Anthropics MHS forklaret: Sådan kan AI-agenter styre laboratorier og fabrikker

Anthropics Model Hardware Standard (MHS) er en foreslået fælles softwarespecifikation, der skal forbinde AI-agenter med programmerbart fysisk udstyr. Den blev lanceret som en forskningsforpremiere den 27. august 2026 og er tænkt til at lade agenter opdage udstyrs funktioner, aflæse maskinstatus, koordinere flere instrumenter og gennemføre flertrinsarbejdsgange i laboratorier og avanceret produktion. 11

Det er altså ikke en ny robot, men snarere et fælles teknisk forbindelseslag mellem AI-systemer og maskiner. Hvis standarden fungerer efter hensigten, kan en agent arbejde med udstyr fra forskellige leverandører gennem en mere ensartet grænseflade i stedet for at kræve en særskilt specialintegration til hver maskine.

Hvad skal MHS kunne?

MHS retter sig mod udstyr som mikroskoper, væskehåndteringssystemer, robotarme og andre maskiner med programmerbare grænseflader. Anthropic siger, at agenter skal kunne betjene flere instrumenter parallelt og udføre arbejdsgange, der spænder fra lægemiddelopdagelse til laserkalibrering på en kvantecomputer. 111

I praksis er den ønskede funktion, at en MHS-forbundet agent kan:

• undersøge, hvilke instrumenter der er tilgængelige, og hvad de kan;
• aflæse statusoplysninger og forsøgsresultater;
• planlægge handlinger på tværs af flere enheder;
• justere parametre, når nye resultater kommer ind; og
• reagere på visse fejl eller ændrede forhold.

Det beskriver den tilsigtede arbejdsform – ikke en garanti for, at en AI-agent uden videre kan styre enhver maskine sikkert uden menneskelig overvågning. Hvor meget autonomi der er forsvarligt, vil fortsat afhænge af udstyret, softwareadapteren, sikkerhedsforanstaltningerne og de lokale kontrolsystemer.

Forholdet til MCP

Anthropic beskriver MHS som en fysisk udvidelse af den tilgang til interoperabilitet, der ligger bag Model Context Protocol (MCP). MCP giver AI-systemer en standardiseret måde at tilgå eksterne værktøjer og informationer på, mens MHS skal anvende en lignende idé på fysiske enheder og de data, de producerer. 412

Forskellen er vigtig: MHS er hverken en generel AI-model, en robot eller en erstatning for et laboratoriekontrolsystem. Det er en grænseflade og en specifikation, der skal gøre hardware lettere for AI-agenter at forstå og bruge.

Integrationstid er den centrale gevinst

Forskningslaboratorier og fabrikker kombinerer ofte udstyr fra flere leverandører. Maskinerne kan have forskellige programmeringsgrænseflader, dataformater, styringsprincipper og sikkerhedsbegrænsninger. Derfor må specialister ofte bygge skræddersyede forbindelser, før en automatiseret arbejdsgang kan fungere. 110

Anthropic siger, at MHS kan reducere integrationsarbejdet fra uger eller måneder til timer eller minutter. 514 Det bør dog læses som et erklæret mål og et tidligt udviklingsstadie – ikke som et dokumenteret resultat, der gælder for alle maskiner og installationer.

Tanken er enkel: En producent kan gøre et nyt produkt kompatibelt med MHS, mens en operatør muligvis kan tilslutte eksisterende programmerbart udstyr med en softwaredriver eller adapter. De tilgængelige oplysninger viser ikke, at alle ældre maskiner kan eftermonteres, eller at alle deres funktioner vil være tilgængelige gennem standarden.

Tidlig udvikling og afprøvning

MHS begyndte som et samarbejde mellem Anthropic og Howard Hughes Medical Institute (HHMI) Janelia Research Campus. 411 Anthropic deler den tidlige version med partnere inden for videnskabelig forskning, robotteknologi, elektronik og avanceret produktion, så standarden kan testes, og sikkerhedsforanstaltningerne kan evalueres, før den eventuelt udgives bredere. 12

Offentlig rapportering peger blandt andre på Genentech og QuEra Computing som tidlige brugere eller testere. Genentech afprøvede MHS i en arbejdsgang til laboratorieautomation, mens QuEra brugte det omkring dele af et lasersystem forbundet med neutral-atom-kvantecomputere. 6

Andre rapporter nævner en bredere gruppe med tidlig adgang, herunder Carnegie Mellon University, Universal Robots, AWS, Doosan Robotics, Danaher og Hugging Face. Da programmet stadig er på et tidligt stadium, og partnerlisterne varierer mellem rapporterne, bør navnene forstås som rapporterede deltagere – ikke som bevis på et færdigt økosystem. 23

Kan MHS mindske leverandørafhængighed?

En fælles standard kan gøre det lettere for den samme agentgrænseflade at fungere på tværs af udstyr fra flere leverandører. Det kan mindske afhængigheden af proprietære, leverandørspecifikke programmeringsgrænseflader og gøre det enklere at udskifte eller kombinere maskiner.

Interoperabilitet opstår dog ikke automatisk, blot fordi der findes en specifikation. Leverandørerne skal tage MHS i brug, levere stabile drivere, stille de nødvendige styringsfunktioner til rådighed og vedligeholde kompatibiliteten. Operatører kan desuden stadig være bundet til proprietær software eller hardware, selv om der findes en MHS-adapter.

Sikkerheden er stadig den store ubekendte

Anthropic distribuerer en tidlig version af MHS til partnere blandt andet for at udvikle sikkerhedsevalueringer og praktiske retningslinjer for AI-systemer, der styrer fysisk udstyr. Virksomheden har sagt, at den vil udgive standarden som open source efter forpremiere- og evalueringsfasen. 12

Forskningsforpremieren er væsentlig, fordi en fælles grænseflade kan gøre en enhed lettere at styre – men ikke i sig selv gøre styringen sikker. Virkelige installationer vil stadig kræve enhedsspecifikke driftsgrænser, godkendelse og adgangskontrol, overvågning, validering, nødstop, logning og passende menneskeligt tilsyn.

De tilgængelige oplysninger indeholder ingen endelig dato for open source-udgivelsen, ingen færdig sikkerhedsbenchmark og ingen fastlagt styringsmodel. Påstande om drift døgnet rundt bør derfor forstås som en mulig anvendelse, ikke som dokumentation for, at MHS-systemer er klar til uovervåget drift i miljøer med høj risiko.

Hvad betyder MHS for Anthropics strategi?

MHS markerer Anthropics bevægelse fra agenter, der primært arbejder med software, mod systemer, som kan interagere med laboratorieudstyr, robotter og produktionsmaskiner. 12 Dermed placerer virksomheden sig i en bredere industriindsats for at kombinere sprogmodellers planlægning med sensorer, automation og robotteknologi.

Den strategiske mulighed er, at forskere og industrivirksomheder kan beskrive et mål på et højere niveau, hvorefter en agent koordinerer det underliggende udstyr. Den praktiske prøve bliver, om standarden kan levere stabil, efterprøvbar og sikker adfærd på tværs af virkelige enheder – ikke blot om en agent kan sende kommandoer gennem en fælles protokol.

For nu er det mest præcist at forstå MHS som tidlig interoperabilitetsinfrastruktur til fysisk AI: Et potentielt værktøj til at reducere integrationsarbejdet, men et værktøj, der stadig afhænger af hardwarekompatibilitet, leverandørernes opbakning, grundige evalueringer og sikkerhedskontroller designet af mennesker.