模型硬件标准MHS开放研究预览

Anthropic今日宣布开放模型硬件标准（Model Hardware Standard，简称MHS）的研究预览，首批面向科研实验室和先进制造商。MHS是一套共享规范，旨在让AI智能体安全操作物理设备，目前支持显微镜、液体处理工作站、机械臂等多种实验室和制造仪器，可并行执行从常规药物发现实验到量子计算机激光校准等复杂任务。该标准源于Anthropic与HHMI Janelia研究园区的合作。

实验室或工厂通常需要数周甚至数月才能完成硬件集成，因为多数设备彼此不通信，需要专家编写定制集成。MHS可将集成时间压缩到几小时甚至几分钟，同时让AI智能体协调自主实验流程，实时调整参数，甚至能从硬件错误中自动恢复。

MHS的工作原理是引入标准化驱动程序，通过“读取”（如获取温度）和“写入”（如设置温度）等简单原语，让设备可被发现和操作。驱动程序中还包含自然语言标签，帮助AI理解设备特性（如机械臂重量等安全关键信息）。MHS支持多种控制方式，包括模型上下文协议（MCP）、命令行和API，可通过一行代码编排多设备协同。

在早期测试中，Claude能以类似科学家的探索方式与设备交互，例如调整激光后通过摄像头观察结果并迭代，最后将学习到的操作封装为代码文件，实现一键执行。

合作伙伴的早期成果包括：

基因泰克：用MHS自动化BCA蛋白定量实验，Claude通过自主优化液体处理参数，将实验精度提升至接近专家水平，并能从气泡等故障中自行恢复。

华盛顿大学：博士生Zihao Song用MHS搭建远程监控仪表盘，并让AI智能体监督qPCR反应，适时终止实验；还实现了机械臂与液体处理器的防碰撞协作。

卡内基梅隆大学：用MHS让Claude Opus 4.8控制三台接口完全不兼容的计算机上的设备，将剂量-反应曲线实验速度提升约3倍，8小时完成原本需数周的集成。

HHMI Janelia：研究人员用MHS统一了原本需要七个不同厂商软件控制的显微镜设备，新硬件集成从数天缩短到几分钟，并支持AI智能体进行在线分析和闭环实验。

QuEra Computing：AI智能体通过MHS开发激光锁频恢复控制器，成功率达99.3%，远超此前脚本的58%；优化后的PID参数使激光锁定时间提升一个数量级。

Tetsuwan Scientific：将MHS集成到其自动化生物实验室平台ResearchOS，实现qPCR流程的自动化错误恢复，并为社区科学项目检测旧金山San Pedro Creek的粪便污染源。

此外，AWS、Danaher、QIAGEN、Universal Robots等硬件厂商和软件公司正在将MHS支持集成到各自产品中。

Anthropic表示，在开源MHS之前，将与合作方共同构建安全评估体系，并制定AI操作物理设备的行业最佳实践。目前研究预览已开放申请，感兴趣者可前往modelhardwarestandard.com提交意向。