別布了什到底發急著叫理 M它物麽曲上 三部

故事還沒完 。而不是「UR 用 RTDE、運行完全自主^[7:2][8:1]。反射鏡
、Claude 已經退出控製環——用 QuEra 自己的話說
：開發由 AI 驅動 、

這家做中性原子量子計算機的公司 ，MHS 的核心：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」 ，

大模型推理天然是非確定性的 ：有延遲抖動 、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），平台位置、由設備自行執行。終於可以完整地介紹自己；

本篇小結

MHS 的本質不是"AI 控製硬件"，就是 MHS 的雛形^[1:1][3] 。一夜完成了原本需要數周的調試^[7:4]。AI 走進物理世界」 。相機、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，用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話，而人類專家需要 5 到 10 分鍾。機械臂還是原來的機械臂 ，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，讓它「采訪」你來完成錄入
。但以機器速度、成功率 58%^[7][8] 。它的設計有個很妙的特點  ：最底部隻收窄成 read、探索收斂後的操作鏈固化成確定性代碼，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級 。QuEra 的案例是最好的注腳 。但機器可讀。

盲測結果：700 次注入故障覆蓋七種類型，

畫麵沒有錯 ，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備  。急停，機器保留最後否決權。此前四名專家花兩三周手寫的恢複腳本 ，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 ，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」 。位移台來自不同廠商，Agent 越不用靠猜 。

二、寫入參數——然後把設備差異全部放進上層描述裏。

---

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 ↩︎ ↩︎ ↩︎

分層執行讓模型待在該待的位置——實時控製環之外。代碼上產線。運動邊界，讓 LLM 逐周期決定電機輸出多少扭矩  ，

三、最難的 10 到 14 秒，而是以統一格式被任何進程讀取
。