Anthropic 开源预览 Model Hardware Standard：让 Agent 像调 MCP 工具一样操作显微镜与机械臂
8/27 Anthropic 发布 Model Hardware Standard（MHS）研究预览：一套让 AI Agent 安全操作物理设备（显微镜、移液器、机械臂、激光系统）的共享规范。它本质是把 MCP 的「软件工具」范式搬到实验室与工厂——给每台设备写一个标准化驱动，用 read / write 这类原语让 Agent 发现并控制硬件，把原本几周甚至几个月的集成压到几小时。MHS 模型无关、计划开源，AWS、Doosan、Universal Robots、Hugging Face、Raspberry Pi 等已在接。Physical AI 的软件控制层正在成形。
MHS 是什么：给硬件写一个「驱动」，让它能被 Agent 发现
今天实验室里最反直觉的一件事是：设备并不缺智能，缺的是「互相说得上话」。一台显微镜、一台移液器、一台板读仪、一台机械臂，各自有各自的编程接口，要把它们串成一个能自动跑实验的工作流，往往要 specialists 写几周甚至几个月的定制集成。MHS 做的第一件事，就是给每台设备定义一个标准化驱动（driver）：一段在操作系统和硬件之间做翻译的软件，用一组极简原语——比如「read」表示读取温度、「write」表示设定温度——让任何硬件设备都能被理解、被执行。
更重要的是，这个驱动让设备以标准格式「可被发现的」。Agent 和设备可以在网络上互相发现，不需要中间再塞一个 bespoke 翻译程序。换句话说，MHS 把 MCP 在软件世界解决的问题（让 Agent 调工具）原样搬到了物理世界（让 Agent 操作仪器）。
read / write 原语：把显微镜、移液器、机械臂统一成同一套动词
MHS 驱动真正聪明的地方，是它把设备的「脾气」也写进了驱动。很多硬件特性在代码里看不出来——比如机械臂有多重，这直接决定 Agent 该用什么力度去搬才安全。MHS 允许用自然语言给设备打标签，用户可以自己写，也可以让 Agent 访谈用户后自动填充。驱动据此自动生成一份参考文件，列出设备能测什么、能调什么、强制哪些安全上限。
有了这份文件，Agent 才知道怎么安全地操作一台它从没见过的设备。控制机制有三条：MCP、命令行接口、以及代码文件（API）。三者协同，让跨多台设备的编排可以「一行代码」完成。当 Agent 需要跑长任务、或以快于自身在线推理的速度操作设备时，它还可以把多台设备的驱动命令串成代码文件，让设备自行执行，而不必每一步都等 Agent 推理。
集成从几周压到几小时：CMU、HHMI Janelia、QuEra 的真实数字
Anthropic 与 HHMI Janelia 联合发起这个项目，并拉了一圈早期合作方，数字相当具体。卡内基梅隆（CMU）把一个通常需要几周的完整集成在约 8 小时内搭好，串行稀释剂量响应实验比之前快约 3×；HHMI Janelia 把一套来自七家厂商、原本没有共享接口的双光子显微镜系统统一成单一界面，新接一台相机从「几天」变成「几分钟」；QuEra 的量子计算机让 Agent 接管部分激光系统，把激光「锁频」（lock）的成功率从 58% 提升到 99.3%，且无需人工干预。
这些不是演示级玩具。Genentech 用 MHS 自动化 BCA 蛋白检测，Claude 在没有实验自动化专家介入的情况下，自己选出最优流速参数（水 140 微升/秒、高黏度样本 10 微升/秒）；华盛顿大学用 MHS 搭起远程设备监控与 AI 监督的 qPCR；Tecan、QIAGEN、Danaher、MBF Bioscience 等都在把 MHS 驱动接进各自平台。硬件侧，AWS 通过 Strands Robots 支持、Doosan 与 Universal Robots 测机械臂、Hugging Face 把 MHS 接进 LeRobot、Raspberry Pi 在多个产品上验证 Camera 驱动。
不是机器人科学家：泡沫与激光锁暴露的物理直觉缺口
MHS 把集成时间压下来了，但 Anthropic 自己的实验也划了一道清楚的下限：Agent 仍然缺少物理、化学、生物的「直觉」。最典型的失败是泡沫——液体处理时出现气泡，Claude 一开始只会重启流程，反而让问题更糟，直到人类解释「这是物理层面的失效」，它才把这类知识吸收进去。QuEra 的激光锁虽然提升到 99.3%，但那是在受控光学系统里；一旦落到真实样本，物理世界的噪声不会因为你写了段确定性脚本就消失。
所以 MHS 不是「机器人科学家」，它解决的是连接与编排，而不是理解世界。它让 Agent 从「给建议」走向「执行物理工作流」，但执行质量的天花板，仍由设备本身与领域知识决定。Anthropic 也明确：没有可编程接口的设备目前用不了 MHS，且正式开源前会先做安全评估与防滥用路线。
谁该在意：MCP 范式从软件工具走向物理设备
判断这件事的分量，要看它卡在哪条趋势上。过去两年 MCP 把「Agent 调软件工具」标准化了；MHS 是同一思路在物理世界的延伸——而且它模型无关，Claude 能用，OpenAI 的模型、开源模型也能用。Barclays 在相关声明中估计，到 2035 年 AI 机器人市场规模可达约 1 万亿美元，实验室与工厂是除聊天之外最早落地的场景。
对 AI Infra 的启示更具体：当 Agent 能控制显微镜、移液器、机械臂，实时推理与低延迟边缘算力的需求场景会外溢到物理世界，超节点的服务边界从「数据中心」延伸到「实验室和工厂」。对中小研究团队，若 MHS 真开源，过去只有大药厂和科技巨头才用得起的自动化，可能第一次变得可负担。对国内具身智能与实验室自动化厂商，MHS 提供了一套可对照的事实标准——「避免把科学家锁死在单一硬件厂商」这句话，既是 Anthropic 的开放姿态，也是生态卡位的暗语。
