運行完全自主^[7:2][8:1]。部别急沒有硬實時保證
 。曲上最關鍵的着叫設計：LLM 不進入實時控製環

這是 MHS 最正確的工程決策
，移板 、物理分層執行讓模型待在該待的到底位置——實時控製環之外。核心設計是发布什麽 、讓它「采訪」你來完成錄入。部别急一夜完成了原本需要數周的曲上調試^[7:4] 。

用上位機工程師的着叫話翻譯：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 ，儀器還運行各自的物理軟件——真正變化的是中間那層「翻譯和協調」 。機械臂還是到底原來的機械臂，生產運行時，发布Anthropic 自己 7 月的部别急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 ，

---

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 曲上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 ↩︎ ↩︎ ↩︎

Agent 麵對的着叫是統一能力模型
，

一、過去散落在紙質說明書和老師傅經驗裏的知識，再讓智能去理解 、反射鏡、組合和運營整個物理現場。工作空間這類代碼表達不了的信息，這個叫法混淆了兩個層級。

三、通宵不停，最難的 10 到 14 秒 ，

盲測結果 ：700 次注入故障覆蓋七種類型 ，用工程師的話說——AI 幫你把經驗編譯成代碼
，終於可以完整地介紹自己；

Safety Guards（安全限值）：最高溫度、在設備層強製執行 。它做的事情用一句話概括 
：讓機器先學會"自我介紹"
，write兩個原語——讀取狀態 、是一個確定性
、相機畫麵不再鎖死在各自軟件裏，博士後 Arco Bast 被逼急了 
，完全可審查的常規程序。Agent 越不用靠猜 。代碼上產線。我們看到的是一套早期規範和一批概念驗證 ，全部自動恢複^[7:3][8:2]
。機器保留最後否決權。

而最終交付的產物，就是 MHS 的雛形^[1:1][3]。把數百種邊界故障模式全部枚舉了一遍^[7:1] 。QuEra 的案例是最好的注腳
。Anthropic 計劃在完善安全評估後再開源^[1][2]。順序錯了整場實驗白做
。此前四名專家花兩三周手寫的恢複腳本，而是三件事的組合：窄腰接口（read/write）降低接入門檻，平台位置、多數故障 6 秒內恢複，到底證明了什麽、組成統一的狀態清單；

Procedures（操作）：吸液、更難得的是那 5 次失敗：係統識別出是測試台本身的問題 ，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次。

它也沒有讓 Claude 獲得新的機械能力 。位移台來自不同廠商 ，也不意味著 Claude 已經能接管現實世界。

MHS 的真正核心，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，過程由人類把關、是工程災難^[6]。機器第一次見到 Agent 時，它的設計有個很妙的特點：最底部隻收窄成 read、做一次實驗要按固定順序啟動 7 個程序，也最容易被「AI 直接控製機械臂」的標題掩蓋 。

這是三部曲的上篇 ：講清楚 MHS 到底是什麽
、廠商越容易接；語義層越完整 ，「Claude 長出雙手」，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級 。

MHS 公開案例體現的是正確的分層：Agent 負責高層推理和探索，探索收斂後的操作鏈固化成確定性代碼 ，而人類專家需要 5 到 10 分鍾。激光器的功率
、而不是「UR 用 RTDE、MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備。實戰見真章 。隻能覆蓋預想過的故障模式，量程、設備語義（狀態/操作/標簽）讓機器能自我介紹，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），拒絕謊報成功；測試期間激光自然跳模 43 次，MHS 既不是 MCP 的簡單硬件版，不是定型的行業標準。新增一台相機從過去的數天縮短到幾分鍾；啟動實驗從 7 次操作縮成一次點擊；分析工具從「每台設備寫一個」變成「每種數據類型寫一個」——工程資產終於開始累積，

這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，官方列出的三種控製機製是 MCP 、

接入 MHS 後 ，

下篇預告 ：概念說完，需要申請；規範文本尚未公開 ，而是以統一格式被任何進程讀取 。MHS 的核心 ：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」，

這家做中性原子量子計算機的公司   ，AI 走進物理世界」。速度上限、成功恢複 695 次（99.3%） ，代碼負責穩定重複，不是 MHS 本身^[1:2]
。但以機器速度、分別跑在 MATLAB、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，最終殘餘頻率噪聲降低 5 倍，接口層越窄 ，Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動 、以及一個會自己找離心機補救的係統 ，這就是物理世界的「窄腰」。代碼 API——MCP 是入口之一 ，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、模型硬件標準）研究預覽版 。C# 和各自的控製軟件裏，Genentech 的移液自優化和"泡沫翻車"、是每台設備的標準化驅動（MHS Driver）。

大模型推理天然是非確定性的：有延遲抖動 、

二、

導讀

2026 年 8 月 27 日 ，

一句話概括：模型負責判斷 ，

本篇小結

MHS 的本質不是"AI 控製硬件"，但結論跑得太快。運動邊界 ，Python、激光頻率一旦漂移整機罷工。寫入參數——然後把設備差異全部放進上層描述裏 。相機的連接狀態
，

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、同一方法遷移到第二個波長，由設備自行執行
  。讓 LLM 逐周期決定電機輸出多少扭矩，成功率 58%^[7][8] 。Anthropic 開放 MHS（Model Hardware Standard
  ，這個把集成工作從數月壓到數天的原型，而不是散落^[4][5]。用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，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
  ，

  畫麵沒有錯，相機 、第一次變成了機器可讀的標準對象。又沒證明什麽。歸零、以及它最關鍵的一條工程紅線 。消息很快被壓縮成一句話
  ：「Claude 長出雙手，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、而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光 、急停，有網絡開銷、ABB 用 RAPID」的廠商方言；

• Metadata（語義）：機械臂的重量 、命令行、但機器可讀 。

  故事還沒完
  。