知识卡片：模型硬件标准（MHS）研究预览

一句话结论

Anthropic 于 2026 年 8 月 27 日发布“模型硬件标准”（Model Hardware Standard, MHS）的研究预览，这是一个让 AI 代理安全操作物理设备的共享规范，旨在将实验室和工厂的设备集成时间从数周甚至数月缩短到几小时或几分钟。

事件概述

Anthropic 宣布向首批科研实验室和先进制造商开放 MHS 的研究预览。MHS 由 Anthropic 与 HHMI Janelia Research Campus 合作开发，目前已在生物技术、机器人、量子计算等领域的少量实验室和硬件制造商中进行了早期测试。Anthropic 计划在将该标准开源之前，与合作伙伴共同构建安全评估体系并制定 AI 系统操作物理设备的最佳实践。

方法/产品要点

• 目标设备：MHS 适用于任何具有可编程接口的设备，例如显微镜、液体处理器、机械臂等，并支持多个设备并行操作。
• 模型无关：MHS 不绑定特定 AI 模型，任何代理框架都可以通过标准协议（如 Model Context Protocol, MCP）访问。
• 标准化驱动：MHS 通过一个标准化驱动程序，将设备的编程接口翻译为简单的“读/写”原语（例如“获取温度”“设置温度”），并让设备以标准格式在网络中被发现。
• 自然语言标签：MHS 驱动包含标签，允许用户用自然语言补充设备特性（如机械臂重量、安全限制等），并自动生成参考文件，帮助 AI 代理操作从未见过的设备。
• 三种控制机制：MCP、命令行界面和代码文件（API），可协同实现跨设备编排，甚至通过一行代码完成多设备控制。
• 探索式操作：测试中，Claude 会像科学家一样探索硬件行为，例如调整激光并用摄像头观察结果，然后将学习到的参数打包成确定性脚本，实现单命令运行。

主要结果或产业意义

• Genentech 案例：Genentech 与 Anthropic 合作，将 MHS 作为概念验证用于自动化 BCA 蛋白测定。Claude 通过 MHS 协调液体处理器、机械臂和微板读数器，并自主优化了水溶液和粘稠 BSA 溶液的液体处理流速，纠正了使用统一流速导致气泡和移液不准确的问题。
• 集成效率：MHS 将原本需要数周或数月的设备集成工作缩短到几小时或几分钟。
• 自动化实验：MHS 支持 AI 代理全天候自主运行实验，可以逐步推理、实时更新参数，并在某些情况下无需人工干预地从硬件错误中恢复。
• 应用前景：Anthropic 希望 MHS 能加速任何使用可编程接口设备的领域中的发现和实验过程。

为什么重要

MHS 是 Anthropic 在“AI 操作物理世界”方向上的关键布局。它提供了一个开放的硬件互操作标准，有望打破实验室和工厂中设备“各自为政”的集成瓶颈，使 AI 代理能够大规模接管繁琐的、机械性的实验执行工作。相比此前 Anthropic 在人事、公众倡议和模型政策方面的动态，本次发布是其在实体 AI/机器人应用领域的一项具体技术增量，标志着从模型能力向物理世界部署的延伸。

局限与不确定性

• 目前仅开放研究预览，适用范围有限，具体合作伙伴名单和申请筛选标准未在材料中详述。
• 材料未披露 MHS 开源的确切时间表，仅表示“计划开源”，具体时间待核实。
• MHS 对设备安全性的具体评估方法和边界条件尚未完整公开，例如如何防止 AI 代理在物理设备上造成损害，材料仅提及“安全评估”和“最佳实践”正在开发中。
• 材料中的早期项目多为“概念验证”或“初步尝试”，尚缺乏大规模、长期运行的公开数据来验证其稳定性。

可用于图书/PPT/简报的角度

• “AI 进入物理世界”：以 MHS 为例，说明 AI 代理如何从数字工具演变为可操作实验室和工厂设备的“实体智能体”。
• 标准的力量：MHS 如何解决设备之间“语言不通”的问题，类似 USB 或 MCP 在硬件领域的标准化意义。
• 科研自动化案例：以 Genentech 的 BCA 蛋白测定为例，展示 AI 如何通过标准化接口自主优化实验参数，加速药物发现流程。
• 安全与协作：Anthropic 选择先与实验室和制造商合作开发安全评估，再开源，体现“安全前置”的路径。

原始材料

• 英文标题：Previewing the Model Hardware Standard
• 英文关键词：Model Hardware Standard, MHS, AI agents, physical devices, lab automation, robotics, research preview
• 原始来源：https://www.anthropic.com/news/model-hardware-standard-research-preview