Anthropic 发布 Model Hardware Standard (MHS)：AI 代理操作物理设备的统一标准

在 AI 从纯软件向“具身智能”跨越的关键节点，Anthropic 于 2026 年 8 月 27 日推出了Model Hardware Standard (MHS)。这是一个旨在让 AI 代理（Agents）安全、高效地操作物理设备的共享规范。MHS 的发布标志着 AI 应用将从云端推理正式延伸至实验室和工厂的物理世界。

背景与挑战：物理设备的“孤岛”困境

在传统的科研与制造环境中，实验室或工厂内的设备（如显微镜、液体处理仪、机械臂等）往往各自为政。每个设备都有独特的编程接口，缺乏统一的通信协议，导致集成工作通常需要数周甚至数月，且高度依赖人工定制开发。此外，AI 难以理解设备的物理特性（如机械臂的重量、激光器的校准精度），也无法在设备发生故障时进行自主恢复。

MHS 的出现正是为了解决这些痛点，它致力于将复杂的硬件集成工作简化，并赋予 AI 代理自主编排实验的能力。

核心突破：MHS 如何工作？

MHS 通过以下三个关键机制重构了 AI 与硬件的交互方式：

1. 标准化驱动与设备发现

MHS 引入了一种标准化的驱动程序（Driver），充当操作系统与硬件设备之间的翻译层。它使用一组简单的原语（Primitives），如"read"（读取温度）和"write"（设定温度），任何硬件均可理解。设备在 MHS 框架下以标准格式被发现，无需额外的“翻译器”程序即可实现跨网络通信。

2. 自然语言描述设备特性

以往，设备的物理参数（如安全限制、机械结构）往往散落在纸质手册或工程师的隐性知识中。MHS 允许用户通过自然语言直接描述设备特性，系统会自动生成包含设备能力、可调参数及安全阈值的参考文件。这使得 AI 能够“理解”从未见过的设备，从而安全地执行操作。

3. 灵活的执行机制

MHS 支持三种控制机制协同工作：

• Model Context Protocol (MCP)：用于设备发现与通信。
• 命令行接口 (CLI)：用于实时交互。
• 代码文件 (Code Files)：用于编排长任务。当 AI 需要执行耗时操作或高速运算时，可将推理结果转化为代码文件，让设备自主执行，无需 AI 在每一步都进行实时推理。

实际应用价值

在早期的测试中，MHS 展现了惊人的潜力。例如，在量子计算实验中，AI 代理能够自主进行激光校准：它调整参数、通过摄像头观察结果、评估光束偏移，并循环迭代。最终，AI 将这一探索过程封装为确定性脚本，实现了全自动的激光对齐，无需人工干预。

Anthropic 与 HHMI Janelia Research Campus 等合作伙伴的初步反馈显示，MHS 显著缩短了设备集成时间，加速了实验迭代速度，并提升了机器实时故障检测的能力。

未来展望

MHS 目前处于研究预览阶段，面向科学实验室和先进制造商开放。Anthropic 计划在未来将其开源，并推动建立针对 AI 操作物理设备的安全评估最佳实践。这一标准的落地，预计将彻底改变生物制药、材料科学及智能制造领域的研发范式，让 AI 真正成为全天候的科研助手。

“MHS 不仅是一个技术规范，更是连接数字智能与物理世界的桥梁。它让 AI 能够像科学家一样探索未知，并在安全的前提下自主完成复杂的实验流程。” —— Anthropic 官方团队