Anthropic推出Model Hardware Standard研究预览版
2026年8月28日，Anthropic正式推出Model Hardware Standard（MHS）研究预览版——这是一套旨在让AI智能体安全操作和协调物理设备的标准化规范。MHS的发布标志着AI智能体的活动范围正在从文本、图像、代码等虚拟领域，扩展至物理世界的设备操控，这是AI迈向“具身智能”和“物理AI”时代的关键一步。
从软件走向物理世界
过去一年多来，尽管AI智能体系统备受关注并得到广泛应用，但其活动范围仍主要局限于计算机内部的数据与操作。Anthropic此次推出的MHS，正是要打破这一局限，让AI能够真正“动手”控制现实世界的设备。
MHS的诞生始于Anthropic与HHMI Janelia Research Campus的合作。Janelia的一名博士后科学家在运行复杂的脑成像实验时，使用的设备（激光器、电动对焦器、不同厂商的专用相机）没有通用接口。为了加速实验，他开发了一套共享内存字典，让这些仪器能以内存速度相互通信。Anthropic团队在此基础上集成了AI模型，最终演化为MHS标准。
核心技术机制
MHS的核心是一个标准化驱动程序，充当计算机操作系统与物理设备之间的桥梁。驱动使用一组基本命令（“原语”），包括“读取”和“写入”——读取命令可获取设备温度，写入命令可设定温度。系统还让设备以标准格式“可被发现”，硬件和AI智能体可以在网络中相互发现和通信，无需为每个设备单独开发翻译程序。
MHS被设计为与任何具有可编程接口的设备兼容，且模型无关——不依赖特定的AI模型，任何AI智能体都可以通过标准协议（包括模型上下文协议MCP）访问设备。
物理世界的“知识标签”
一个关键创新是MHS允许用户在驱动器中用自然语言标签记录设备的物理特性。例如，机械臂的重量信息对安全移动至关重要，这类信息往往存在于纸质手册、个人电脑或实验室人员的隐性知识中。用户或AI智能体可以记录这些信息，驱动程序生成参考文件描述设备的测量能力、可调参数和安全限制，让AI智能体获得操作设备所需的一切知识。
首批合作伙伴与应用场景
MHS研究预览版已率先在一批科研实验室和先进制造商中测试。早期合作伙伴包括：
- Genentech：将MHS用于自动化BCA蛋白测定实验，协调液体处理器、机械臂和读板器；
- 卡内基梅隆大学：用MHS将连续稀释剂量反应实验的速度提升约三倍；
- HHMI Janelia：将MHS用于加速显微镜相关研究；
- Doosan Robotics、Universal Robots：测试MHS驱动机械臂进行自动化质量保证和多机器人协调；
- Hugging Face正在LeRobot机器人库中添加MHS支持，Raspberry Pi也在多款产品中启用MHS集成。
探索式AI与实验自动化
Anthropic透露，在测试中，Claude模型表现出了科学家的探索式行为：调整激光器、用摄像头观察调整效果、反复尝试理解动作与结果之间的关系，最后将学习成果转化为确定性代码文件，使激光校准过程可作为单一命令运行。
MHS提供三种设备控制机制：模型上下文协议（MCP）、命令行界面和代码文件/API。对于耗时或高速操作，命令可在代码文件中串联执行，无需AI逐步推理每一步。
开源计划与安全评估
Anthropic计划在完成安全评估与最佳实践制定后，将MHS作为开源标准发布。目前，研究预览版正在邀请各行业利益相关者加入测试。布。目前，研究预览版正在邀请各行业利益相关者加入测试。
