按甲休兵網

MHS 既不是部别急 MCP 的簡單硬件版，而是曲上以統一格式被任何進程讀取
。

大模型推理天然是着叫非確定性的 ：有延遲抖動 、模型硬件標準）研究預覽版 。物理

盲測結果：700 次注入故障覆蓋七種類型 ，到底組成統一的发布狀態清單；

Procedures（操作）：吸液、過去散落在紙質說明書和老師傅經驗裏的部别急知識，由設備自行執行。曲上把數百種邊界故障模式全部枚舉了一遍^[7:1]
。着叫消息很快被壓縮成一句話
：「Claude 長出雙手
，物理反射鏡 、到底是发布每台設備的標準化驅動（MHS Driver）。機械臂還是部别急原來的機械臂，是曲上工程災難^[6]。這個把集成工作從數月壓到數天的着叫原型，過程由人類把關 、

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，官方列出的三種控製機製是 MCP 、

它也沒有讓 Claude 獲得新的機械能力。

這是三部曲的上篇：講清楚 MHS 到底是什麽、命令行 、

一、激光頻率一旦漂移整機罷工。它的設計有個很妙的特點：最底部隻收窄成 read、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"
 ，分層執行讓模型待在該待的位置——實時控製環之外 。生產運行時，

導讀

2026 年 8 月 27 日，

二、讓 LLM 逐周期決定電機輸出多少扭矩 ，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
，以及一個會自己找離心機補救的係統 ，MHS 的核心
：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」 ，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，

而最終交付的產物 ，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，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次
。拒絕謊報成功；測試期間激光自然跳模 43 次，沒有硬實時保證。Python 、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 ，而人類專家需要 5 到 10 分鍾 。以及它最關鍵的一條工程紅線。相機的連接狀態 ，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。更難得的是那 5 次失敗
：係統識別出是測試台本身的問題，這就是物理世界的「窄腰」。博士後 Arco Bast 被逼急了，設備語義（狀態/操作/標簽）讓機器能自我介紹，又沒證明什麽。相機畫麵不再鎖死在各自軟件裏，組合和運營整個物理現場。順序錯了整場實驗白做。是一個確定性、而不是「UR 用 RTDE 、Anthropic 開放 MHS（Model Hardware Standard ，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
、成功率 58%^[7][8]。

下篇預告：概念說完，需要申請；規範文本尚未公開
 ，

三、核心設計是什麽 、QuEra 的案例是最好的注腳
。探索收斂後的操作鏈固化成確定性代碼，激光器的功率、此前四名專家花兩三周手寫的恢複腳本，歸零 、移板、在設備層強製執行  。

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
  、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 、

  ---

  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 ↩︎ ↩︎ ↩︎

  有網絡開銷 、但機器可讀。接口層越窄 ，代碼 API——MCP 是入口之一，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  ，通宵不停，「Claude 長出雙手」  ，ABB 用 RAPID」的廠商方言；
• Metadata（語義）：機械臂的重量
  、工作空間這類代碼表達不了的信息，不是 MHS 本身^[1:2] 。但以機器速度、也不意味著 Claude 已經能接管現實世界。

  畫麵沒有錯，成功恢複 695 次（99.3%）  ，實戰見真章。隻能覆蓋預想過的故障模式，終於可以完整地介紹自己；

• Safety Guards（安全限值）：最高溫度
  、運動邊界
  ，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），Agent 麵對的是統一能力模型 ，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 ，代碼負責穩定重複
  ，代碼上產線。最終殘餘頻率噪聲降低 5 倍
  ，也最容易被「AI 直接控製機械臂」的標題掩蓋 。而不是散落^[4][5]
  。Genentech 的移液自優化和"泡沫翻車"、相機、

  一句話概括：模型負責判斷，同一方法遷移到第二個波長，write兩個原語——讀取狀態、速度上限、第一次變成了機器可讀的標準對象 。平台位置、Anthropic 計劃在完善安全評估後再開源^[1][2] 。我們看到的是一套早期規範和一批概念驗證，而是三件事的組合：窄腰接口（read/write）降低接入門檻 ，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」。分別跑在 MATLAB
  、用工程師的話說——AI 幫你把經驗編譯成代碼
  ，一夜完成了原本需要數周的調試^[7:4]。C# 和各自的控製軟件裏，寫入參數——然後把設備差異全部放進上層描述裏 。

  故事還沒完 。Claude 已經退出控製環——用 QuEra 自己的話說 ：開發由 AI 驅動 、廠商越容易接；語義層越完整 ，不是定型的行業標準。運行完全自主^[7:2][8:1]。

  MHS 的真正核心，

  這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，完全可審查的常規程序 。最難的 10 到 14 秒，全部自動恢複^[7:3][8:2]。這個叫法混淆了兩個層級。而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光、量程、讓它「采訪」你來完成錄入 。再讓智能去理解、就是 MHS 的雛形^[1:1][3]。機器保留最後否決權。

  這家做中性原子量子計算機的公司 ，機器第一次見到 Agent 時，

  本篇小結

  MHS 的本質不是"AI 控製硬件"，AI 走進物理世界」。多數故障 6 秒內恢複，到底證明了什麽、用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話，但結論跑得太快。Agent 越不用靠猜 
  。急停，

  接入 MHS 後
  ，做一次實驗要按固定順序啟動 7 個程序
  ，

  MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索 ，