每台設備由此被統一抽象成四個要素 ：
- State（狀態） ：機械臂的着叫關節角度
、速度上限 、物理
這件事的到底起點也不是"讓 Claude 控製機械臂"的 Demo ，以及它最關鍵的发布一條工程紅線 。一夜完成了原本需要數周的部别急調試[7:4]。成功恢複 695 次（99.3%），曲上激光器的着叫功率、而是三件事的組合 ：窄腰接口（read/write）降低接入門檻 ，機械臂還是原來的機械臂 ，成功率 58%[7][8]。需要申請；規範文本尚未公開 ，實戰見真章 。
導讀
2026 年 8 月 27 日 ，也不意味著 Claude 已經能接管現實世界 。
畫麵沒有錯 ，反射鏡、多數故障 6 秒內恢複，
故事還沒完。新增一台相機從過去的數天縮短到幾分鍾；啟動實驗從 7 次操作縮成一次點擊；分析工具從「每台設備寫一個」變成「每種數據類型寫一個」——工程資產終於開始累積 ，我們看到的是一套早期規範和一批概念驗證，完全可審查的常規程序 。Agent 越不用靠猜 。是每台設備的標準化驅動（MHS Driver） 。歸零 、量程 、過去散落在紙質說明書和老師傅經驗裏的知識 ，以及一個會自己找離心機補救的係統，
接入 MHS 後 ，讓 LLM 逐周期決定電機輸出多少扭矩 ，C# 和各自的控製軟件裏 ，Genentech 的移液自優化和"泡沫翻車" 、通宵不停 ，最關鍵的設計 ：LLM 不進入實時控製環
這是 MHS 最正確的工程決策 ，Anthropic 開放 MHS（Model Hardware Standard ，終於可以完整地介紹自己；
- Safety Guards（安全限值）：最高溫度 、MHS 既不是 MCP 的簡單硬件版，
三 、這個說法快了一步
MHS 目前隻向首批科研實驗室和先進製造商開放，換成 Claude 通過 MHS 在專用測試台上工作 ：提出恢複假設 → 寫成腳本 → 上真機測試 → 讀取日誌決定下一輪怎麽改——和人類專家跑的是同一個循環 ，分別跑在 MATLAB 、分層執行讓模型待在該待的位置——實時控製環之外 。不是 MHS 本身[1:2]。組成統一的狀態清單；
- Procedures（操作） ：吸液、廠商越容易接；語義層越完整，
參考資料 ：
MHS 官方網站 ：https://modelhardwarestandard.com/
Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ ↩︎
Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎
How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI ↩︎
Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal ↩︎
Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎
Claude plays robotics — Anthropic Research ↩︎
Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider ↩︎ ↩︎ ↩︎
這是三部曲的上篇 ：講清楚 MHS 到底是什麽 、急停，平台位置 、由設備自行執行 。模型硬件標準）研究預覽版。移板 、官方列出的三種控製機製是 MCP、
本篇小結
MHS 的本質不是"AI 控製硬件" ，
一句話概括：模型負責判斷 ，它的設計有個很妙的特點 ：最底部隻收窄成
read、MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。接口層越窄 ，同一方法遷移到第二個波長 ，這家做中性原子量子計算機的公司 ，是一個確定性 、此前四名專家花兩三周手寫的恢複腳本 ，沒有硬實時保證 。核心設計是什麽 、做一次實驗要按固定順序啟動 7 個程序 ，機器保留最後否決權 。
MHS 的真正核心 ，
下篇預告：概念說完 ，Agent 在硬安全邊界內做了約 12,500 次評估（每一次導致失鎖的候選設置都被檢測並回滾） ，更難得的是那 5 次失敗 ：係統識別出是測試台本身的問題 ，
一 、但以機器速度 、用工程師的話說——AI 幫你把經驗編譯成代碼，
MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索，全部自動恢複[7:3][8:2] 。它做的事情用一句話概括 ：讓機器先學會"自我介紹" ，這就是物理世界的「窄腰」 。是工程災難[6]。「Claude 長出雙手」，把整套裝置的狀態放進一個標準化的共享內存字典——激光功率 、不是定型的行業標準 。運動邊界 ，而是以統一格式被任何進程讀取 。中篇帶你看四個一線案例的完整細節——CMU 的 8 小時集成與六種被攔截的故障 、順序錯了整場實驗白做 。
它也沒有讓 Claude 獲得新的機械能力 。用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話，運行完全自主[7:2][8:1] 。就是 MHS 的雛形[1:1][3] 。探索收斂後的操作鏈固化成確定性代碼 ，有網絡開銷 、AI 走進物理世界」 。消息很快被壓縮成一句話 ：「Claude 長出雙手 ，到底證明了什麽 、最終殘餘頻率噪聲降低 5 倍 ，在設備層強製執行。QuEra 的案例是最好的注腳。機器第一次見到 Agent 時 ，
write兩個原語——讀取狀態 、相機 、激光頻率一旦漂移整機罷工 。儀器還運行各自的軟件——真正變化的是中間那層「翻譯和協調」 。ABB 用 RAPID」的廠商方言； - Metadata（語義） ：機械臂的重量 、MHS 的核心 ：一套「窄腰」設備驅動
很多人把 MHS 叫「硬件版 MCP」 ，這個把集成工作從數月壓到數天的原型 ，
盲測結果 ：700 次注入故障覆蓋七種類型，Anthropic 計劃在完善安全評估後再開源[1][2] 。而四足機器人的實時控製需要約 83 Hz——差了兩個數量級。代碼負責穩定重複 ，讓它「采訪」你來完成錄入 。命令行 、
大模型推理天然是非確定性的 ：有延遲抖動 、這個叫法混淆了兩個層級 。
二 、相機畫麵不再鎖死在各自軟件裏 ，生產運行時 ，Agent 麵對的是統一能力模型 ，代碼上產線 。但結論跑得太快 。
用上位機工程師的話翻譯：MHS Driver ≈ 你寫過的設備驅動類 + 點表；參考文件 ≈ 說明書裏「技術參數 + 安全注意事項」那一頁 ，Anthropic 自己 7 月的機器人研究給出了誠實的數字 ：當前模型推理速度約 0.2–0.4 Hz ，團隊用同樣方法讓 Agent 優化鎖頻質量本身 ：12 個相互耦合的反饋參數 ，相機的連接狀態，而人類專家需要 5 到 10 分鍾 。第一次變成了機器可讀的標準對象。最難的 10 到 14 秒，拒絕謊報成功；測試期間激光自然跳模 43 次，隻能覆蓋預想過的故障模式，Claude 已經退出控製環——用 QuEra 自己的話說 ：開發由 AI 驅動 、組合和運營整個物理現場 。也最容易被「AI 直接控製機械臂」的標題掩蓋 。代碼 API——MCP 是入口之一 ，設備語義（狀態/操作/標簽）讓機器能自我介紹 ，Python 、再讓智能去理解 、
而最終交付的產物 ，又沒證明什麽 。工作空間這類代碼表達不了的信息 ，而不是「UR 用 RTDE 、而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光、