AREX Feed Article
Anthropic 发布与 HHMI 合作开发的 MHS 预览标准，AI agent 可直接操控显微镜与机械臂
Anthropic 8 月 27 日发布 Model Hardware Standard（MHS，模型硬件标准）研究预览，一个让 AI agent（智能体）安全操作物理设备的共享规范，与私人生物医学研究机构 HHMI 的 Janelia 研究园区合作开发。agent 可并行操作显微镜、移液工作站、机械臂等仪器，完成从常规药物发现实验到量子计算机激光校准的任务。Anthropic 称，实验室或工厂集成硬件通常要花数周甚至数月，MHS 把这项工作压缩到几小时甚至几分钟。
官方博客于 8 月 27 日发布公告； 8 月 31 日以「Anthropic Releases Interface to Help AI Agents Operate Machines」为题报道，称这是 Anthropic 继续进军物理 AI 的一步：MHS 与模型无关，用户不会被锁定在 Claude 上，Anthropic 计划以开源许可证发布，AWS 与 Hugging Face 已在着手把标准集成进各自工作流。
研究预览首批开放给科研实验室与先进制造商
公告把开放对象称为「第一批科研实验室和先进制造商」。Anthropic 表示，将把标准的早期版本分享给科学、机器人、电子和制造领域的合作方，共同构建安全评估、制定 AI 系统操作物理设备的最佳实践，之后再开源。预览版适用于任何带可编程接口的设备，任何智能体框架都能通过 Model Context Protocol（MCP，模型上下文协议）等标准协议访问；想加入的机构需要提交申请或进入候补名单。
HHMI 官方账号确认这一消息，称「一切都会改变」：MHS 始于 Janelia 研究园区与 Anthropic 的合作，让 AI agent 安全操作科研与先进制造领域的物理设备。
驱动层如何让 agent 认识一台陌生的机械臂
MHS 要解决的是实验室和工厂里的老问题：每台设备各有各的编程接口，没有统一的集成方式；设备连上之后，也没有通用办法与 AI agent 共享数据，或让 agent 安全地操作它们。MHS 的做法是引入标准化驱动（driver），用一组简单原语「read」（如「读取温度」）和「write」（如「设定温度」）让任何设备都能理解并执行，同时让设备以标准格式可被发现，跨网络通信不再需要中间的定制翻译程序。
驱动还能告诉 agent 如何操作一台从没见过的设备。机械臂的重量这类无法从代码里看出的信息，过去散落在纸质手册、个人电脑和操作者的经验里；MHS 驱动带有标签（tags），用户可以用自然语言直接写入（自己写，或与一个访谈式 agent 对话），驱动据此自动生成参考文件，列出设备的通用特征，包括能测量什么、能调整什么、会执行哪些安全限制。控制层面有三条通道：MCP、命令行和代码文件（API），三者配合可用一行代码跨多台设备编排操作；长任务则把驱动命令链进代码文件，让设备自行执行，不必每一步都靠模型推理。
Anthropic 在测试中观察到，Claude 与硬件互动的方式带着科学家的探索性：调整一次激光，通过相机观察光束如何移动，再调整，反复迭代，最后把学到的东西打包进代码文件，写成确定性脚本，让整个激光对准流程以单条命令运行。
这个设计源于一次实地观察。据 报道，Anthropic 技术职员 Alek Kemeny 在随公告发布的视频中说，他在 Janelia 研究园区看神经科学家 Arco Bast 协调一台研究记忆形成的实验设备，旋转激光束、显微镜、相机等组件通过一个共同接口协同工作，由此想到「这个想法可以用来让 AI 运行世界上任何科学实验」。
BCA 蛋白实验、剂量反应与量子激光锁频
Anthropic 在博客中公布了六个早期合作案例，均为公司自述：
Genentech 把 MHS 作为概念验证，用于自动化 BCA 蛋白定量实验，一个需要移液工作站、机械臂和读板机协同的标准流程。卡内基梅隆大学用 MHS 运行连续稀释剂量反应实验，速度约为原来的 3 倍，agent 协调移液工作站、读板机、机械臂和监控相机，这些设备分布在三台接口完全不兼容的电脑上。QuEra Computing 制造中性原子量子计算机，用 MHS 让 agent 控制机器内部的激光系统，其开发的控制器能在无人干预下以 99.3% 的成功率恢复激光「锁定」，即激光与原子相互作用必须保持的超精确频率。
华盛顿大学 Baker 与 Pinglay 实验室的博士生 Zihao Song 用 MHS 搭建了远程监控仪表盘，做了由 agent 监督的 qPCR（实时荧光定量 PCR），并实现机械臂与移液工作站之间无碰撞的板件交接。在 Janelia 园区，Ahrens 实验室研究睡眠如何帮助身体恢复压力的科学家 Virginie Ruetten，用 MHS 统一并编排了一套此前需要七个不同厂商程序、没有共享接口的实验装置。Tetsuwan Scientific 把 MHS 接入其自动化生物实验室平台 ResearchOS，用 qPCR 流程参与表征加州 San Pedro Creek 污染的公民科学项目。
集成名单：AWS 的 Strands Robots 与 Hugging Face 的 LeRobot
软件与云平台一侧：AWS 将通过 Strands Robots（连接 AI agent 与物理设备的库）支持 MHS，并在研究预览期间向参与者提供私有预发布版；Hugging Face 正在其机器人库 LeRobot 中加入 MHS 支持；Raspberry Pi 的 Camera MHS Driver 测试成功后，将在多款产品中启用 MHS 集成。
设备厂商一侧：Automata 在实验室自动化平台 LINQ 中加入 MHS 支持；Danaher 与 Anthropic 正在探索用 MHS 支持其智能仪器和自动化实验室；Doosan Robotics 正在用机械臂测试 MHS，包括自动化质检和多机器人协同任务；MBF Bioscience 正在为 ScanImage（运行全球数百个神经科学实验室激光扫描显微镜的软件）开发 MHS 驱动；QIAGEN 在其核酸纯化平台 QIAsymphony Connect 上做了概念验证；Tecan 为 Fluent 移液平台添加 MHS 支持；Universal Robots 已获得早期访问权，计划在其机器人平台中加入支持。名单来自 Anthropic 博客。
泡沫是物理故障，Claude 仍需专家把关
Anthropic 同时列出了标准的已知边界。作为大语言模型，Claude 通过文本和图像认识物理世界，空间与物理推理有限，仍需要专家监督。Genentech 的案例是典型：处理蛋白样品时，研究人员必须引导 Claude 认识到样品起泡导致的错误是物理故障而非软件 bug，只能通过相应的物理操作来解决。
MHS 目前还不能用于没有编程接口的设备，Anthropic 正与这类设备制造商合作内置驱动。安全方面，公司称将利用研究预览与发布伙伴共建安全评估，加强物理世界 AI 滥用的防护，并正在制定物理安全路线图。
继 MCP 之后，Anthropic 的标准路线延伸到硬件
AI Business 在报道中称，Anthropic 此前已有发布 AI 标准的先例：2024 年开源了 Model Context Protocol（MCP），用于连接 AI agent 与数据源，如今已被广泛使用。该报道认为，MHS 是 Anthropic 向物理世界迈出的又一步，而 AI 公司正越来越多地把目光投向硬件，AI 原生设备和制造工具的投资在升温。
Kemeny 在宣传视频里说：「如果你能更快地检验假设，你就能更快地创造通用技术。一个世纪的进步可以这样压缩进十年。」至于标准本身，Anthropic 没有在这份公告里给出开源时间表，只说开源前还有工作要做；预览期间积累的安全评估结果，将在开源时随部署指南一起公开。