预览 Model Hardware Standard
来自 Anthropic News · 期号 2026-08-27
摘要
实验室或工厂里，每台设备都有自己的编程接口，互相不通信，集成一套硬件通常要几周甚至几个月。 Anthropic 与 HHMI Janelia 研究园区合作开发了 Model Hardware Standard（MHS），一个让 AI agent 安全操作物理设备的共享规范。MHS 引入标准化驱动，用“读温度”“设温度”这类简单原语让设备听懂 agent 的指令，并把设备特性（如机械臂重量）以自然语言标签写入驱动，agent 拿到就能用。 MHS 与模型无关，任何 agent 框架都能通过 MCP 等标准协议调用。目前向科研实验室和先进制造商开放研究预览，后续将开源。
深读
导读 实验室和工厂里，每台设备都有自己的编程接口，互相不通信，集成一套硬件通常要几周甚至几个月。Anthropic 与 HHMI Janelia 研究园区合作开发的 Model Hardware Standard (MHS) 是一个让 AI agent 安全操作物理设备的共享规范，通过标准化驱动和自然语言标签，将集成时间缩短到小时或分钟级别。读完本文能了解 MHS 的工作原理、它在真实实验室中的落地效果，以及当前 AI 模型操作物理设备时暴露出的关键局限。 关键信息 - MHS 引入标准化驱动，使用“read”（如“get temperature”）和“write”（如“set temperature”）这类简单原语，让任何可编程设备都能理解并执行 agent 的指令。 - MHS 驱动包含自然语言标签，允许用户将设备特性（如机械臂重量）直接写入驱动，agent 拿到后即可自动生成包含设备测量范围、可调参数和安全限制的参考文件。 - MHS 提供三种控制机制：Model Context Protocol (MCP)、命令行界面和代码文件 (API)，可通过单行代码协调多个设备。 - Genentech 使用 MHS 自动化 BCA 蛋白定量实验，Claude 自主优化了液体处理参数：水的最佳流速为约 140 µL/s（RMSE 0.016），粘性 BSA 蛋白溶液为 10 µL/s（RMSE 0.181）。 - 在 Genentech 实验中，Claude 遇到气泡导致的硬件错误时，默认选择重试同一孔位，反而加剧了问题，说明当前 AI 模型缺乏物理直觉，需要人工引导才能理解故障的物理根源。 - 华盛顿大学 Baker 和 Pinglay 实验室的博士生 Zihao Song 用 MHS 构建了远程监控仪表盘、AI agent 监督的 qPCR（实时监控扩增曲线并在适当时刻终止反应），以及机械臂与液体处理器的无碰撞板交接。 逐节讲解 为什么需要 MHS 实验室和工厂的硬件集成是一个长期痛点。每台设备都有自己的编程接口，彼此不通信，需要专家为每套组合编写定制集成代码，整个过程耗时数周甚至数月。更麻烦的是，即使设备连上了，也没有统一的方式让它们与 AI agent 共享数据，更谈不上让 agent 安全地操作它们。MHS 正是为了解决这些问题而设计的。 MHS 的工作原理 MHS 的核心是标准化驱动，一种在计算机操作系统和硬件设备之间翻译指令的软件。这个驱动使用一组简单的原语（如“read”和“write”），任何硬件设备都能理解和执行。驱动还让设备以标准格式“可被发现”，设备和 agent 之间无需定制“翻译”程序就能跨网络找到彼此并通信。 驱动还解决了 agent 如何理解从未见过的设备的问题。它包含自然语言标签，用户可以直接写入设备特性（如机械臂重量），这些…