2026 年 8 月 27 日，Anthropic 启动了 Model Hardware Standard（MHS）的研究预览。这是一套让 AI 智能体操作显微镜、机械臂等物理设备的通用规范。过去需要数周乃至数月的设备集成工作被压缩到数小时甚至数分钟，在量子计算机的激光调校场景中，成功率从 58% 跃升至 99.3%。

每台仪器都在讲自己的方言

实验室和生产现场的仪器，控制方式因厂商而异。探测器跑 MATLAB，相机跑 Python，电生理设备用 C#，连编程语言都不统一，设备之间更不会直接对话。每接入一台新设备，都要专家单独写一套桥接程序，数周到数月的时间就消耗在这里。

MHS 试图把这层桥接标准化。其内部结构朴素得有些出人意料：把驱动的指令收敛成「读取温度」「设定温度」这类简单的读写原语，并让设备以标准格式在网络上自报身份。在此之上，用户可以用自然语言标签补充代码无法表达的信息，例如机械臂的重量，这类信息直接关系到能否安全操作。标签既可以人工撰写，也可以让智能体询问硬件配置后代为生成。

系统会根据标签自动生成参考文件，写明该设备能测什么、能调什么，以及会被强制执行的安全上限。控制入口有 MCP、命令行界面和代码文件三条路径，配合之后可以用一行代码调度多台设备。规范本身与模型无关，只要设备具备可编程接口，原则上都能纳入。

这个想法并非 Anthropic 独自构思。HHMI Janelia Research Campus 的博士后研究员 Arco Bast 此前已把自制显微镜装置的整体状态收进共享内存中的单一字典，Anthropic 在此基础上接入 AI 模型。他的装置也成了第一台跑通 MHS 的真机。

一夜之间，从 150 秒、58% 变成 6 秒、96%

数字最惊人的是中性原子路线的量子计算公司 QuEra Computing。其钛宝石激光器需要把频率稳定在万亿分之一的精度，一旦失锁，人工恢复要花 5 到 10 分钟。此前也有自动化脚本，但那套由 4 名工程师耗时数月搭建的方案，成功率 58%，单次约 150 秒。由于是线性流程，实验室有人开门导致温度气压变化，就得从头再来。

Anthropic 在这里引入了 4 个角色分工的 Claude 实例组成的循环：一个提出改进假设，一个把改动写进脚本，一个在真机上运行并记录每一步，一个读日志决定下一步。整夜无人值守反复数百次后，第二天早上已经压到约 6 秒、成功率 96%。随后的盲测中，700 次试验成功 695 次，即 99.3%。最棘手的扰动耗时 10 到 14 秒，简单的只需 1 秒左右。

真正起作用的，是把流程改写成决策树。如果频率几乎没有偏移，大多数操作都是无用功，只调一两处就收手。人类为了确认必然会把所有步骤走一遍。而且最终产物是一份不依赖 AI 智能体、可直接投入生产的确定性脚本。

伺服环路的 PID 调参也是类似结果。专家调出的残余误差为 15.7 毫伏，Claude 经过 363 次实验、16 小时无人值守后降到 1.55 毫伏。用相位噪声分析仪比对可以看到，在约 220 千赫的谐振点上，手工调参残留的噪声要高出一大截。连续运行 19 小时期间，Claude 的参数一次也没有失锁。

集成时间从「周」变成「小时」

在 University of Washington 的 Baker 实验室与 Pinglay 实验室，用 MHS 接通 6 台仪器，连同编写驱动的时间在内不到一周。按以往做法，光是打通接线就要数月到数年，费用同样水涨船高。现在可以一边实时观察 qPCR 扩增曲线，一边在曲线到达平台期之前询问研究者是否停止，得到指令后转入 4 摄氏度保温。基于 LeRobot 的开源机械臂在收到液体处理工作站的完成信号约 10 秒后取走微孔板，反复试验中两者从未发生碰撞。

Carnegie Mellon University 的案例更极端。其配置横跨 3 台计算机，其中一台使用老旧的 Windows 脚本接口，另一台干脆只有图形界面、完全没有可编程接口。MHS 把它们统一成一份清单。从零编写驱动，再到让 Claude Opus 4.8 智能体自主跑完整个流程的编排层，总共约 8 小时；而由厂商搭建的常规方案通常需要数周。处理速度本身也快了约 3 倍。

Genentech 则让液体处理工作站、机械臂和读板机协同工作，智能体自行找到了水与粘性溶液各自的最佳吸液速度。局限同样暴露出来：出现气泡时，Claude 在同一孔位换参数重试，结果气泡更多。这是一份坦率的记录，说明系统并不真正理解物理。

觉得有风险就停下

安全性由 MHS 强制执行设备侧上限来保障。在 Janelia 的显微镜上，不必再担心智能体把功率调得过高、漂白荧光分子而损伤样品。Carnegie Mellon 刻意制造了 6 种危险状况：缺少微孔板、板子放反、读板机占用中、相机断开、设备不可达、急停处于激活状态。结果在任何设备动作之前，6 种情况全部被拦下。

QuEra 的现场则是相反方向的谨慎。Claude 只要察觉一丝风险就会停下等待人工确认，甚至出现过因迟迟未获批准而让实验空转一整夜的情况。负责人的评价是，过于谨慎的智能体，总好过不够谨慎的那种。

表态支持的阵容也在扩大。Amazon Web Services 通过 Strands Robots 提供支持，Tecan 正在为 Fluent 添加支持，QIAGEN 在 QIAsymphony Connect 上进行验证，MBF Bioscience 正为 ScanImage 编写驱动，Universal Robots、Doosan Robotics、Automata、Danaher 也在名单之列。Hugging Face 正把支持加入 LeRobot，Raspberry Pi 在相机驱动测试成功后，准备把 MHS 集成到多款产品中。

总结

MHS 把各家仪器五花八门的控制方式削减到读写原语，并把安全上限一并交给智能体。集成时间压缩到数小时乃至数分钟，激光恢复达到 99.3%，PID 调参超过了专家水平。另一方面，不具备可编程接口的设备仍然够不着，因缺乏物理理解而失败的案例也被如实记录。目前处于研究预览阶段，需通过等候名单加入，Anthropic 表示会在规范进一步完善后将其开源。