Apa Itu Model Hardware Standard Anthropic dan Mengapa Penting bagi AI Fisik?

Anthropic memperkenalkan Model Hardware Standard (MHS) sebagai spesifikasi perangkat lunak bersama untuk menghubungkan agen AI dengan peralatan fisik yang dapat diprogram. Dalam pratinjau riset yang diumumkan pada 27 Agustus 2026, MHS ditujukan agar agen AI dapat menemukan kemampuan perangkat, membaca status mesin, menjalankan beberapa instrumen secara bersamaan, serta mengatur alur kerja bertahap di laboratorium dan manufaktur canggih. 11

MHS bukan robot baru atau model AI baru. Sederhananya, ini adalah lapisan “pipa” perangkat lunak antara sistem AI dan mesin. Jika berjalan sesuai rancangan, agen dapat berinteraksi dengan peralatan dari berbagai vendor melalui antarmuka yang lebih seragam, tanpa memerlukan integrasi khusus untuk setiap perangkat.

Apa yang dapat dilakukan MHS?

MHS menyasar perangkat seperti mikroskop, liquid handler untuk memindahkan cairan secara otomatis, lengan robot, dan mesin lain yang memiliki antarmuka terprogram. Anthropic menyebut agen AI dapat mengoperasikan beberapa instrumen secara paralel untuk menjalankan tugas mulai dari eksperimen penemuan obat hingga kalibrasi laser pada komputer kuantum. 111

Dalam model operasional yang dibayangkan Anthropic, sistem berbasis MHS dapat membantu agen AI untuk:

• memeriksa instrumen yang tersedia dan kemampuan masing-masing;
• membaca status mesin serta hasil eksperimen;
• menyusun urutan tindakan di berbagai perangkat;
• menyesuaikan parameter berdasarkan hasil terbaru; dan
• merespons sejumlah kesalahan atau perubahan kondisi.

Namun, kemampuan tersebut menggambarkan tujuan desain, bukan jaminan bahwa agen AI dapat mengelola semua mesin secara aman tanpa pengawasan manusia. Tingkat otonomi akan tetap bergantung pada jenis peralatan, adapter perangkat lunak, sistem pengaman, serta aturan dan kontrol di setiap lokasi.

Hubungannya dengan Model Context Protocol

Anthropic memperkenalkan MHS sebagai pengembangan gagasan interoperabilitas di balik Model Context Protocol (MCP). MCP menyediakan cara yang lebih standar bagi sistem AI untuk mengakses alat dan informasi eksternal, sedangkan MHS berupaya menerapkan pendekatan serupa pada perangkat fisik dan data yang dihasilkannya. 412

Perbedaan ini penting: MHS bukan model AI serbaguna, robot, atau pengganti sistem kendali laboratorium. MHS adalah antarmuka dan spesifikasi yang dirancang agar perangkat keras lebih mudah dipahami serta digunakan oleh agen AI. Pendekatannya juga ditujukan untuk tidak bergantung pada satu model tertentu, sehingga secara konsep dapat digunakan oleh sistem agen selain Claude.

Janji terbesar: memangkas waktu integrasi

Laboratorium penelitian dan pabrik sering kali menggabungkan peralatan dari banyak pemasok. Setiap perangkat dapat memiliki API, format data, kebiasaan pengendalian, dan batasan keselamatan yang berbeda. Akibatnya, spesialis biasanya harus membuat koneksi khusus sebelum berbagai mesin dapat bekerja dalam satu alur otomatis. 110

Anthropic mengatakan MHS berpotensi memangkas proses integrasi dari hitungan minggu atau bulan menjadi jam atau menit. 514 Klaim ini sebaiknya dipahami sebagai tujuan dan pernyataan tahap awal, bukan hasil yang sudah terbukti berlaku untuk semua perangkat dan penerapan.

Manfaat yang ditawarkan cukup jelas. Produsen dapat membuat produk baru yang kompatibel dengan MHS, sementara operator mungkin dapat menghubungkan peralatan terprogram yang sudah ada melalui driver atau adapter perangkat lunak. Bukti yang tersedia belum menunjukkan bahwa semua mesin lama dapat di-retrofit atau seluruh fungsinya dapat diakses melalui standar tersebut.

Siapa yang mengembangkan dan menguji MHS?

MHS bermula dari kolaborasi antara Anthropic dan Howard Hughes Medical Institute (HHMI) Janelia Research Campus, pusat penelitian biomedis di Amerika Serikat. 411 Anthropic membagikan versi awalnya kepada mitra di bidang riset ilmiah, robotika, elektronik, dan manufaktur canggih untuk menguji standar sekaligus mengevaluasi sistem pengamannya sebelum dirilis lebih luas. 12

Laporan publik menyebut Genentech dan QuEra Computing sebagai pengguna atau penguji awal. Genentech menguji MHS dalam alur kerja otomasi laboratorium, sedangkan QuEra menggunakannya pada bagian sistem laser yang berkaitan dengan komputasi kuantum atom netral. 6

Laporan lain menyebut kelompok akses awal yang lebih luas, termasuk Carnegie Mellon University, Universal Robots, AWS, Doosan Robotics, Danaher, dan Hugging Face. Karena program ini masih berada pada tahap awal dan daftar mitra berbeda-beda menurut laporan, nama-nama tersebut sebaiknya dipahami sebagai peserta yang dilaporkan, bukan bukti bahwa ekosistem MHS telah final. 23

Apakah MHS dapat mengurangi ketergantungan pada vendor?

Standar bersama berpotensi memungkinkan satu antarmuka agen digunakan untuk peralatan dari beberapa pemasok. Hal ini dapat mengurangi ketergantungan pada API khusus milik vendor dan mempermudah operator mengganti atau menggabungkan perangkat.

Meski demikian, interoperabilitas tidak otomatis muncul hanya karena sebuah spesifikasi dibuat. Vendor perlu mengadopsi MHS, menyediakan driver yang andal, membuka kontrol yang diperlukan, dan mempertahankan kompatibilitas. Operator juga mungkin tetap bergantung pada perangkat lunak atau perangkat keras eksklusif meski adapter MHS tersedia.

Keselamatan masih menjadi tantangan utama

Anthropic mendistribusikan versi awal MHS kepada mitra, antara lain untuk mengembangkan evaluasi keselamatan dan praktik operasional bagi sistem AI yang mengendalikan peralatan fisik. Perusahaan tersebut menyatakan akan membuka sumber standar ini setelah tahap pratinjau dan evaluasi selesai. 12

Status pratinjau ini penting. Antarmuka bersama dapat membuat perangkat lebih mudah dikendalikan, tetapi tidak otomatis membuat proses pengendalian menjadi aman. Penerapan nyata tetap memerlukan batas operasi khusus perangkat, autentikasi dan kontrol akses, pemantauan, validasi, tombol penghentian darurat, pencatatan aktivitas, serta pengawasan manusia yang sesuai.

Informasi yang tersedia belum mencantumkan tanggal final peluncuran sumber terbuka, tolok ukur keselamatan yang telah rampung, atau model tata kelola yang definitif. Karena itu, wacana pengoperasian sepanjang waktu sebaiknya dipahami sebagai kemungkinan penggunaan, bukan bukti bahwa sistem MHS siap bekerja tanpa pengawasan di lingkungan berisiko tinggi.

Langkah Anthropic menuju “AI fisik”

MHS menandai perluasan fokus Anthropic dari agen yang terutama bekerja dengan perangkat lunak menuju sistem yang dapat berinteraksi dengan peralatan laboratorium, robot, dan mesin manufaktur. 12 Langkah ini menempatkan perusahaan tersebut dalam upaya industri yang lebih luas untuk menggabungkan kemampuan perencanaan model bahasa dengan sensor, otomasi, dan robotika.

Peluang strategisnya adalah memungkinkan peneliti dan operator industri menyampaikan tujuan pada tingkat yang lebih tinggi, sementara agen AI mengoordinasikan perangkat yang diperlukan di balik layar. Ujian sebenarnya bukan sekadar apakah agen dapat mengirim perintah melalui protokol bersama, melainkan apakah standar tersebut dapat menghasilkan perilaku yang andal, dapat diperiksa, dan aman di berbagai perangkat nyata.

Untuk saat ini, MHS paling tepat dipahami sebagai infrastruktur interoperabilitas tahap awal bagi AI fisik. Standar ini berpotensi mengurangi pekerjaan integrasi, tetapi keberhasilannya tetap bergantung pada kompatibilitas perangkat keras, adopsi vendor, evaluasi ketat, dan sistem keselamatan yang dirancang manusia.