Anthropic发布MHS硬件规范，让Claude操控真实设备

一台机械臂、一台移液工作站和一台读板机，外加几台监控摄像头，由三台电脑分别控制——这是卡内基梅隆大学一个自动化实验系统原来的样子。设备都能独立工作，但要让它们完成一次连续稀释实验，工程师需要逐一理解控制方式，再编写连接代码。

在 Anthropic 披露的测试中，研究人员为这些设备接入同一种硬件接口，由 Claude Opus 4.8 安排运行：移液工作站制备样本，摄像头确认孔板位置，机械臂把孔板送进读板机，模型读取结果后决定是否调整浓度、重新实验。最终，从设备准备到获得一条自主重跑的稀释曲线，整个过程约 8 小时；由供应商搭建类似系统通常需要数周。

把这批设备连接起来的规范，叫 Model Hardware Standard（模型硬件标准），简称 MHS。8 月 27 日，Anthropic 发布 MHS 研究预览版，向首批科研实验室和先进制造企业开放，目标是让 AI Agent 操作真实设备有一套共享规范。

从 MCP 到 MHS

MHS 的思路和 MCP 一脉相承。2024 年 11 月，Anthropic 发布 MCP（模型上下文协议），解决 AI 应用如何连接外部数据和软件工具；MHS 把接口另一端从软件换成真实设备，难度也大得多——机械臂、显微镜、液体处理器来自不同厂商，即使早已自动化，也未必能告诉 Agent 自己有什么能力。

按 Anthropic 的设计，MHS 在设备原有控制逻辑上增加一层标准化接口，把状态和操作整理成读取、写入等基本指令，例如读取或设置温度。

它还会给机器写一份 Agent 能读懂的“说明书”。设备能测什么、哪些参数可调、机械臂载荷多大、有哪些安全限制，这些原本藏在纸质手册和工程师经验里的信息，将被写进设备描述，供 Agent 读取。一句话，MHS 就是要让设备能被找到、让 Agent 知道设备能做什么、并学会在限制内调用它。

MHS 不是机器人操作系统，也不做关节级实时控制。在需要高速执行或长时间运行时，Agent 生成确定性代码，交给设备原有控制系统执行。今年 7 月的测试也印证了这种分工：Claude 直接控制模拟人形机器人、机械臂和宇树 Go2 的关节大多失败，改用预训练控制器和高层工具后明显改善。因为复杂机器人有几十上百个关节，模型适合做上层的理解、安排与调整，底层动作仍需控制器和确定性软件负责。

从实验室里长出来

MHS 最初是从一间实验室里长出来的。霍华德·休斯医学研究所 Janelia 研究园区有一套斑马鱼成像系统，由不同厂商的激光器、扫描镜、探测器和位移台组成，分别运行 MATLAB、Python 和 C# 程序。研究人员必须按顺序启动七个程序，顺序错了整场实验就受影响；而且不同程序并不知道彼此状态。过去，设备间共享信息要写点对点连接代码，有时还要加数据采集卡。

后来，研究人员先做了一个共享内存字典，让仪器交换状态；Anthropic 参与后把模型接到接口上，MHS 逐渐成形。Janelia 团队称，过去接入一台新设备通常要数天，现在一台观察光束的新相机只用几分钟；启动实验也从按顺序开七个程序变成一次点击。

真正的问题在于，工厂里大多数接口不是为临时闯入的通用 Agent 设计的。传统产线先定任务、再让工程师集成好，机器反复执行；但科研实验或小批量制造需要频繁换线，Agent 必须知道设备忙不忙、样品在哪、参数边界是什么。相当于开工前要拿一张不断更新的“工具清单”。若每对设备与模型都重新开发专用接口，很难规模化。MHS 想消除的正是这层摩擦。

目前参与 MHS 的仍以少数设备厂商为主，包括最近因机器鸭备受关注的 Hugging Face。它不再是一份概念文档，但也远未成为行业共同选择。

旧接口，新 Agent

实际上，机器人行业不缺接口：ROS 生态有 ros2_control，工业自动化有覆盖更广的 OPC UA，能描述设备、变量、方法及彼此关系。各厂商还有自己的控制器、SDK 和安全机制。新变化是，这些接口开始接待 AI Agent。

OPC Foundation 在今年 4 月宣布，要把超过 430 套 OPC UA Companion Specifications 转换成适合 RAG、MCP 和 AI 辅助工程使用的格式，目标之一是让 OPC UA 成为 Agentic AI 和工业自动化之间的语义层。两条路线由此靠近，也给 MHS 留下问题：如果 OPC UA 和 MCP 已经能完成大部分工作，行业是否还需要一套新硬件标准？

MHS 把设备发现、读写操作、自然语言说明、安全边界和 Agent 调用集中在一层，更像既有工业协议之上的 Agent 抽象。目前还没有大规模部署能证明它会胜出。

物理世界比软件更难

接口就位后，最难的部分依旧存在。

在 Genentech 的移液实验中，Claude 遇到液体起泡，起初只是在同一个孔位换参数重试，结果泡越打越多；直到研究人员解释气泡的物理原因并给出办法，它才学会避开。量子激光测试里也有类似情况：Claude 读得懂设备在程序中的表示，但硬件一旦出现程序解释不了的故障，它只能停下等人工确认，实验搁置到第二天。

MHS 能告诉 AI 按钮在哪、对应什么功能，并在接口层面限制危险操作，却不能保证 AI 知道何时该按下按钮。物理理解、实时控制、故障处置和安全验证，仍需模型、控制器与现场人员一起完成。

所以，MHS 没有把 Anthropic 变成机器人公司，也没有证明大模型公司将接管工业接口。但一家通用大模型公司开始写硬件层的“说明书”，本身就说明它的边界走出了屏幕。至于 MHS 最终会不会成为答案，时间会给出判断。