Anthropic的Claude做的不只是为QuEra的激光系统提出一个修复建议。通过Model Hardware Standard（MHS）的研究预览，Claude能够读取硬件遥测数据，在明确限制内开展受控实验，并将验证有效的恢复步骤编写成确定性、可审查的软件。

在QuEra公布的验证结果中，这套控制器在700次试验中有695次将激光恢复到目标工作状态，成功率达到99.3%，同时没有把失败的恢复误报为成功。11

激光失锁为什么会让量子计算停摆

QuEra的中性原子量子计算机依赖激光来操控原子，而激光频率必须保持极其严格的稳定。温度变化、振动、气压变化以及其他普通实验室环境扰动，都可能使激光偏离锁定状态。如果反馈系统无法自行恢复，计算就必须暂停，等待专家将激光重新调回工作点。11

因此，激光恢复并非普通的校准细节，而是一个直接影响设备可用性的运维问题。QuEra表示，常见扰动此前已经实现了部分自动化，但少见或严重的故障仍然依赖专家经验。开发功能有限的重新锁定脚本，过去需要4名专家投入约2至3周；而处理一次具体故障，工程师有时也需要5至10分钟。11

MHS为Claude提供了什么

MHS旨在成为AI智能体与实体设备之间的通用接口。设备驱动会描述硬件具备的能力，公开可读取和可写入的参数，并包含由人类设定的运行边界。兼容设备可以通过MCP、命令行界面或API与智能体交互。这套规范的设计并不局限于Claude，而是希望做到与模型无关。2

有了这层接口，任务就不再是为某一台设备开发一次性集成程序，而是操作一个结构化的控制面。Claude可以：

• 检查激光器的状态和遥测数据；
• 识别不同失锁故障对应的特征模式；
• 在允许范围内调整控制参数；
• 观察每次调整是改善还是恶化了系统状态；
• 将有效的恢复步骤保存为可复用的软件，而不是每次都临时做出决策。

安全边界是这次演示的关键。Claude并没有获得面向客户的量子计算机的无限制控制权。QuEra使用了独立的激光测试台，让实验能够在普通实验室扰动下进行，同时始终处于预先定义的限制之内。11

Claude如何开发恢复控制器

Claude通过迭代方式探索不同的故障特征和候选恢复动作，然后根据观察到的结果编写、修改一种类似决策树的控制器。最终程序的逻辑是可审查的：工程师能够检查它的判断流程，以及它调用的驱动器命令。11

这套代码也没有取代激光系统中最快速的控制机制。生成的程序以设备原生速度运行，从上层监督现有的微秒级伺服回路，而不是直接嵌入其中。换句话说，Claude负责帮助发现并编码恢复策略，成熟的底层控制回路则继续处理快速稳定任务。11

这个区别很重要。此次演示并不意味着语言模型实时接管了量子处理器的每个部分。它展示的是：AI智能体可以通过标准化硬件接口开展受限实验，并生成传统控制软件；在人类完成审查后，这些软件可以被部署并以设备原生速度运行。

700次定时试验的结果

QuEra在一个独立激光测试台上，对控制器进行了7类故障或扰动测试，每一类包含100次定时试验，总计700次。11

• 恢复可靠性： 695次恢复成功，对应报告中的99.3%成功率。
• 误报情况： 控制器没有将一次实际失败的恢复宣称为成功。
• 恢复速度： 对于不需要改变波长的故障，恢复耗时0.9至5.4秒。
• 最困难的故障： 当激光波长发生较大偏移、需要改变波长时，恢复大约需要10至14秒。
• 噪声表现： QuEra报告称，与此前设置相比，频率噪声降低了约5倍。
• 持续运行： 在相关耐久运行期间，QuEra报告没有出现无人值守的失锁事件。
• 调谐一致性： 最终调谐结果与独立测量结果以及经验丰富专家的手动调谐结果一致。11

这些数字来自QuEra的验证，应当被理解为公司报告的结果，而不是独立同行评审已经确认的结论。测试是在独立测试台和受限试验设计下进行的，因此也不能据此断言未来所有QuEra部署都会取得完全相同的表现。

这对量子计算机规模化部署意味着什么

如果一台量子计算机每遇到少见硬件故障，就必须等待专家现场处理，那么它很难实现远程运行。随着设备被安装到客户场地、通过云端提供访问，或者以更大规模部署，这一限制会更加突出。

自动恢复有望把原本需要专家介入的中断，转化为可重复执行的远程服务流程。它并不会消除工程师的作用，也不会让量子处理器本身自动获得容错能力；它解决的是一个更具体的维护瓶颈：让关键光学子系统持续保持在工作点上。

这项能力也与QuEra更广泛的部署计划有关。QuEra已宣布其首台容错量子计算机Libra，计划于2028年通过亚马逊云科技的Amazon Braket交付。33 对于需要通过云端访问的系统，可靠的硬件维护尤其重要。不过，激光锁定演示不应被解读为Claude创造或保证了Libra的容错能力。

AI控制实体硬件的安全问题

MHS目前仍是面向部分科学研究实验室和先进制造商的研究预览，并不是已经广泛确立的公共标准。Anthropic表示，该项目最初由Anthropic与霍华德·休斯医学研究所（HHMI）Janelia研究园区合作启动。18

Anthropic还表示，在将MHS开源之前，公司计划与合作伙伴共同开展安全评估并制定最佳实践。其安全思路强调提供明确的设备信息和可强制执行、由用户定义的运行限制，让智能体的行为受到硬件接口约束，而不是完全依赖自然语言层面的判断。2

这套安全模型正是此次演示的重要组成部分。真正有价值的成果并不是一句“AI修好了激光”式的不可解释结论，而是一套能够被检查、测试，并在探索阶段结束后以设备原生速度运行的控制器。

更大的意义：从实验探索到可部署软件

QuEra的案例更适合被理解为实体AI基础设施的一次示范，而不是量子计算领域的一项独立突破。Claude通过一个通用且有边界的接口，完成了一个实际工程循环：观察、实验、测量、修正，再将结果编译为可审计、可复用的软件。

如果类似流程能够在更多设备上推广，AI智能体或许可以帮助把高度依赖专家的维护经验，转化为适用于复杂实验室设备和工业设备的控制系统。接下来仍有几个关键问题：这些结果能否跨硬件复现，独立评估是否会得到相同结论，以及在离开严格受限的测试环境后，系统能否安全扩展。

Anthropic的Claude做的不只是为QuEra的激光系统提出一个修复建议。通过Model Hardware Standard（MHS）的研究预览，Claude能够读取硬件遥测数据，在明确限制内开展受控实验，并将验证有效的恢复步骤编写成确定性、可审查的软件。

在QuEra公布的验证结果中，这套控制器在700次试验中有695次将激光恢复到目标工作状态，成功率达到99.3%，同时没有把失败的恢复误报为成功。11

激光失锁为什么会让量子计算停摆

QuEra的中性原子量子计算机依赖激光来操控原子，而激光频率必须保持极其严格的稳定。温度变化、振动、气压变化以及其他普通实验室环境扰动，都可能使激光偏离锁定状态。如果反馈系统无法自行恢复，计算就必须暂停，等待专家将激光重新调回工作点。11

因此，激光恢复并非普通的校准细节，而是一个直接影响设备可用性的运维问题。QuEra表示，常见扰动此前已经实现了部分自动化，但少见或严重的故障仍然依赖专家经验。开发功能有限的重新锁定脚本，过去需要4名专家投入约2至3周；而处理一次具体故障，工程师有时也需要5至10分钟。11

MHS为Claude提供了什么

MHS旨在成为AI智能体与实体设备之间的通用接口。设备驱动会描述硬件具备的能力，公开可读取和可写入的参数，并包含由人类设定的运行边界。兼容设备可以通过MCP、命令行界面或API与智能体交互。这套规范的设计并不局限于Claude，而是希望做到与模型无关。2

有了这层接口，任务就不再是为某一台设备开发一次性集成程序，而是操作一个结构化的控制面。Claude可以：

• 检查激光器的状态和遥测数据；
• 识别不同失锁故障对应的特征模式；
• 在允许范围内调整控制参数；
• 观察每次调整是改善还是恶化了系统状态；
• 将有效的恢复步骤保存为可复用的软件，而不是每次都临时做出决策。

安全边界是这次演示的关键。Claude并没有获得面向客户的量子计算机的无限制控制权。QuEra使用了独立的激光测试台，让实验能够在普通实验室扰动下进行，同时始终处于预先定义的限制之内。11

Claude如何开发恢复控制器

Claude通过迭代方式探索不同的故障特征和候选恢复动作，然后根据观察到的结果编写、修改一种类似决策树的控制器。最终程序的逻辑是可审查的：工程师能够检查它的判断流程，以及它调用的驱动器命令。11

这套代码也没有取代激光系统中最快速的控制机制。生成的程序以设备原生速度运行，从上层监督现有的微秒级伺服回路，而不是直接嵌入其中。换句话说，Claude负责帮助发现并编码恢复策略，成熟的底层控制回路则继续处理快速稳定任务。11

这个区别很重要。此次演示并不意味着语言模型实时接管了量子处理器的每个部分。它展示的是：AI智能体可以通过标准化硬件接口开展受限实验，并生成传统控制软件；在人类完成审查后，这些软件可以被部署并以设备原生速度运行。

700次定时试验的结果

QuEra在一个独立激光测试台上，对控制器进行了7类故障或扰动测试，每一类包含100次定时试验，总计700次。11

• 恢复可靠性： 695次恢复成功，对应报告中的99.3%成功率。
• 误报情况： 控制器没有将一次实际失败的恢复宣称为成功。
• 恢复速度： 对于不需要改变波长的故障，恢复耗时0.9至5.4秒。
• 最困难的故障： 当激光波长发生较大偏移、需要改变波长时，恢复大约需要10至14秒。
• 噪声表现： QuEra报告称，与此前设置相比，频率噪声降低了约5倍。
• 持续运行： 在相关耐久运行期间，QuEra报告没有出现无人值守的失锁事件。
• 调谐一致性： 最终调谐结果与独立测量结果以及经验丰富专家的手动调谐结果一致。11

这些数字来自QuEra的验证，应当被理解为公司报告的结果，而不是独立同行评审已经确认的结论。测试是在独立测试台和受限试验设计下进行的，因此也不能据此断言未来所有QuEra部署都会取得完全相同的表现。

这对量子计算机规模化部署意味着什么

如果一台量子计算机每遇到少见硬件故障，就必须等待专家现场处理，那么它很难实现远程运行。随着设备被安装到客户场地、通过云端提供访问，或者以更大规模部署，这一限制会更加突出。

自动恢复有望把原本需要专家介入的中断，转化为可重复执行的远程服务流程。它并不会消除工程师的作用，也不会让量子处理器本身自动获得容错能力；它解决的是一个更具体的维护瓶颈：让关键光学子系统持续保持在工作点上。

这项能力也与QuEra更广泛的部署计划有关。QuEra已宣布其首台容错量子计算机Libra，计划于2028年通过亚马逊云科技的Amazon Braket交付。33 对于需要通过云端访问的系统，可靠的硬件维护尤其重要。不过，激光锁定演示不应被解读为Claude创造或保证了Libra的容错能力。

AI控制实体硬件的安全问题

MHS目前仍是面向部分科学研究实验室和先进制造商的研究预览，并不是已经广泛确立的公共标准。Anthropic表示，该项目最初由Anthropic与霍华德·休斯医学研究所（HHMI）Janelia研究园区合作启动。18

Anthropic还表示，在将MHS开源之前，公司计划与合作伙伴共同开展安全评估并制定最佳实践。其安全思路强调提供明确的设备信息和可强制执行、由用户定义的运行限制，让智能体的行为受到硬件接口约束，而不是完全依赖自然语言层面的判断。2

这套安全模型正是此次演示的重要组成部分。真正有价值的成果并不是一句“AI修好了激光”式的不可解释结论，而是一套能够被检查、测试，并在探索阶段结束后以设备原生速度运行的控制器。

更大的意义：从实验探索到可部署软件

QuEra的案例更适合被理解为实体AI基础设施的一次示范，而不是量子计算领域的一项独立突破。Claude通过一个通用且有边界的接口，完成了一个实际工程循环：观察、实验、测量、修正，再将结果编译为可审计、可复用的软件。

如果类似流程能够在更多设备上推广，AI智能体或许可以帮助把高度依赖专家的维护经验，转化为适用于复杂实验室设备和工业设备的控制系统。接下来仍有几个关键问题：这些结果能否跨硬件复现，独立评估是否会得到相同结论，以及在离开严格受限的测试环境后，系统能否安全扩展。