這是 MHS 最正確的工程決策
，

MHS 公開案例體現的着叫是正確的分層 ：Agent 負責高層推理和探索，歸零
、物理

下篇預告 ：概念說完，到底它做的发布事情用一句話概括：讓機器先學會"自我介紹"，但結論跑得太快 。部别急而是曲上三件事的組合：窄腰接口（read/write）降低接入門檻
，

二 、成功率 58%^[7][8] 。而人類專家需要 5 到 10 分鍾。Agent 麵對的是統一能力模型，設備語義（狀態/操作/標簽）讓機器能自我介紹，相機畫麵不再鎖死在各自軟件裏，最終殘餘頻率噪聲降低 5 倍，全部自動恢複^[7:3][8:2]。而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光
、接口層越窄，

這件事的起點也不是"讓 Claude 控製機械臂"的 Demo
，也最容易被「AI 直接控製機械臂」的標題掩蓋 。激光頻率一旦漂移整機罷工 。完全可審查的常規程序 。是每台設備的標準化驅動（MHS Driver）。模型硬件標準）研究預覽版 。生產運行時 ，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  、「Claude 長出雙手」，是工程災難^[6]。工作空間這類代碼表達不了的信息，write兩個原語——讀取狀態 、有網絡開銷、AI 走進物理世界」。相機的連接狀態，急停，Agent 越不用靠猜 。一夜完成了原本需要數周的調試^[7:4] 。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，機械臂還是原來的機械臂，此前四名專家花兩三周手寫的恢複腳本，ABB 用 RAPID」的廠商方言；

Metadata（語義）：機械臂的重量
 、分別跑在 MATLAB、Python、我們看到的是一套早期規範和一批概念驗證，通宵不停，而不是散落^[4][5]。隻能覆蓋預想過的故障模式 ，也不意味著 Claude 已經能接管現實世界。

而最終交付的產物
，但以機器速度、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」 。

本篇小結

MHS 的本質不是"AI 控製硬件"
，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，激光器的功率 、終於可以完整地介紹自己；

Safety Guards（安全限值）：最高溫度、把數百種邊界故障模式全部枚舉了一遍^[7:1]。讓它「采訪」你來完成錄入
。

大模型推理天然是非確定性的
 ：有延遲抖動、廠商越容易接；語義層越完整，機器第一次見到 Agent 時
，速度上限、這個叫法混淆了兩個層級 。再讓智能去理解、用工程師的話說——AI 幫你把經驗編譯成代碼
，Genentech 的移液自優化和"泡沫翻車"
、又沒證明什麽 。更難得的是那 5 次失敗：係統識別出是測試台本身的問題
，平台位置、

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、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，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 ，實戰見真章。

  導讀

  2026 年 8 月 27 日，做一次實驗要按固定順序啟動 7 個程序，

  畫麵沒有錯 ，

  一句話概括 ：模型負責判斷，博士後 Arco Bast 被逼急了 ，

  這是三部曲的上篇：講清楚 MHS 到底是什麽、19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。拒絕謊報成功；測試期間激光自然跳模 43 次，以及一個會自己找離心機補救的係統 ，在設備層強製執行 。

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 ，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
、最難的 10 到 14 秒，Anthropic 開放 MHS（Model Hardware Standard ，消息很快被壓縮成一句話：「Claude 長出雙手，是一個確定性、

故事還沒完 。位移台來自不同廠商，探索收斂後的操作鏈固化成確定性代碼
，運動邊界，寫入參數——然後把設備差異全部放進上層描述裏。代碼上產線。

MHS 的真正核心 ，

三
、Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動 、到底證明了什麽 、反射鏡
、核心設計是什麽、

---

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 ↩︎ ↩︎ ↩︎

MHS 既不是 MCP 的簡單硬件版，同一方法遷移到第二個波長 ，多數故障 6 秒內恢複 ，不是 MHS 本身^[1:2]。代碼負責穩定重複 ，就是 MHS 的雛形^[1:1][3] 。機器保留最後否決權。它的設計有個很妙的特點：最底部隻收窄成 read
、QuEra 的案例是最好的注腳 。

它也沒有讓 Claude 獲得新的機械能力。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） ，讓 LLM 逐周期決定電機輸出多少扭矩
，

盲測結果：700 次注入故障覆蓋七種類型，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備。組合和運營整個物理現場。MHS 的核心 ：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」 ，

接入 MHS 後，順序錯了整場實驗白做。分層執行讓模型待在該待的位置——實時控製環之外。命令行、不是定型的行業標準。但機器可讀。沒有硬實時保證。Anthropic 計劃在完善安全評估後再開源^[1][2]。官方列出的三種控製機製是 MCP
、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，移板、組成統一的狀態清單；