Anthropic 的 Model Hardware Standard，會點樣令 AI 控制真實機器？

Anthropic 正試圖將 AI Agent 由軟件世界帶到真實環境。公司推出的 Model Hardware Standard（MHS），係一套面向科學實驗室同先進製造業的研究預覽規格，目標係令 AI 可以連接、讀取並操作可編程設備，例如顯微鏡、液體處理器同機械臂，再將多部儀器串連成一個完整工作流程。310

簡單講，MHS 想解決嘅唔係「AI 識唔識做推理」，而係「AI 點樣用同一套方法控制唔同品牌、唔同規格嘅機器」。不過，當軟件開始可以郁動真實設備，錯誤指令亦可能變成損壞儀器、浪費實驗材料，甚至造成人身危險。因此，今次預覽嘅真正考驗，除咗兼容性，仲包括安全標準能否經得起實際環境測試。

MHS 想解決咩問題？

實驗室同工業設施通常由多個供應商嘅設備組成。每部機可能都有自己嘅 API、控制系統同操作限制。要將顯微鏡、離心機、移液機械人、機械臂或者其他儀器接入同一個自動化流程，往往要為每部設備另行寫整合程式。

呢種「一對一」整合方式成本高、速度慢，亦令設備之間難以互相協作。MHS 提出一個共用介面，透過標準化驅動程式公開設備可執行嘅操作、狀態同限制。理想情況下，AI Agent 可以先發現有哪些設備可用，再讀取狀態、發出獲准嘅指令，最後協調多部儀器完成一連串工作。348

MHS 最初由 Anthropic 同 HHMI Janelia Research Campus 合作開發。Janelia 係 Howard Hughes Medical Institute 旗下嘅研究中心，今次合作定位係利用 AI 加快科學研究，同時探索 AI 控制實體設備所涉及嘅安全問題。310

MHS 實際上點樣運作？

MHS 驅動程式以兩類基本操作為核心：讀取（read） 同 寫入（write）。

例如，Agent 可以讀取設備目前嘅溫度、位置或者其他運作狀態，然後寫入一個獲批准嘅溫度設定或動作。驅動程式亦可以加入自然語言描述，講清楚設備有咩功能、可以做咩，以及唔可以超越嘅操作範圍。相比只提供原始 API，呢層描述可以為模型提供更多操作背景。7

有咗共用介面後，Agent 理論上可以將多部機器放入同一個流程：先觀察一部儀器嘅結果，再調整下一步參數，並按照實驗進度協調其他設備。Anthropic 提到嘅例子包括日常藥物發現實驗，以及量子電腦嘅激光校準。4610

MHS 亦被形容為 模型無關（model-agnostic）。即係話，標準本身唔應該只服務 Claude；任何支援相關協議、並配備相容 Agent harness 嘅 AI 系統，理論上都可以使用同一套硬件介面。實際能否運作，就取決於 Agent 同設備驅動程式係咪都支援相關標準。7

MHS 同 MCP 有咩關係？

Model Context Protocol（MCP） 係一套標準化方法，讓 AI 應用程式連接外部工具同資料來源。MHS 就係將類似嘅互通概念延伸到實體設備。

MHS 可以使用 MCP 作為控制通道，同時亦支援命令列、程式碼及 API 方式。MCP 主要負責 Agent 同工具之間點樣連接；MHS 驅動程式就處理硬件本身嘅細節，包括設備可以執行嘅操作、狀態同限制。7

呢種分工可以避免模型直接理解每間製造商嘅專有 API。Agent 負責理解整個工作流程，驅動程式就負責將 Agent 嘅意圖轉化成設備可以安全執行嘅操作。

能否縮短整合時間，減少被單一供應商綁住？

Anthropic 表示，MHS 有機會將硬件整合時間由 數星期或數個月縮短至幾小時或幾分鐘。不過，呢個係公司對標準嘅目標及早期預覽所作嘅聲稱，並唔代表所有實驗室或工廠都一定可以達到相同結果。3416

如果多部設備都使用相同嘅驅動模型，設施就未必要為每個「設備—AI 系統」組合另寫一套轉換程式。長遠而言，呢種做法可能令使用者更容易更換 Agent、加入新儀器，或者將唔同品牌設備放入同一個自動化流程，從而減少對單一供應商專有介面的依賴。78

但 MHS 並唔係一個「插入即用」嘅魔法方案。設備本身要有可編程介面，亦要有人為設備建立或者改寫 MHS 驅動程式。較舊、封閉式或者缺乏公開控制介面嘅機器，仍然可能需要額外工程。標準化協議亦唔會自動解決每部設備獨有嘅安全、校準、保養及責任問題。37

換句話講，MHS 主要係減少整合摩擦，而唔係完全消除整合工作。

邊啲機構參與其中？

現有資料明確提到，早期工作或參與者包括 Genentech、Carnegie Mellon University、HHMI Janelia Research Campus、University of Washington 同 Tetsuwan Scientific。7

至於 AWS、Universal Robots、Doosan Robotics、Tecan、Danaher、QIAGEN 同 QuEra，相關資料有提及佢哋同計劃存在關聯，但未能清楚確認各自係正式支持者、實施合作夥伴、評估者，定係潛在參與者。因此，現階段唔應該直接解讀為每間公司都已經用自己嘅產品測試 MHS，或者已承諾提供商業支援。

現有設備要唔要全部換新？

MHS 目前只係面向有限對象、需要申請嘅 研究預覽，並唔係已經定稿、全面公開使用嘅硬件標準。Anthropic 表示，會先同科學研究及工業參與者一齊完善規格、進行安全評估及建立操作慣例，之後再考慮將框架開源。310

由於 MHS 建基於驅動程式同可編程介面，佢嘅採用方向較可能係連接或者改裝現有設備，而唔係要求每間實驗室或工廠重新購買「原生支援 MHS」嘅機器。不過，現有資料未有提供詳細改裝時間表、完整支援設備清單，亦未有公布統一嘅設備遷移流程。37

安全係最關鍵嘅一關

AI 控制實體設備，風險遠高於純粹處理檔案或者網頁工具。一次錯誤、含糊或者時機不當嘅指令，可能令儀器受損、令實驗失敗、浪費珍貴樣本，亦可能令移動中嘅機械造成危險，或者令設備超出安全操作範圍。

MHS 嘗試透過設備層面嘅限制，以及清楚描述設備特性，令相關約束對 Agent 更加可見。Anthropic 亦表示，研究預覽將用來發展針對 AI 操作實體設備嘅安全評估同最佳實務，然後先考慮開源框架。37

但目前資料未有證明 MHS 已經具備一套定稿嘅安全認證制度、通用基準測試、責任分配框架，或者強制人工批准每一項操作嘅規定。呢啲都係十分重要嘅缺口：互通性可以令設備更容易被控制，但唔代表自動控制喺任何實驗室或工業環境都已經安全。

對 Anthropic 代表咩？

MHS 可視為 Anthropic 進入 physical AI（實體 AI） 嘅一步，即係令 Agent 唔再只係操作網站、檔案同數碼 API，而係可以透過軟件觀察同影響真實世界嘅儀器。611

不過，今次計劃唔應該理解為 Anthropic 打算自己生產機械人或者實驗室硬件。MHS 更接近一個連接、互通同控制層，作用係將 AI Agent 同可編程設備接駁起來。

如果研究預覽最終成熟，影響力主要會取決於三件事：有幾多設備可以獲得實用驅動程式；其他 AI Agent 能否真正採用同一標準；以及安全規範能否強到足以應付無人看管或高風險工作流程。

所以，現階段 MHS 可以視為 AI Agent 同實體設備之間一條有潛力嘅橋樑，但仍然係早期預覽。佢嘅廣泛兼容性、改裝成本效益同安全模式，都仲有待進一步證明。