Claude 登陸 CarPlay，同時試驗讓 AI 操控實驗室儀器

Claude 正由純聊天工具走向兩個截然不同的真實世界場景：車廂內，它只是受嚴格限制的免提語音對話工具；實驗室與先進製造環境中，Anthropic 則透過「模型硬件標準」（Model Hardware Standard，MHS）研究預覽，測試讓 AI 代理在清晰規則下操作可編程實體儀器。 171

關鍵並不在於 AI 「可以做幾多」，而在於它被准許做甚麼。在行車中的 CarPlay，Claude 不可碰車輛或手機控制；在實驗室，則要經由標準化介面、預設邊界與分階段測試，才可對儀器發出指令。

CarPlay 上的 Claude 可以做甚麼？

Claude 已整合至 iPhone 版 Claude app 的 Apple CarPlay 介面。用戶可在車機的 CarPlay 畫面開啟 app，透過車載顯示與語音控制發問，並以語音聽取答案，過程毋須拿起手機。介面亦可能讓用戶接續最近的對話。 1718

實際用途主要是語音交談：例如叫它解釋一個概念、幫手梳理想法，或在車上延續此前與 Claude 的討論。它不是把 Claude 原有完整的視覺聊天介面搬到儀表板上。

限制很清楚：不能控制架車，也不能控制 iPhone

Apple 對 CarPlay 的對話式 AI app 設下較窄的框架。第三方聊天機械人必須採用 Apple 指定的語音控制畫面及 CarPlay 範本，並取得相應的 CarPlay 授權資格（entitlement）。 1723

更重要的是，Claude 不能控制車輛系統或 iPhone 功能。它不是導航、冷氣、音樂、通話、訊息或手機設定的替代品；亦沒有專屬的車內喚醒詞。要使用 Claude，用戶必須先在 CarPlay 介面內點選開啟。 1719

換言之，它較像一個免提問答拍檔，而不是可直接操控車內功能、擁有系統權限的車載助理。

Claude 在 CarPlay 的定位：第三方選項，不是 Siri 替身

Claude 是 CarPlay 上多個第三方聊天機械人之一。報道指，它是繼 ChatGPT、Perplexity、Grok 和 Meta AI 後，第五個主要支援 CarPlay 的聊天機械人 app。 18

這個分別很重要：它們都只是可選的對話 app，同樣受 CarPlay 規則約束，並非直接整合到作業系統及車輛控制層。Apple 自家的 Siri AI 預計隨 iOS 27 登陸 CarPlay，屆時會成為平台原生的 AI 選項，與第三方聊天工具並存。 22

MHS 是甚麼？讓 AI 用共同規格接觸真實儀器

另一邊，MHS 是一套讓 AI 代理操作實體設備的共用規格。Anthropic 正向首批科學研究實驗室及先進製造商開放研究預覽。公司表示，這套標準可支援顯微鏡、移液工作站（liquid handler）、機械臂及量子運算設備等儀器。 1

其目標是互通性。以往，AI 代理如要使用不同廠商的機器，可能要逐一學習各自專有的軟件介面。MHS 改以共同的驅動程式層，圍繞標準化的「讀取」和「寫入」操作工作。

例如，溫度感測器可提供一個可讀取的溫度值；控制器則可接受一個設有範圍限制的目標溫度。這並不代表 AI 可任意下指令，而是每項可讀、可改的內容及其限制，都可在驅動程式中界定。

讓代理識別設備，理解可做與不可做的事

硬件描述可向 AI 提供結構化資訊，包括儀器是甚麼、能量度或調整甚麼，以及使用時須遵守哪些限制。系統亦可加入自然語言描述，交代設備能力、可調參數、物理特性及運作上限。

這些背景資料的目的，是讓代理可在網絡中識別設備，並理解哪些操作獲准執行，不必將每一部機器都當作陌生而獨特的 API。代理的執行框架可經由模型上下文協議（Model Context Protocol，MCP）、命令列工具或 API 等標準介面連接設備。

由即時推理，轉成可重複執行的固定腳本

MHS 不只針對單一步驟，也可協調多部儀器組成的工作流程：監察即時讀數、按結果調整參數，以及讓多台設備彼此配合。

當一個流程已獲驗證後，系統可將其轉為確定性的設備指令腳本，而非每次重複執行都依靠模型作開放式低層決策。 1

這是可靠性與安全上的重要分野：模型可以協助探索或修訂程序；但進入重複執行階段後，實際指令路徑可較為固定及可預測。

示範：Claude 自行校準雷射，再寫成一鍵執行程序

Anthropic 表示，曾示範由 Claude 調整雷射、透過鏡頭檢查結果，反覆學習調整動作與光束位置之間的關係，最後寫出一段確定性腳本，讓系統只需一個指令便可完成雷射對準。 1

Anthropic 亦指，Genentech 曾以 MHS 進行概念驗證，自動化 BCA 蛋白質測定（BCA protein assay）；這個流程需要協調多台實驗室儀器。 1

操控實體世界，安全不能只靠 AI 自己判斷

Anthropic 並沒有把 MHS 定位成可無限制自主運作的產品。現階段只向小部分實驗室及先進製造商提供研究預覽，同時建立安全評估與操作實務，目標是在未來開源發布前先測試制度與失效情況。 1

MHS 的風險控制採多層設計：

• 受限驅動程式： 硬件描述可訂明代理可讀取或修改的項目，並由驅動程式強制執行邊界。
• 結構化設備資料： 代理會獲得明確的能力與限制資訊，而非完全自行猜測儀器如何運作。
• 已驗證工作轉固定執行： 可重用程序可編譯為固定指令序列，減少長時間依賴模型即時判斷。
• 有限度早期開放： 透過合作夥伴測試，Anthropic 可在大規模推出前評估故障模式及建立操作規範。 1

不過，MHS 即使能統一溝通方式和限制指令，也不能單靠自己判定某項實驗設計在科學上是否合理，或保證實驗室現場必然安全。錯誤的設備描述、設定不當及不安全流程，仍然是真實風險。因此，人類監督、實驗室管治及傳統實體安全措施依然不可或缺。

同一方向，兩條權限界線

CarPlay 與 MHS 展示了 Anthropic 同一方向的兩端：讓 Claude 參與真實工作流程，但其權力必須配合環境風險而受限。

在行車途中，這代表只可語音對話，不能操控汽車或手機；在實驗室，則代表透過標準介面、已聲明的操作界線及審慎分階段部署，有限度接觸專業硬件。 171