Anthropic 正在将其在软件领域建立的标准化方法扩展到物理世界。该公司于 8 月 29 日发布了 Model Hardware Standard（MHS），旨在为 AI 智能体提供一个统一接口，使其能够读取数据并控制显微镜、机械臂等实验室和工厂中的物理设备。这一举措被视为对其此前推出的 Model Context Protocol（MCP） 的延伸，后者为 AI 模型访问外部数据源和工具提供了标准方式。
在科研实验室和工厂中，设备往往来自不同制造商，使用不同的 API、数据格式和控制软件，连接这些设备通常需要耗费数周甚至数月的时间。Anthropic 表示，MHS 通过为每台设备配备标准化驱动程序，使其能够以通用格式被识别，从而将集成时间从数周或数月缩短至数小时甚至几分钟。该规范是与 HHMI Janelia Research Campus 合作开发的，目前以研究预览形式向部分实验室和制造商开放，并计划后续进行开源发布。
MHS 的设计理念是“一设备一驱动”，而非为每种设备组合定制集成方案。每个设备都拥有一个 MHS 驱动程序，统一了读取和修改数据等基本功能。驱动程序还能包含软件无法捕捉的物理细节，如机械臂的重量或安全限制。用户可以用自然语言添加这些信息，MHS 会将其转换为智能体可参考的文件。这样，智能体就能通过单一接口操作从未见过的设备，并了解其能力和限制。
Anthropic 强调，MHS 是模型无关的，适用于任何具有可编程接口的设备。智能体可以协调多个设备，并将工作流程保存为常规脚本，这些脚本在无需语言模型的情况下也能运行。
在早期测试中，Anthropic 与多家合作伙伴验证了 MHS 的实际效果。在生物技术公司 Genentech，Claude 协调了液体处理器、机械臂和读板机，自动化了蛋白质测定实验。智能体自主优化了不同液体的移液参数，但在处理粘稠溶液时遇到气泡问题，导致错误。Claude 反复在同一容器中调整参数重启流程，反而使情况恶化，最终在人类解释物理原因后才找到解决方案。
在 卡内基梅隆大学，研究人员将液体处理器、读板机、机械臂和多个监控摄像头连接到三台接口根本不相容的计算机上。团队表示，构建驱动程序和编排层耗时约 8 小时，而供应商通常需要数周。Claude 还注意到首次实验未产生足够好的测量曲线，自动降低了测试物质的最高浓度，并在第二次尝试中获得了更好的结果。
在量子计算公司 QuEra，Claude 通过 MHS 在数百次自动运行中开发了一个控制程序，使激光在干扰后恢复到稳定运行状态。在盲测中，该脚本在 700 次尝试中成功了 695 次，成功率达 99.3%，且完全在无语言模型参与的情况下自主运行。不过，这三个案例均来自 Anthropic 展示的合作伙伴项目，尚未经过独立验证。
Anthropic 承认，由于 Claude 通过文本和图像学习物理世界，其空间和物理推理能力存在局限，仍需专家监督。在 Genentech 的测试中，研究人员不得不引导 Claude 认识到泡沫引起的错误是物理故障而非软件缺陷。在研究预览期间，公司计划与合作伙伴构建额外的安全评估，并制定物理安全路线图以防止滥用。
如果这一方法得以实现，AI 智能体将能更轻松地超越纯数字任务，进入实验室、工厂等物理系统。目前，包括 AWS、Doosan Robotics、QIAGEN、Tecan、Universal Robots、Hugging Face 和 Raspberry Pi 在内的多家制造商和组织已在构建 MHS 支持或测试该规范。