Anthropic 模型硬件标准

模型硬件标准被设计为一种驱动层，而非新模型：它通过简单的 read（例如获取温度）和 write（例如设置温度）原语暴露每个设备，如显微镜、液体处理仪或机械臂，并用描述设备功能的自然语言标签进行封装 ^[2]。由于 MHS 可用于任何具备可编程接口的设备，且与模型无关，因此任何智能体框架均可通过模型上下文协议等标准协议访问它，该协议是 Anthropic 于 2024 年推出的软件工具标准 ^[3][6]。Anthropic 自身的表述明确揭示了其传承关系：正如 Anthropic 技术团队成员 Alek Kemeny 所言，MHS 的目标是为硬件领域实现 MCP 在软件领域所完成的事 ^[4]。该标准还内置了设备级防护措施，例如限制机械臂允许的速度和角度，因为 Anthropic 承认，Claude 仅从文本和图像中学习到的空间与物理推理能力仍需专家监督 ^[1]。

与典型的框架发布不同，MHS 发布时已附带了来自合作方的实际前后对比数据。在 HHMI Janelia，研究人员使用 MHS 将控制双光子显微镜系统的七个独立供应商程序整合为单一接口，由 Claude 在斑马鱼成像过程中实时对准光束并调整成像参数 ^[1]。Genentech 使用 MHS 在液体处理仪、机械臂和酶标仪之间自动化 BCA 蛋白测定实验，并实现了药物发现实验中的实时错误处理 ^[1]。卡内基梅隆大学通过 MHS 连接原本无法互通的实验设备，将连续稀释实验速度提升了三倍 ^[1]。最引人注目的数据来自量子计算合作伙伴 QuEra Computing，该公司使用集成 MHS 的 AI 实现激光重锁与稳定，成功率从自定义脚本的 58% 提升至 99.3% ^[2]。

Anthropic 的主张具有明确的经济考量。该公司科学领域合作与部署负责人 Jonah Cool 表示，当前科研设备依赖脆弱的专有解决方案，常常无法满足科学家需求，而 Anthropic 构建 MHS 正是为了避免厂商锁定 ^[2][5]。这一痛点十分具体：实验室和工厂通常需要花费数周乃至数月时间集成硬件，因为大多数设备彼此无法通信，必须由专家手动构建一次性、脆弱的集成方案，而 MHS 声称可将这一过程压缩至几小时或几分钟 ^[1][3]。此次发布也带有明显的竞争意图：包括 OpenAI 和亚马逊在内的竞争对手已向 AI 原生设备和制造工具投入大量资金，MHS 标志着 Anthropic 正式进军实体 AI 领域，以免在这一前沿领域落后 ^[2]。

最强烈的质疑并非来自竞争对手，而是来自技术背景深厚的网络观察者，尽管整体反应以热情为主，但仍有一部分尖锐的怀疑声音。一个反复出现的质疑点在于创新性：一些人质疑 MHS 是否真正实现了超越协议标准化的功能，将其类比为早期的硬件标准化尝试乃至 MCP 本身。更实质性的批评认为，MHS 不适用于需要确定性、低延迟控制的实时嵌入式工业流程，因为排队式的智能体指令无法保证实时性，他们甚至将演示的激光重锁案例贬低为一个简单的控制回路，而非真正的智能。支持者则反驳称，MHS 的目标应用场景并非单回路实时控制，而是多设备科研流程和生物实验室自动化，这正是 QuEra 稳定性跃升和 Janelia 显微镜系统统一背后所需的协调任务。这种分歧——即 MHS 是实验室与工厂协调的真实突破，还是对更适合确定性工程解决的问题的浅层包装——将决定工业用户对其重视程度。

Anthropic 表示，计划在研究预览期结束后将 MHS 开源，在此期间将与首发合作伙伴共同建立安全评估机制和最佳实践，而非在首日即完全开放标准 ^[2]。这一分阶段推出策略正面临一个迫近的期限：欧盟《2023/1230 号机械条例》将于 2027 年 1 月 20 日全面生效，首次涵盖机械中的基于 AI 的安全功能，这意味着一旦配备 MHS 的设备在欧盟运营，MHS 定义的机械臂速度和角度等限制可能成为受监管的安全组件 ^[4]。Anthropic 自身关于 Claude 物理与空间推理仍需专家监督的安全声明，听起来不再像套话，而更像是对这类监管风险的预先规避 ^[1]。