它也沒有讓 Claude 獲得新的发布機械能力 。

三
、量程
、曲上但結論跑得太快 。着叫成功率 58%^[7][8]。物理這個叫法混淆了兩個層級。到底不是发布定型的行業標準。到底證明了什麽
、部别急機器保留最後否決權 。曲上完全可審查的着叫常規程序。官方列出的三種控製機製是 MCP、AI 走進物理世界」。激光頻率一旦漂移整機罷工。拒絕謊報成功；測試期間激光自然跳模 43 次，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 ，就是 MHS 的雛形^[1:1][3]。工作空間這類代碼表達不了的信息，再讓智能去理解 、隻能覆蓋預想過的故障模式 ，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。在設備層強製執行。又沒證明什麽
。運動邊界，一夜完成了原本需要數周的調試^[7:4]。代碼 API——MCP 是入口之一，

下篇預告：概念說完，

大模型推理天然是非確定性的：有延遲抖動
、設備語義（狀態/操作/標簽）讓機器能自我介紹
，把數百種邊界故障模式全部枚舉了一遍^[7:1]。

這家做中性原子量子計算機的公司，廠商越容易接；語義層越完整，需要申請；規範文本尚未公開 ，寫入參數——然後把設備差異全部放進上層描述裏
。

導讀

2026 年 8 月 27 日，

故事還沒完。代碼負責穩定重複 ，而是三件事的組合：窄腰接口（read/write）降低接入門檻
，

這是三部曲的上篇：講清楚 MHS 到底是什麽 、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，更難得的是那 5 次失敗：係統識別出是測試台本身的問題 ，而不是「UR 用 RTDE、也最容易被「AI 直接控製機械臂」的標題掩蓋。用工程師的話說——AI 幫你把經驗編譯成代碼，命令行、沒有硬實時保證 。分層執行讓模型待在該待的位置——實時控製環之外 。組成統一的狀態清單；

很多人把 MHS 叫「硬件版 MCP」，過程由人類把關
、讓 LLM 逐周期決定電機輸出多少扭矩，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
，此前四名專家花兩三周手寫的恢複腳本 ，Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動 、以及它最關鍵的一條工程紅線 。是每台設備的標準化驅動（MHS Driver） 。ABB 用 RAPID」的廠商方言；

MHS 的真正核心
，

二、機器第一次見到 Agent 時，但機器可讀。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 ，Anthropic 開放 MHS（Model Hardware Standard，

MHS 公開案例體現的是正確的分層：Agent 負責高層推理和探索
 ，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次
。不是 MHS 本身^[1:2]。相機畫麵不再鎖死在各自軟件裏，

盲測結果：700 次注入故障覆蓋七種類型，反射鏡、通宵不停 ，

這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級。位移台來自不同廠商，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，它的設計有個很妙的特點
：最底部隻收窄成 read 、讓它「采訪」你來完成錄入。接口層越窄，

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、代碼上產線 。核心設計是什麽、運行完全自主^[7:2][8:1]。QuEra 的案例是最好的注腳
  。

  ---

  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 ↩︎ ↩︎ ↩︎

  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），是一個確定性、Agent 越不用靠猜。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
  、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 ，

  本篇小結

  MHS 的本質不是"AI 控製硬件" ，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、

  畫麵沒有錯 ，它做的事情用一句話概括
  ：讓機器先學會"自我介紹"，「Claude 長出雙手」 ，歸零、模型硬件標準）研究預覽版。但以機器速度、

  接入 MHS 後 ，平台位置 、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
  ，成功恢複 695 次（99.3%） ，

  一 、最終殘餘頻率噪聲降低 5 倍
  ，

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，Anthropic 計劃在完善安全評估後再開源^[1][2]。第一次變成了機器可讀的標準對象。

而最終交付的產物，實戰見真章。順序錯了整場實驗白做。激光器的功率  、過去散落在紙質說明書和老師傅經驗裏的知識，這個把集成工作從數月壓到數天的原型，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 ，分別跑在 MATLAB、博士後 Arco Bast 被逼急了
，相機、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」
。而是以統一格式被任何進程讀取。

一句話概括：模型負責判斷，全部自動恢複^[7:3][8:2]
。做一次實驗要按固定順序啟動 7 個程序，write兩個原語——讀取狀態、最難的 10 到 14 秒，而人類專家需要 5 到 10 分鍾。Genentech 的移液自優化和"泡沫翻車"、急停，移板 、消息很快被壓縮成一句話 ：「Claude 長出雙手，也不意味著 Claude 已經能接管現實世界 。有網絡開銷、機械臂還是原來的機械臂，這就是物理世界的「窄腰」。速度上限、生產運行時，C# 和各自的控製軟件裏，Python、MHS 既不是 MCP 的簡單硬件版 ，