人工智能公司Anthropic于8月27日发布Model Hardware Standard（模型硬件标准，简称MHS）研究预览版，试图为AI Agent操作实验室设备、机械臂等真实物理硬件建立一套标准化接口规范。该标准目前正向首批科研实验室和先进制造企业开放，标志着这家以大模型和软件Agent见长的公司开始将触角延伸至物理世界的设备互联领域。
在Anthropic披露的测试中，卡内基梅隆大学一个自动化实验系统被用作验证场景。该系统由一台机械臂、一台移液工作站、一台读板机及若干监控摄像头组成，分别由三台电脑控制。移液工作站使用旧式Windows接口，读板机甚至没有可供程序调用的接口，只能操作屏幕上的图形界面。研究人员为这些设备接入统一的硬件接口，由Claude Opus 4.8安排运行顺序：移液工作站制备样本，摄像头确认孔板位置，机械臂将孔板送至读板机，模型读取测量结果并决定是否调整浓度范围后重新实验。整个流程从设备准备到获得一条完成自主重跑的稀释曲线耗时约8小时，而由供应商搭建类似系统通常需要数周。
MHS的设计思路与其此前发布的Model Context Protocol（MCP）一脉相承。2024年11月，Anthropic推出MCP，解决AI应用连接外部数据和软件工具的问题，开发者可将数据库、代码仓库或业务系统接入其中。MHS沿用了相近思路，只是接口另一端从软件和数据换成了真实设备。按照Anthropic公布的设计，MHS在设备原有控制方式之上增加一层标准化接口，将状态和操作整理为读取、写入等基础指令，例如读取温度或设置温度。同时，设备能够测量什么、哪些参数可调整、机械臂承重及安全限制等信息，被写入设备描述文件，供Agent读取参考。
MHS并非机器人操作系统，也不负责关节级实时控制。在测试场景中，MHS位于设备的控制系统之上，需要高速执行或长时间运行时，Agent会生成确定性代码，再交由设备和既有控制系统执行。今年7月，Anthropic曾公开测试Claude控制模拟人形机器人、机械臂及真实的宇树Go2四足机器人。测试结果显示，同一模型直接控制关节大多失败，而改用预训练控制器、机器人Policy或更高层工具后表现明显改善。这意味着面对复杂机器人数十甚至上百个关节的高频实时控制需求，MHS采用分层分工：模型负责高层理解、安排和调整，底层动作仍由控制器和确定性软件执行。
MHS的雏形诞生于霍华德·休斯医学研究所Janelia研究园区。一套用于斑马鱼成像的显微系统由不同厂商的激光器、扫描镜、探测器和位移台组成，相关设备分别运行MATLAB、Python和C#程序。研究人员需按固定顺序启动七个程序，顺序出错可能导致整次实验失败，且不同程序之间无法感知彼此状态。最初研究人员制作了一个共享内存字典让仪器交换状态，Anthropic随后参与并将AI模型接入该接口，MHS逐渐成形。Janelia研究人员称，过去接入一台新设备通常需要数天，采用这套方式后，一台用于观察激光光束的新相机仅用几分钟即完成接入，启动实验从依次打开七个程序简化为一次点击。
MHS所面对的并非一片空白。机器人和工业自动化领域已有成熟接口体系，ROS生态中的ros2_control提供硬件抽象和读写接口，工业自动化领域的OPC UA可描述设备、变量、方法及对象关系。今年4月，OPC Foundation宣布将超过430套OPC UA Companion Specifications转换为适合RAG、MCP和AI辅助工程使用的格式，目标之一是让OPC UA成为Agentic AI与工业自动化之间的语义层。两条路线正在靠近：一边是工业接口组织让既有设备和数据更容易被AI读取，另一边是Anthropic从AI侧向下延伸至设备层。
目前公开参与MHS的公司主要为少数设备厂商，其中包括机器人公司Hugging Face。MHS已超出一份概念文档，但尚不足以证明其将成为行业共同选择。科研实验、小批量制造及频繁换线场景中，任务可能临时调整，下一步使用哪台设备、修改哪个参数需根据实时数据重新决定。Agent进入这类系统后，不仅需要知道如何启动机器，还需了解机器当前状态、样品位置、可执行动作及参数边界。若每种模型与每台设备之间都需重新开发专用接口，这种工作方式难以规模化，MHS试图解决的正是这一层摩擦。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
