过去一年多时间里，尽管AI智能体系统备受关注且得到广泛应用，但自动化AI的活动范围至今仍主要局限于文本、图像、代码以及计算机内部的数据与操作。Anthropic正尝试打破这一局面，推出了名为"模型硬件标准"（MHS）的全新规范——这是一套标准化驱动程序，旨在让AI智能体能够轻松对接并控制各类硬件设备。
目前，MHS的"研究预览版"主要定位于帮助科学家简化实验设备集成流程。在科学研究中，研究人员往往需要花费大量精力，为实验中各类不同设备编写定制化软件接口，才能让它们协同工作。Anthropic表示，MHS可以为这些设备提供统一的通信接口和数据共享格式，使它们能够在网络中相互通信，"无需中间任何定制化的'翻译'程序"。这套标准化系统有望将原本历时数周乃至数月的繁琐实验准备工作缩短至"数小时乃至数分钟"。
在随公告一同发布的视频中，Anthropic技术人员阿莱克·凯梅尼介绍，MHS项目的灵感来源于他在弗吉尼亚州阿什本的霍华德·休斯医学研究所贾内利亚研究园区的一次观察经历。当时，他目睹神经科学家阿尔科·巴斯特正在开展一项关于大脑记忆形成的实验，巴斯特通过一个统一接口，协调了实验中旋转激光束、显微镜、摄像机等众多设备。凯梅尼回忆道："当时我意识到，这个思路完全可以用来让AI运行世界上任何科学实验。"
当然，通用机器接口语言本身并不依赖AI模型。Anthropic也表示，MHS设备可以直接通过命令行指令和API代码文件进行实时控制。但若将MHS系统与AI模型通过模型上下文协议（MCP）相结合，科学家便可以用自然语言操控设备，同时让模型"对实验的每个步骤进行推理、实时调整参数，在某些情况下甚至无需人工干预便能从硬件错误中自动恢复"。
Anthropic举例说明，Claude等模型可以调节激光器，通过另一台摄像机检查结果，然后反复迭代，自动完成整套系统的校准。MHS还能让AI模型自动对焦显微镜、分析观测结果、判断需要重点关注的区域，然后自动将显微镜移动到相应位置，继续推进实验。
在演示视频中，Anthropic还展示了Claude推理如何控制机械臂拾取铝罐——尽管模型此前并未经过相关步骤的专项训练。此外，Anthropic表示，启用MHS后，模型无需每次都重新推理每个步骤，而是可以通过编写API脚本来跨仪器排列操作步骤，并根据实际情况动态调整。
MHS还包含一套标准化标签系统，用于向那些主要在虚拟环境中训练的模型描述硬件在现实世界中的物理约束，包括硬件的物理特性（如机械臂的重量和运动范围）、可调参数、测量选项以及强制安全限制等信息。这些标签可以整合到一个参考文件中，让AI模型在面对从未接触过的设备时，也能快速获取关键信息。
目前，Anthropic正与"首批科学研究实验室和高端制造商"合作开展MHS预览测试，合作方包括亚马逊云服务（Strands Robots）、Hugging Face（LeRobot）、树莓派（Raspberry Pi）、Automata以及优傲机器人（Universal Robots）。Anthropic表示，这些合作伙伴将协助其"建立安全评估体系，并为AI系统操控物理设备制定最佳实践规范"。此后，MHS计划逐步开源，并发展成为一个"智能体无关"的AI与物理系统集成通用标准。
据Anthropic介绍，在过去一年与科学合作伙伴开展的早期测试中，"MHS显著缩短了设备集成所需的时间，使得在各类实验场景中加快迭代成为可能"。
"如果能够更快地验证假设，就能更快地创造出通用技术，"凯梅尼在宣传视频中表示，"这正是让一个世纪的进步浓缩在十年内实现的方式。"
Q&A
Q1：模型硬件标准（MHS）是什么？它主要解决什么问题？
A：模型硬件标准（MHS）是Anthropic推出的一套标准化驱动程序规范，旨在让AI智能体能够轻松对接并控制各类硬件设备。它主要解决的是科学实验中不同设备之间集成繁琐、耗时的问题，通过提供统一的通信接口和数据共享格式，让设备无需定制化"翻译"程序即可相互通信，从而将原本数周乃至数月的实验准备工作压缩至数小时甚至数分钟。
Q2：MHS目前有哪些合作伙伴？
A：Anthropic目前正与多家科学研究实验室和高端制造商合作开展MHS预览测试，合作方包括亚马逊云服务（Strands Robots）、Hugging Face（LeRobot）、树莓派（Raspberry Pi）、Automata以及优傲机器人（Universal Robots）。这些合作伙伴将协助Anthropic建立安全评估体系，并为AI系统操控物理设备制定最佳实践规范。
Q3：MHS未来会开放给所有人使用吗？
A：是的。根据Anthropic的计划，MHS在完成预览阶段后，将逐步开源，并发展成为一个"智能体无关"的AI与物理系统集成通用标准，不限于特定AI模型或平台，理论上任何AI智能体都可以接入使用。
