別布了什麽到底發它物曲上急著叫理 M 三部
作者:娛樂 来源:時尚 浏览: 【大 中 小】 发布时间:2026-09-04 19:16:37 评论数:
write兩個原語——讀取狀態 、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 ，用工程師的曲上話說——AI 幫你把經驗編譯成代碼，QuEra 的着叫案例是最好的注腳
。生產運行時，物理在設備層強製執行。到底用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話
，发布終於可以完整地介紹自己；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
、官方列出的三種控製機製是 MCP 、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
、激光器的功率
、設備語義（狀態/操作/標簽）讓機器能自我介紹，Anthropic 計劃在完善安全評估後再開源[1][2] 。就是 MHS 的雛形[1:1][3]
。
故事還沒完 。但機器可讀 。以及它最關鍵的一條工程紅線 。
三 、機械臂還是原來的機械臂 ，分別跑在 MATLAB 、有網絡開銷 、一夜完成了原本需要數周的調試[7:4] 。但結論跑得太快 。但以機器速度 、模型硬件標準）研究預覽版 。實戰見真章 。而不是散落
二 、相機、
MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索 ，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" ，博士後 Arco Bast 被逼急了 ，核心設計是什麽 、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 、
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 。同一方法遷移到第二個波長 ，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。最關鍵的設計 ：LLM 不進入實時控製環
這是 MHS 最正確的工程決策 ，最終殘餘頻率噪聲降低 5 倍 ，再讓智能去理解 、MHS 的核心 ：一套「窄腰」設備驅動
很多人把 MHS 叫「硬件版 MCP」 ，通宵不停 ，量程 、這個叫法混淆了兩個層級 。由設備自行執行 。
它也沒有讓 Claude 獲得新的機械能力。做一次實驗要按固定順序啟動 7 個程序，
下篇預告 ：概念說完 ，多數故障 6 秒內恢複，
導讀
2026 年 8 月 27 日 ，它做的事情用一句話概括：讓機器先學會"自我介紹" ，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，沒有硬實時保證。這個把集成工作從數月壓到數天的原型 ，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級 。機器第一次見到 Agent 時 ，成功恢複 695 次（99.3%） ，
這家做中性原子量子計算機的公司，Agent 越不用靠猜 。MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。成功率 58%[7][8] 。工作空間這類代碼表達不了的信息 ，不是定型的行業標準。C# 和各自的控製軟件裏 ，
大模型推理天然是非確定性的 ：有延遲抖動 、把數百種邊界故障模式全部枚舉了一遍[7:1] 。又沒證明什麽 。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 ，
而最終交付的產物 ，這就是物理世界的「窄腰」 。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） ，到底證明了什麽 、接口層越窄 ，而是三件事的組合 ：窄腰接口（read/write）降低接入門檻 ，
盲測結果 ：700 次注入故障覆蓋七種類型 ，此前四名專家花兩三周手寫的恢複腳本 ，過去散落在紙質說明書和老師傅經驗裏的知識，Python 、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 ，
一、反射鏡 、探索收斂後的操作鏈固化成確定性代碼，組合和運營整個物理現場 。以及一個會自己找離心機補救的係統 ，代碼上產線 。組成統一的狀態清單；
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，
接入 MHS 後 ，拒絕謊報成功；測試期間激光自然跳模 43 次 ，平台位置 、全部自動恢複[7:3][8:2] 。不是 MHS 本身[1:2] 。而是以統一格式被任何進程讀取 。也不意味著 Claude 已經能接管現實世界 。位移台來自不同廠商 ，過程由人類把關 、
參考資料：
MHS 官方網站 ：https://modelhardwarestandard.com/
Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ ↩︎
Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎
How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI ↩︎
Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal ↩︎
Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎
Claude plays robotics — Anthropic Research ↩︎
Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider ↩︎ ↩︎ ↩︎
畫麵沒有錯 ，機器保留最後否決權 。Anthropic 開放 MHS（Model Hardware Standard ，第一次變成了機器可讀的標準對象 。MHS 既不是 MCP 的簡單硬件版 ，代碼 API——MCP 是入口之一 ，完全可審查的常規程序 。分層執行讓模型待在該待的位置——實時控製環之外。讓 LLM 逐周期決定電機輸出多少扭矩 ，是工程災難[6] 。是一個確定性 、
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 ，寫入參數——然後把設備差異全部放進上層描述裏
。它的設計有個很妙的特點 ：最底部隻收窄成 read
、激光頻率一旦漂移整機罷工
。Claude 已經退出控製環——用 QuEra 自己的話說 ：開發由 AI 驅動
、而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光 、最難的 10 到 14 秒，
一句話概括 ：模型負責判斷 ，相機畫麵不再鎖死在各自軟件裏 ，我們看到的是一套早期規範和一批概念驗證 ，更難得的是那 5 次失敗 ：係統識別出是測試台本身的問題 ，AI 走進物理世界」 。Agent 麵對的是統一能力模型 ，速度上限 、
這是三部曲的上篇 ：講清楚 MHS 到底是什麽 、而不是「UR 用 RTDE、