Anthropic 推出 MHS：让 AI 智能体连接实验室与工业设备

Anthropic 正在把 AI 智能体从软件界面带向真实世界。公司推出的 Model Hardware Standard（模型硬件标准，简称 MHS），是一项面向科学实验室和先进制造业的研究预览规范，目标是让 AI 智能体通过统一接口操作并协调显微镜、液体处理器、机械臂等可编程设备。310

这项工作由 Anthropic 与 HHMI Janelia Research Campus（霍华德·休斯医学研究所旗下的 Janelia 研究园区）共同启动，意在推动科学研究和先进制造中的设备自动化。310

MHS 要解决什么问题？

实验室和工厂通常同时使用多个厂商的设备。不同设备往往拥有各自的 API、控制系统和操作逻辑，把它们接入同一条自动化流程，通常需要针对每台设备和每个场景单独开发软件。

MHS 的思路，是为这些设备提供一层共同的硬件接口。通过标准化驱动，AI 智能体可以发现设备、读取运行状态、执行获准的操作，并把多个仪器串联成完整工作流，而不必逐一学习每个厂商的专有控制方式。348

它如何控制设备？

在设备层面，MHS 驱动围绕简单的 “读取”和“写入” 操作构建。例如，智能体可以读取温度、位置等状态，也可以写入经过许可的温度设置或设备动作。驱动还可以用自然语言描述设备的功能、特性和运行限制，为智能体提供原始硬件 API 通常缺少的上下文。7

这使智能体有机会同时管理多台设备：先观察一台仪器的结果，再调整后续步骤，并协调整个实验或生产流程。Anthropic 提到的应用示例包括常规药物发现实验，以及量子计算机中的激光校准。4610

MHS 被描述为 与模型无关（model-agnostic）。从设计上看，它并不只服务于 Claude；只要 AI 智能体框架和设备驱动支持相关标准，其他兼容的智能体也可以使用同一套硬件接口和协议。7

MHS 与 MCP 有什么关系？

Model Context Protocol（模型上下文协议，MCP） 是一种让 AI 应用连接工具和外部数据源的标准化方式。MHS 将类似的互操作理念延伸到了物理设备。

MHS 可以使用 MCP 作为控制通道，同时也支持命令行、代码或 API 等方式。简单来说，MCP 负责连接智能体与工具，MHS 驱动则负责提供具体的硬件接口，包括设备支持哪些操作、有哪些限制。7

这种分工意味着，模型不必直接理解每一家厂商的专有 API。智能体负责推理和规划工作流，驱动负责把这些意图转换成设备能够执行的操作。

能否减少集成时间和厂商锁定？

Anthropic 表示，MHS 有望把硬件集成时间从 数周或数月缩短到数小时或数分钟。不过，这一数字目前应被视为公司的目标和研究预览阶段的说法，并非适用于所有实验室或工厂的保证。3416

如果设备采用共同的驱动模式，机构就不必为每种“设备—AI 系统”组合分别开发转换层。更换 AI 智能体、增加新仪器，或协调不同厂商的设备，理论上都可能变得更容易。78

但 MHS 并不能消除所有集成工作。设备必须具备可编程接口，还需要有人为其创建或适配 MHS 驱动。老旧设备、封闭设备可能仍需额外工程开发；统一协议本身也无法解决硬件特有的安全、校准和维护要求。37

因此，MHS 更准确的定位是降低集成摩擦，而不是让所有设备实现“即插即用”。

哪些机构参与了早期工作？

现有报道明确提到的早期项目或参与方包括 Genentech、卡内基梅隆大学、HHMI Janelia Research Campus、华盛顿大学和 Tetsuwan Scientific。7

AWS、Universal Robots、Doosan Robotics、Tecan、Danaher、QIAGEN 和 QuEra 也曾在相关讨论中被提及，但现有材料不足以确认它们各自的具体身份：是正式支持者、实施合作伙伴、评估者，还是潜在参与方，仍不清楚。

因此，现有证据不能证明上述每家公司都已经在自有产品上测试 MHS，或已经承诺提供商业支持。

现有设备能否直接改造？

目前的 MHS 仍是面向特定申请对象的 研究预览，并非已经定稿、普遍开放使用的硬件标准。Anthropic 表示，下一步将与科研和工业参与者共同完善规范，开展安全评估并制定操作实践，之后再以开源形式发布框架。310

由于 MHS 依赖驱动和可编程接口，其潜在普及路径更可能是连接或改造现有设备，而不是要求实验室和工厂全部采购“原生支持 MHS”的新机器。不过，目前尚未公布详细的改造时间表、完整支持设备清单或统一迁移流程。37

安全才是决定成败的关键

让 AI 智能体操作物理设备，会带来纯数字工作流中不存在的风险。错误、含糊或时机不当的指令，可能损坏仪器、导致实验失败、在移动机械附近制造危险，甚至让设备超出安全运行范围。

MHS 试图通过设备层面的限制和设备描述，让智能体更清楚地了解哪些操作被允许、哪些条件不能突破。Anthropic 也表示，希望利用研究预览阶段开发针对物理设备操作的安全评估和最佳实践，再考虑将框架开源。37

但现有资料尚未显示 MHS 已经建立最终版安全认证体系、统一基准测试、责任认定框架或强制人工审批规则。换言之，互操作性可以让设备更容易被控制，却不能单凭一个协议证明 AI 在所有实验室或工厂环境中都足够安全。

Anthropic 为什么要进入“物理 AI”？

MHS 标志着 Anthropic 开始探索 物理 AI：让具备自主规划能力的软件不仅操作网站、文件和数字 API，也能通过真实仪器观察环境并采取行动。611

这并不意味着 Anthropic 要转型为机器人或实验室硬件制造商。MHS 更像是一层连接 AI 智能体与可编程设备的互操作和控制基础设施。

未来影响将取决于三个问题：有多少设备能获得真正可用的驱动；不同 AI 智能体能否采用同一标准；以及相关安全实践能否成熟到足以支持无人值守或高风险工作流。

目前，MHS 是连接 AI 与实验室、工厂设备的一座颇具潜力的桥梁，但它仍处于早期预览阶段。它的广泛兼容性、旧设备改造成本和安全模式，都还有待进一步验证。