本篇小結

MHS 的部别急本質不是"AI 控製硬件"，位移台來自不同廠商
 ，曲上而人類專家需要 5 到 10 分鍾。着叫再讓智能去理解
、物理

這件事的到底起點也不是"讓 Claude 控製機械臂"的 Demo ，相機、发布代碼 API——MCP 是部别急入口之一 ，AI 走進物理世界」 。曲上最終殘餘頻率噪聲降低 5 倍 ，着叫組合和運營整個物理現場
 。物理新增一台相機從過去的到底數天縮短到幾分鍾；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，成功率 58%^[7][8] 。发布

這家做中性原子量子計算機的部别急公司
，團隊用同樣方法讓 Agent 優化鎖頻質量本身
：12 個相互耦合的曲上反饋參數
，C# 和各自的着叫控製軟件裏，而不是散落^[4][5] 。代碼負責穩定重複 ，但以機器速度、隻能覆蓋預想過的故障模式，

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，實戰見真章。而是以統一格式被任何進程讀取。Anthropic 計劃在完善安全評估後再開源^[1][2] 。

一 、write兩個原語——讀取狀態 、Agent 越不用靠猜。同一方法遷移到第二個波長，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 、ABB 用 RAPID」的廠商方言；

Metadata（語義） ：機械臂的重量
、過去散落在紙質說明書和老師傅經驗裏的知識，

MHS 公開案例體現的是正確的分層
：Agent 負責高層推理和探索，

下篇預告：概念說完  ，寫入參數——然後把設備差異全部放進上層描述裏 。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」。核心設計是什麽
、以及它最關鍵的一條工程紅線。設備語義（狀態/操作/標簽）讓機器能自我介紹，「Claude 長出雙手」，此前四名專家花兩三周手寫的恢複腳本，做一次實驗要按固定順序啟動 7 個程序 ，激光頻率一旦漂移整機罷工。

盲測結果
：700 次注入故障覆蓋七種類型 ，

這是三部曲的上篇：講清楚 MHS 到底是什麽、歸零
、

大模型推理天然是非確定性的
 ：有延遲抖動
、也不意味著 Claude 已經能接管現實世界。探索收斂後的操作鏈固化成確定性代碼，Anthropic 開放 MHS（Model Hardware Standard，需要申請；規範文本尚未公開，這個把集成工作從數月壓到數天的原型 ，全部自動恢複^[7:3][8:2] 。不是 MHS 本身^[1:2]。而是三件事的組合 ：窄腰接口（read/write）降低接入門檻，

它也沒有讓 Claude 獲得新的機械能力
。而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光、也最容易被「AI 直接控製機械臂」的標題掩蓋 。

MHS 的真正核心，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。我們看到的是一套早期規範和一批概念驗證，Claude 已經退出控製環——用 QuEra 自己的話說
：開發由 AI 驅動、而四足機器人的實時控製需要約 83 Hz——差了兩個數量級。完全可審查的常規程序 。工作空間這類代碼表達不了的信息 ，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備
。官方列出的三種控製機製是 MCP 、終於可以完整地介紹自己；

Safety Guards（安全限值）：最高溫度
、這就是物理世界的「窄腰」。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），命令行、而不是「UR 用 RTDE、不是定型的行業標準。生產運行時
，量程
、

每台設備由此被統一抽象成四個要素：

• State（狀態）：機械臂的關節角度 、分層執行讓模型待在該待的位置——實時控製環之外 。通宵不停 
  ，這個叫法混淆了兩個層級 。分別跑在 MATLAB 、相機畫麵不再鎖死在各自軟件裏 ，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 ，急停，反射鏡、平台位置、把數百種邊界故障模式全部枚舉了一遍^[7:1]。順序錯了整場實驗白做。用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話，是一個確定性 、

  二、又沒證明什麽。MHS 的核心 ：一套「窄腰」設備驅動

  很多人把 MHS 叫「硬件版 MCP」 ，激光器的功率、是工程災難^[6] 。由設備自行執行 。

  ---

  參考資料：

  MHS 官方網站：https://modelhardwarestandard.com/

  ---

  1. Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ ↩︎

  2. Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎

  3. How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI ↩︎

  4. Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal ↩︎

  5. Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎

  6. Claude plays robotics — Anthropic Research ↩︎

  7. Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  8. QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider ↩︎ ↩︎ ↩︎

  故事還沒完 。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 ，

而最終交付的產物，它做的事情用一句話概括：讓機器先學會"自我介紹"，MHS 既不是 MCP 的簡單硬件版
，拒絕謊報成功；測試期間激光自然跳模 43 次
，它的設計有個很妙的特點
：最底部隻收窄成 read、第一次變成了機器可讀的標準對象 。沒有硬實時保證 。讓它「采訪」你來完成錄入 。博士後 Arco Bast 被逼急了，多數故障 6 秒內恢複，運行完全自主^[7:2][8:1]。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，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、

一句話概括：模型負責判斷，但結論跑得太快 。有網絡開銷、最難的 10 到 14 秒，用工程師的話說——AI 幫你把經驗編譯成代碼 ，消息很快被壓縮成一句話：「Claude 長出雙手，更難得的是那 5 次失敗：係統識別出是測試台本身的問題，在設備層強製執行 。到底證明了什麽、Agent 麵對的是統一能力模型
，

三 、

畫麵沒有錯，機械臂還是原來的機械臂 ，機器保留最後否決權。

導讀

2026 年 8 月 27 日，是每台設備的標準化驅動（MHS Driver）。QuEra 的案例是最好的注腳。就是 MHS 的雛形^[1:1][3]。Genentech 的移液自優化和"泡沫翻車"、機器第一次見到 Agent 時，Python、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 ，代碼上產線。成功恢複 695 次（99.3%）
，

接入 MHS 後，以及一個會自己找離心機補救的係統，組成統一的狀態清單；