Anthropic 正在將其在軟體領域建立的標準化方法擴充套件到物理世界。該公司於 8 月 29 日釋出了 Model Hardware Standard（MHS），旨在為 AI 智慧體提供一個統一介面，使其能夠讀取資料並控制顯微鏡、機械臂等實驗室和工廠中的物理裝置。這一舉措被視為對其此前推出的 Model Context Protocol（MCP） 的延伸，後者為 AI 模型訪問外部資料來源和工具提供了標準方式。
在科研實驗室和工廠中，裝置往往來自不同製造商，使用不同的 API、資料格式和控制軟體，連線這些裝置通常需要耗費數週甚至數月的時間。Anthropic 表示，MHS 通過為每台裝置配備標準化驅動程式，使其能夠以通用格式被識別，從而將整合時間從數週或數月縮短至數小時甚至幾分鐘。該規範是與 HHMI Janelia Research Campus 合作開發的，目前以研究預覽形式向部分實驗室和製造商開放，並計劃後續進行開源釋出。
MHS 的設計理念是“一裝置一驅動”，而非為每種裝置組合定製整合方案。每個裝置都擁有一個 MHS 驅動程式，統一了讀取和修改資料等基本功能。驅動程式還能包含軟體無法捕捉的物理細節，如機械臂的重量或安全限制。使用者可以用自然語言新增這些資訊，MHS 會將其轉換為智慧體可參考的檔案。這樣，智慧體就能通過單一介面操作從未見過的裝置，並瞭解其能力和限制。
Anthropic 強調，MHS 是模型無關的，適用於任何具有可程式設計介面的裝置。智慧體可以協調多個裝置，並將工作流程儲存為常規指令碼，這些指令碼在無需語言模型的情況下也能執行。
在早期測試中，Anthropic 與多家合作伙伴驗證了 MHS 的實際效果。在生物技術公司 Genentech，Claude 協調了液體處理器、機械臂和讀板機，自動化了蛋白質測定實驗。智慧體自主優化了不同液體的移液引數，但在處理粘稠溶液時遇到氣泡問題，導致錯誤。Claude 反覆在同一容器中調整引數重啟流程，反而使情況惡化，最終在人類解釋物理原因後才找到解決方案。
在 卡內基梅隆大學，研究人員將液體處理器、讀板機、機械臂和多個監控攝像頭連線到三台介面根本不相容的計算機上。團隊表示，構建驅動程式和編排層耗時約 8 小時，而供應商通常需要數週。Claude 還注意到首次實驗未產生足夠好的測量曲線，自動降低了測試物質的最高濃度，並在第二次嘗試中獲得了更好的結果。
在量子計算公司 QuEra，Claude 通過 MHS 在數百次自動執行中開發了一個控制程式，使雷射在干擾後恢復到穩定執行狀態。在盲測中，該指令碼在 700 次嘗試中成功了 695 次，成功率達 99.3%，且完全在無語言模型參與的情況下自主執行。不過，這三個案例均來自 Anthropic 展示的合作伙伴專案，尚未經過獨立驗證。
Anthropic 承認，由於 Claude 通過文本和影像學習物理世界，其空間和物理推理能力存在侷限，仍需專家監督。在 Genentech 的測試中，研究人員不得不引導 Claude 認識到泡沫引起的錯誤是物理故障而非軟體缺陷。在研究預覽期間，公司計劃與合作伙伴構建額外的安全評估，並制定物理安全路線圖以防止濫用。
如果這一方法得以實現，AI 智慧體將能更輕鬆地超越純數字任務，進入實驗室、工廠等物理系統。目前，包括 AWS、Doosan Robotics、QIAGEN、Tecan、Universal Robots、Hugging Face 和 Raspberry Pi 在內的多家制造商和組織已在構建 MHS 支援或測試該規範。