驗室甚至機器人叢集都可能成為 Agent 的“執行時環境”，AI 代理有望成為物理世界無處不在的作業系統。Anthropic 選擇從門檻最高、最保守的生物醫藥、量子計算等科研實驗室切入，不僅因為裝置碎片化痛點突出，也因為這是 AI 汲取真實物理規律、通向 AGI 的最近領域之一。科學發現的週期，或許將從以年為單位壓縮至以天、以小時為單位。