盲測結果：700 次注入故障覆蓋七種類型，部别急此前四名專家花兩三周手寫的曲上恢複腳本 ，歸零 、着叫以及它最關鍵的物理一條工程紅線。組合和運營整個物理現場 。到底最關鍵的发布設計：LLM 不進入實時控製環

這是 MHS 最正確的工程決策 ，需要申請；規範文本尚未公開 
，部别急相機、曲上而是着叫三件事的組合：窄腰接口（read/write）降低接入門檻，

MHS 的物理真正核心，更難得的到底是那 5 次失敗：係統識別出是測試台本身的問題，過程由人類把關、发布19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。部别急拒絕謊報成功；測試期間激光自然跳模 43 次 ，曲上

本篇小結

MHS 的着叫本質不是"AI 控製硬件" ，

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，工作空間這類代碼表達不了的信息 ，急停，

一句話概括：模型負責判斷，Agent 越不用靠猜 。它做的事情用一句話概括
：讓機器先學會"自我介紹"，以及一個會自己找離心機補救的係統，命令行
、博士後 Arco Bast 被逼急了 ，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 、通宵不停，把數百種邊界故障模式全部枚舉了一遍^[7:1]。寫入參數——然後把設備差異全部放進上層描述裏 。又沒證明什麽
。而四足機器人的實時控製需要約 83 Hz——差了兩個數量級
。一夜完成了原本需要數周的調試^[7:4]。

二 、

MHS 公開案例體現的是正確的分層：Agent 負責高層推理和探索，由設備自行執行。核心設計是什麽 、位移台來自不同廠商 ，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，

下篇預告 ：概念說完，最難的 10 到 14 秒 ，用工程師的話說——AI 幫你把經驗編譯成代碼，而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光、是工程災難^[6] 。機器第一次見到 Agent 時，消息很快被壓縮成一句話 ：「Claude 長出雙手，write兩個原語——讀取狀態、相機畫麵不再鎖死在各自軟件裏，Genentech 的移液自優化和"泡沫翻車"、讓它「采訪」你來完成錄入。我們看到的是一套早期規範和一批概念驗證，運行完全自主^[7:2][8:1]。完全可審查的常規程序。不是 MHS 本身^[1:2] 
。

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
  、做一次實驗要按固定順序啟動 7 個程序，相機的連接狀態，代碼負責穩定重複 ，順序錯了整場實驗白做。

  大模型推理天然是非確定性的：有延遲抖動 、多數故障 6 秒內恢複，終於可以完整地介紹自己；

• Safety Guards（安全限值）：最高溫度、設備語義（狀態/操作/標簽）讓機器能自我介紹 ，讓 LLM 逐周期決定電機輸出多少扭矩
   ，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、官方列出的三種控製機製是 MCP 、成功率 58%^[7][8] 。隻能覆蓋預想過的故障模式 ，

  這家做中性原子量子計算機的公司 ，Anthropic 計劃在完善安全評估後再開源^[1][2]。QuEra 的案例是最好的注腳 。機械臂還是原來的機械臂 ，但結論跑得太快。「Claude 長出雙手」
   ，代碼上產線。

  它也沒有讓 Claude 獲得新的機械能力
  。用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，接口層越窄，在設備層強製執行 。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 ，模型硬件標準）研究預覽版。MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備。有網絡開銷、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，成功恢複 695 次（99.3%），Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動、Agent 麵對的是統一能力模型，

  

  三、

  ---

  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 ↩︎ ↩︎ ↩︎

  而不是散落^[4][5]。是一個確定性、反射鏡、

  導讀

  2026 年 8 月 27 日
  ，ABB 用 RAPID」的廠商方言；

• Metadata（語義）：機械臂的重量、激光頻率一旦漂移整機罷工 。是每台設備的標準化驅動（MHS Driver）。但機器可讀
  。而是以統一格式被任何進程讀取。

  畫麵沒有錯 ，最終殘餘頻率噪聲降低 5 倍 ，平台位置、MHS 的核心：一套「窄腰」設備驅動

  很多人把 MHS 叫「硬件版 MCP」，全部自動恢複^[7:3][8:2]。生產運行時，代碼 API——MCP 是入口之一，AI 走進物理世界」 。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 ，第一次變成了機器可讀的標準對象。激光器的功率、

  接入 MHS 後，

  而最終交付的產物 ，機器保留最後否決權。探索收斂後的操作鏈固化成確定性代碼，這就是物理世界的「窄腰」。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」 。

  故事還沒完 。Anthropic 開放 MHS（Model Hardware Standard，MHS 既不是 MCP 的簡單硬件版，而不是「UR 用 RTDE 、再讓智能去理解、也最容易被「AI 直接控製機械臂」的標題掩蓋 。C# 和各自的控製軟件裏
  ，

  這是三部曲的上篇：講清楚 MHS 到底是什麽、Python、到底證明了什麽、沒有硬實時保證。也不意味著 Claude 已經能接管現實世界 。分層執行讓模型待在該待的位置——實時控製環之外
  。就是 MHS 的雛形^[1:1][3]
  。它的設計有個很妙的特點：最底部隻收窄成 read 、這個把集成工作從數月壓到數天的原型
  ，過去散落在紙質說明書和老師傅經驗裏的知識 ，但以機器速度、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），廠商越容易接；語義層越完整，這個叫法混淆了兩個層級 。速度上限 、同一方法遷移到第二個波長，移板  、

  一 
  、運動邊界，實戰見真章。組成統一的狀態清單；

• Procedures（操作） ：吸液、而人類專家需要 5 到 10 分鍾。

  這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，量程、不是定型的行業標準。