Anthropic 模型硬件标准 (MHS)

MHS通过一个驱动层标准化物理硬件的集成，该驱动层使用简单的原语命令——读和写——以及设备发现、自然语言设备标签和明确列出安全限制与操作参数的参考文件，在计算机操作系统与设备之间进行翻译^[1]。这种结构使代理能够首先枚举已连接的设备及其允许执行的操作，然后采取行动。一旦设备以这种方式被描述，代理便可通过三种路径之一驱动它——模型上下文协议、命令行界面或直接代码和API调用——由于该标准本身与模型无关，任何大语言模型框架都可以使用它，而不仅限于Claude^[2]。Anthropic将此视为其2024年模型上下文协议发布的物理世界对应物：公司成员Jonah Cool表示，研究常常并非因缺乏想法而停滞，而是因为设备无法使用；技术团队成员Alek Kemeny将MHS比作AI与软件连接的USB^[4]——这与MCP在软件领域的统一承诺相同，现在则针对实验室仪器、机械臂和制造硬件，这些设备此前需要专家为每个供应商编写定制且互不兼容的集成方案^[1]。

MHS最有力的支持来自量化数据。卡内基梅隆大学协调了分布在三台计算机上的液体处理仪、微孔板读数仪、机械臂和监控摄像头，这些设备此前接口互不兼容。他们将一个序列稀释剂量反应实验从编写驱动程序到完成曲线绘制（包括代理因拒绝低R²拟合而自主重做实验）的时间缩短至约八小时，而使用标准供应商设置则需要数周时间^[1]。QuEra Computing的数据更为显著：一个由MHS驱动的代理构建确定性激光锁定控制器，将重锁成功率从58%的自定义脚本基线提升至700次试验中的695次（99.3%），单次尝试时间从约150秒减少到10至14秒，伺服残差误差从15.7毫伏降至1.55毫伏，并在19小时内保持锁定状态无滑脱^[1]。Genentech自动化了BCA蛋白测定，并让Claude优化了水和粘稠BSA溶液的液体处理流速，达到亚0.2均方根误差（RMSE）的精度；而MHS开发合作伙伴HHMI的珍利亚研究园区统一了控制双光子斑马鱼成像中激光器、镜片和探测器的七个供应商程序，将新摄像头集成时间从数天缩短至数分钟^[3]。Anthropic围绕这种效率压缩来描述整个预览，称MHS将集成工作减少到数小时甚至数分钟^[5]。

并非所有人都相信MHS是一项突破，而非重新包装。在关于发布的社区讨论中，一个反复出现的反对意见是，MHS只是在MCP和现有API之上叠加的又一个协议——有人认为，代理此前已可通过Claude Code与硬件规格交互，因此新标准的边际价值尚不明确。另一种更技术性的反对意见认为，MHS不适合低延迟、确定性的嵌入式控制（例如PID控制回路），因为代理队列机制并未针对这些系统所需的速度设计；另一些人则反驳称，MHS的目标是多步骤的生物实验室和研究设备流程，而非单一的实时控制回路，这一主张范围更窄但更具合理性。合作伙伴的结果为这一较窄主张提供了一些支持——CMU、QuEra、Genentech和Janelia的案例均为多步骤协调任务，而非毫秒级控制——但它们也暴露了AI物理推理的局限性：由于大语言模型通过文本和图像学习物理世界，而非直接感知，Genentech的研究人员不得不明确告知其代理，样品起泡是硬件故障而非软件缺陷，这提醒我们，即使MHS按预期工作，专家监督仍然必不可少^[6]。

MHS的推出远早于任何为其构建的监管框架。欧盟《2023/1230号机械条例》将于2027年1月20日生效，首次涵盖基于AI的安全功能和自我演化的机械装置，并可能要求对代理自主操作的高风险设备类别进行公告机构审批——然而，目前尚无英国监管机构就AI代理运行实验室或制造硬件问题表明明确立场，其他地区同样存在这一空白^[7]。Anthropic自身的发布策略因此刻意保持谨慎：MHS仍处于有限的、仅限申请的研究预览阶段，公司计划在预览结束后与合作伙伴进行安全评估，并最终开源该标准，同时附带操作指南^[7]。这种谨慎与技术成果的推进速度形成尴尬对比——一个能在八小时内从编写驱动程序到完成实验的实验室，或一个能无人干预锁定激光19小时的控制器，其发展速度已超过旨在监管它们的规则体系，这正是监管机构在类似代理从研究预览迈向生产硬件之前必须解决的紧张关系。