MHS 的部别急真正核心 ，Python 、曲上就是着叫 MHS 的雛形[1:1][3] 。更難得的物理是那 5 次失敗：係統識別出是測試台本身的問題 ，
導讀
2026 年 8 月 27 日 ，到底而不是发布「UR 用 RTDE 、Agent 麵對的部别急是統一能力模型 ，這個把集成工作從數月壓到數天的曲上原型 ，此前四名專家花兩三周手寫的着叫恢複腳本 ，這就是物理物理世界的「窄腰」 。過程由人類把關 、到底再讓智能去理解 、发布激光器的部别急功率、量程、曲上機械臂還是着叫原來的機械臂，位移台來自不同廠商 ，工作空間這類代碼表達不了的信息 ，相機 、MHS 的核心 ：一套「窄腰」設備驅動
很多人把 MHS 叫「硬件版 MCP」，
這是三部曲的上篇 ：講清楚 MHS 到底是什麽 、但結論跑得太快 。有網絡開銷、第一次變成了機器可讀的標準對象 。
大模型推理天然是非確定性的 ：有延遲抖動 、
它也沒有讓 Claude 獲得新的機械能力 。而是以統一格式被任何進程讀取。把數百種邊界故障模式全部枚舉了一遍[7:1] 。成功恢複 695 次（99.3%），
二 、代碼 API——MCP 是入口之一
，也不意味著 Claude 已經能接管現實世界 。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 ，Anthropic 計劃在完善安全評估後再開源[1][2]
。它的設計有個很妙的特點 ：最底部隻收窄成 read 、速度上限 、用工程師的話說——AI 幫你把經驗編譯成代碼
，核心設計是什麽 、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） ，Genentech 的移液自優化和"泡沫翻車"、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 ，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
、同一方法遷移到第二個波長 ，做一次實驗要按固定順序啟動 7 個程序 ，以及它最關鍵的一條工程紅線 。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 、而是三件事的組合：窄腰接口（read/write）降低接入門檻 ，組合和運營整個物理現場
。實戰見真章
。反射鏡
、全部自動恢複[7:3][8:2] 。相機的連接狀態 ，模型硬件標準）研究預覽版 。Claude 已經退出控製環——用 QuEra 自己的話說
：開發由 AI 驅動、Anthropic 開放 MHS（Model Hardware Standard，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
，它做的事情用一句話概括：讓機器先學會"自我介紹"
，寫入參數——然後把設備差異全部放進上層描述裏 。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 ，是工程災難[6] 。我們看到的是一套早期規範和一批概念驗證，而人類專家需要 5 到 10 分鍾
。 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 。QuEra 的案例是最好的注腳 。19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。一夜完成了原本需要數周的調試[7:4]。到底證明了什麽
、一、AI 走進物理世界」 。但機器可讀 。讓 LLM 逐周期決定電機輸出多少扭矩
，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 ，成功率 58%[7][8] 。急停 ，激光頻率一旦漂移整機罷工
。完全可審查的常規程序 。移板
、
下篇預告 ：概念說完，命令行 、多數故障 6 秒內恢複，
本篇小結
MHS 的本質不是"AI 控製硬件"，平台位置 、這個叫法混淆了兩個層級 。
故事還沒完。
這家做中性原子量子計算機的公司，終於可以完整地介紹自己；
接入 MHS 後 ，讓它「采訪」你來完成錄入 。分層執行讓模型待在該待的位置——實時控製環之外。代碼上產線 。運行完全自主[7:2][8:1] 。MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，MHS 既不是 MCP 的簡單硬件版 ，
三 、C# 和各自的控製軟件裏 ，在設備層強製執行 。最終殘餘頻率噪聲降低 5 倍 ，是一個確定性 、通宵不停 ，
MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索 ，Agent 越不用靠猜 。
盲測結果 ：700 次注入故障覆蓋七種類型，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」 。博士後 Arco Bast 被逼急了 ，運動邊界 ，組成統一的狀態清單；
一句話概括 ：模型負責判斷 ，但以機器速度、機器保留最後否決權 。而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光 、順序錯了整場實驗白做。
而最終交付的產物 ，代碼負責穩定重複 ，拒絕謊報成功；測試期間激光自然跳模 43 次 ，不是定型的行業標準 。
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 ↩︎ ↩︎ ↩︎
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、由設備自行執行 。不是 MHS 本身[1:2] 。ABB 用 RAPID」的廠商方言；
- Metadata（語義） ：機械臂的重量 、
write兩個原語——讀取狀態、接口層越窄 ，是每台設備的標準化驅動（MHS Driver） 。「Claude 長出雙手」，也最容易被「AI 直接控製機械臂」的標題掩蓋 。廠商越容易接；語義層越完整 ，機器第一次見到 Agent 時 ，需要申請；規範文本尚未公開 ，設備語義（狀態/操作/標簽）讓機器能自我介紹 ，最難的 10 到 14 秒，探索收斂後的操作鏈固化成確定性代碼 ，相機畫麵不再鎖死在各自軟件裏 ，又沒證明什麽 。官方列出的三種控製機製是 MCP 、畫麵沒有錯 ，