2026 年 8 月 27 日，Anthropic 啟動了 Model Hardware Standard（MHS）的研究預覽。這是一套讓 AI 代理操作顯微鏡、機械手臂等實體設備的共通規格。過去得花上數週甚至數月的設備整合工作，被壓縮到數小時或數分鐘；在量子電腦的雷射校準情境中，成功率也從 58% 一舉提升到 99.3%。

每台儀器都講著自己的方言

實驗室與生產現場的儀器，控制方式各家不同。偵測器跑 MATLAB、相機跑 Python、電生理設備用 C#，連程式語言都湊不齊，設備之間更不會直接對話。每接一台新機器，就得由專家再寫一套專屬的橋接程式，數週到數月的時間便是這樣消失的。

MHS 想做的，就是把這層橋接標準化。內部設計樸素到有點令人意外：把驅動程式的指令收斂成「讀取溫度」「設定溫度」這類單純的讀寫原語，並讓設備以標準格式在網路上表明身分。在此之上，使用者可以用自然語言標籤補上程式碼傳達不了的資訊，例如機械手臂的重量，這類資訊直接關係到能否安全操作。標籤可以自己寫，也可以讓代理詢問硬體組態後代為產出。

系統會依標籤自動產生參考檔案，寫明該設備能量測什麼、能調整什麼，以及會被強制套用的安全上限。控制入口有 MCP、命令列介面與程式碼檔案三條路徑，互相搭配之後，多台設備的協同可以從一行程式碼叫起來。規格本身與模型無關，只要設備具備可程式化介面，原則上都能納入。

這個構想並非 Anthropic 獨力想出。HHMI Janelia Research Campus 的博士後研究員 Arco Bast 先前已把自製顯微鏡機組的整體狀態，收進共享記憶體上的單一字典，Anthropic 再把 AI 模型接進這個介面。他的機組也成為第一台以 MHS 運作的實機。

一個晚上，從 150 秒、58% 變成 6 秒、96%

數字最搶眼的是走中性原子路線的量子電腦公司 QuEra Computing。該公司的鈦藍寶石雷射必須把頻率維持在一兆分之一的精度，一旦失鎖，靠人力復原要花 5 到 10 分鐘。原本也有自動化腳本，但那套由 4 名工程師耗時數月打造的方案，成功率 58%、單次約 150 秒。由於是線性流程，實驗室有人開門造成溫度與氣壓變化，就得從頭再來一次。

Anthropic 在這裡導入了由 4 個分工不同的 Claude 執行個體組成的迴圈：一個提出改良假設，一個把改動寫進腳本，一個在實機上執行並記錄每一步，一個讀紀錄決定下一步。整夜無人看管反覆數百次之後，隔天早上已經縮到約 6 秒、成功率 96%。後續的盲測中，700 次試驗成功 695 次，也就是 99.3%。最棘手的擾動花 10 到 14 秒，單純的只要 1 秒左右。

真正奏效的，是把流程改寫成決策樹。頻率幾乎沒有偏移時，大多數操作都是白做，只動一兩處就收手；人類為了確認則非得把所有步驟走過一遍不可。而且最終產物是一份不需要 AI 代理、可直接上線的確定性腳本。

伺服迴路的 PID 調校也是類似結果。專家調出的殘餘誤差為 15.7 毫伏，Claude 經過 363 次實驗、16 小時無人看管的運作後降到 1.55 毫伏。用相位雜訊分析儀比對可以看出，在約 220 千赫的共振點上，手動調校殘留的雜訊高出一大截。連續運作 19 小時期間，Claude 的設定一次也沒有失鎖。

整合時間從「週」變成「小時」

在 University of Washington 的 Baker 實驗室與 Pinglay 實驗室，用 MHS 串起 6 台儀器，連同撰寫驅動程式的時間在內不到一週。照過去的做法，光是接線就要數月到數年，費用也跟著往上跳。現在可以一邊即時觀察 qPCR 的擴增曲線，一邊在曲線進入平原期之前詢問研究者是否停止，收到指示後轉入 4 度保溫。以 LeRobot 為基礎的開源機械手臂，在收到液體處理工作站的完成訊號約 10 秒後取走微孔盤，反覆測試中兩者從未相撞。

Carnegie Mellon University 的案例更極端。整套配置橫跨 3 台電腦，其中一台使用老舊的 Windows 指令稿介面，另一台乾脆只有圖形介面、完全沒有可程式化介面。MHS 把它們整併成一份清單。從零撰寫驅動程式，一路做到讓 Claude Opus 4.8 代理自主跑完整個流程的編排層，總共約 8 小時；由廠商建置的一般作法通常要數週。處理速度本身也快了約 3 倍。

Genentech 則讓液體處理工作站、機械手臂與盤讀取儀協同運作，代理自行找出了水與黏稠溶液各自最合適的吸液速度。侷限也一併浮現：出現氣泡時，Claude 在同一個孔位換參數重試，結果氣泡反而更多。這是一份坦白的紀錄，說明系統並不真的理解物理。

覺得有風險就停下來

安全性由 MHS 強制套用設備端上限來確保。在 Janelia 的顯微鏡上，不必再擔心代理把輸出調得太高、讓螢光分子褪色而傷到樣本。Carnegie Mellon 刻意製造了 6 種危險狀況：缺少微孔盤、盤子放反、讀取儀使用中、相機斷線、設備無法連線、緊急停止處於啟動狀態。結果在任何設備動作之前，6 種狀況全部被擋下。

QuEra 的現場則是反方向的謹慎。Claude 只要察覺到一點風險就會停下來等待人工確認，甚至發生過遲遲等不到核可、實驗空轉一整晚的情況。負責人的評語是，過度謹慎的代理，總比不夠謹慎的來得好。

表態支援的陣容也在擴大。Amazon Web Services 透過 Strands Robots 提供支援，Tecan 正為 Fluent 加入支援，QIAGEN 在 QIAsymphony Connect 上進行驗證，MBF Bioscience 正為 ScanImage 撰寫驅動程式，Universal Robots、Doosan Robotics、Automata、Danaher 也都名列其中。Hugging Face 正把支援加進 LeRobot，Raspberry Pi 則在相機驅動程式測試成功後，準備把 MHS 整合進多款產品。

總結

MHS 把各廠儀器五花八門的控制方式，削到只剩讀寫原語，並把安全上限一併交給代理。整合時間壓縮到數小時甚至數分鐘，雷射復原達到 99.3%，PID 調校更勝過專家。另一方面，沒有可程式化介面的設備目前仍搆不著，因缺乏物理理解而失敗的案例也被如實記錄下來。現階段屬於研究預覽，需透過候補名單加入；Anthropic 表示會在規格更完備之後將其開源。