在发布 MCP（模型上下文协议）21 个月后，Anthropic 于近日推出了自己的第二份标准——MHS（模型硬件标准），首次以标准形式表明 AI 走向硬件的态度。MHS 是一套类似 MCP 的协议，但连接的是模型与硬件，而非模型与应用。借助 MHS，智能体可以并行操作多种实验室、制造仪器及硬件设备，且不限制模型品牌，任何智能体框架都能通过标准协议接入。
MHS 的核心是一个标准化驱动程序，相当于在操作系统与硬件设备之间转换的软件层。通过简单的命令（如“读取”获取温度、“写入”设置温度），硬件设备能理解智能体需求并执行相应操作。装上驱动后，每台设备还能在智能体网络中主动“自我介绍”，用统一格式说明自身功能和可执行命令，其他设备可像搜索局域网打印机一样发现并直接对话。
这一标准的意义在于，它试图复制 MCP 的成功路径。MCP 于 2024 年 11 月发布，当时并未引起关注，但一年后已成为 AI 与软件世界接口的事实标准。如今，Anthropic 瞄准的是模型与硬件之间的连接标准，意图在硬件领域建立类似的主导地位。
MHS 为每台设备提供三样东西：一份永久说明书、连接转换口以及自修复能力。驱动包含标签，允许用户用自然语言写入设备使用指南，智能体可据此生成参考文件，了解设备能测什么、能调什么、以及安全措施。这解决了过去实验室或工厂中多设备通信的难题——以往每台设备有各自编程接口，集成需数周甚至数月，而 MHS 可将过程缩短至数小时甚至数分钟。
控制层面，MHS 提供三种机制：MCP、命令行界面和代码文件（API），三者协同，一行代码即可协调多台设备。智能体可接收设备运行数据、监控结果、调整参数，甚至将驱动命令写成代码文件让设备自主执行。此外，MHS 赋予硬件控制系统自修复能力，智能体能实时监测硬件运转，某些情况下无需人工干预即可从故障中恢复。
Anthropic 在测试中展示了 Claude 操作实验硬件的实例。例如，Claude 调整激光器时，通过摄像头观察结果、评估调整效果，并重复过程以理解事件顺序，最终将学习到的信息打包成确定性脚本，后续重复操作无需推理即可校准。在 QuEra 量子计算机的案例中，过去熟练工需 5 到 10 分钟修复激光锁定，四人团队数月编写的脚本成功率仅 58%；而通过 MHS，四个 Claude 智能体组成工作流，一晚迭代数百轮，将恢复时间从 150 秒缩至 6 秒，后续 700 次盲测成功率高达 99.3%，且调出的参数连续运行 19 小时零失锁，远超专家手调（平均每小时失锁 1.6 次）。最终 Claude 交出的是可审查的 Python 脚本，生产环境无需 AI 持续在场。
从 MHS 的框架看，Anthropic 与 OpenAI 对硬件采取了几乎相反的路线。OpenAI 走“从易到难”路线，先造可直接执行的 AI 硬件，如家庭智能音箱，从消费终端切入；Anthropic 则“自难而易”，直接瞄准精密科研设备操控，要求模型对物理世界有更深理解。此外，OpenAI 倾向于将模型塞进硬件（端侧模型），而 Anthropic 选择让智能体接入硬件。OpenAI 自造硬件、自用模型，生态偏封闭，有“苹果”路线之嫌；Anthropic 则聚焦上游软件层或协议层。不过，业界已有风声称 Anthropic 开始探索硬件研发，CNBC 报道其组建芯片团队，并挖来曾在 OpenAI、Meta、苹果任职的硬件高管 Caitlin Kalinowski。
当前 MHS 仍处于内测阶段，开发者需申请加入内测名单。Anthropic 表示正与科学、机器人、电子、制造领域的合作伙伴共享早期版本，在标准开源前共同构建安全评估、制定 AI 操作物理设备的最佳方式。
在 AI 硬件领域，2025 年 Plaud 出货破百万台点燃热潮，但 2026 年市场进入去泡沫阶段，投资人更谨慎，未再出现大爆款。然而，芯片厂商解决端侧算力、手机厂商解决模型终端工程问题，基础设施正逐步完善。OpenAI 和 Anthropic 的先后入场，可能在未来两年引发新一轮 AI 硬件小高潮。
有观点认为，新一轮 AI 硬件将更强调智能能力、多设备联动和交互体验升级，仅靠堆料和蹭概念的产品将难以生存。但直接进入“iPhone 时代”或许为时尚早，因为核心产品形态尚未出现。更可能的是出现“类手机”的硬件创新，或类似智能家居的“智能中枢”模式，连接各类 AI 硬件并拉通场景数据流。
对 Anthropic 而言，硬件接口之战可能比 MCP 更难。软件世界接受统一接口时各方受益，但硬件世界接口即入口，背后是设备、模型、数据和生意，大厂不会轻易让出。MHS 要成为公认标准，还需足够的技术实力和落地能力。标准之争，往往比技术之争更持久。