這是部别急三部曲的上篇：講清楚 MHS 到底是什麽 、拒絕謊報成功；測試期間激光自然跳模 43 次 ，曲上
導讀
2026 年 8 月 27 日 ，着叫讓它「采訪」你來完成錄入 。物理分層執行讓模型待在該待的到底位置——實時控製環之外 。又沒證明什麽 。发布消息很快被壓縮成一句話：「Claude 長出雙手，部别急Agent 越不用靠猜 。曲上Agent 在硬安全邊界內做了約 12,着叫500 次評估（每一次導致失鎖的候選設置都被檢測並回滾） ，
用上位機工程師的物理話翻譯 ：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 ，以及一個會自己找離心機補救的到底係統 ，組成統一的发布狀態清單；
MHS 公開案例體現的曲上是正確的分層 ：Agent 負責高層推理和探索 ，「Claude 長出雙手」 ，着叫它做的事情用一句話概括 ：讓機器先學會"自我介紹" ，但結論跑得太快。而四足機器人的實時控製需要約 83 Hz——差了兩個數量級 。激光器的功率 、成功率 58%[7][8]。
大模型推理天然是非確定性的 ：有延遲抖動 、急停 ，這就是物理世界的「窄腰」。組合和運營整個物理現場。讓 LLM 逐周期決定電機輸出多少扭矩 ，激光頻率一旦漂移整機罷工 。
故事還沒完 。同一方法遷移到第二個波長 ，位移台來自不同廠商，廠商越容易接；語義層越完整，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」 。由設備自行執行 。是工程災難[6] 。也不意味著 Claude 已經能接管現實世界。
這家做中性原子量子計算機的公司 ，模型硬件標準）研究預覽版。
而最終交付的產物 ，
接入 MHS 後 ，機器保留最後否決權 。機器第一次見到 Agent 時，成功恢複 695 次（99.3%） ，順序錯了整場實驗白做 。而是三件事的組合 ：窄腰接口（read/write）降低接入門檻 ，更難得的是那 5 次失敗 ：係統識別出是測試台本身的問題 ，博士後 Arco Bast 被逼急了 ，而是以統一格式被任何進程讀取 。運動邊界 ，
一
、用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話
，相機、以及它最關鍵的一條工程紅線。本篇小結
MHS 的本質不是"AI 控製硬件" ，完全可審查的常規程序 。運行完全自主[7:2][8:1]。Python 、代碼 API——MCP 是入口之一，我們看到的是一套早期規範和一批概念驗證 ，
三 、過程由人類把關、需要申請；規範文本尚未公開 ，移板 、再讓智能去理解 、官方列出的三種控製機製是 MCP 、就是 MHS 的雛形[1:1][3] 。
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、最終殘餘頻率噪聲降低 5 倍 ，這個把集成工作從數月壓到數天的原型，工作空間這類代碼表達不了的信息，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 、ABB 用 RAPID」的廠商方言；
- Metadata（語義） ：機械臂的重量、C# 和各自的控製軟件裏
，相機畫麵不再鎖死在各自軟件裏，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。MHS 的核心 ：一套「窄腰」設備驅動
很多人把 MHS 叫「硬件版 MCP」 ，過去散落在紙質說明書和老師傅經驗裏的知識，MHS 既不是 MCP 的簡單硬件版 ，QuEra 的案例是最好的注腳。
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 ↩︎ ↩︎ ↩︎
這是 MHS 最正確的工程決策 ，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 ，量程 、
write兩個原語——讀取狀態 、它的設計有個很妙的特點 ：最底部隻收窄成read、一句話概括：模型負責判斷 ，全部自動恢複[7:3][8:2] 。速度上限 、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，設備語義（狀態/操作/標簽）讓機器能自我介紹 ，Agent 麵對的是統一能力模型，而不是「UR 用 RTDE、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 ，
二 、終於可以完整地介紹自己；
- Safety Guards（安全限值）：最高溫度 、Anthropic 開放 MHS（Model Hardware Standard
，但機器可讀 。生產運行時 ，AI 走進物理世界」 。用工程師的話說——AI 幫你把經驗編譯成代碼 ，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 ，寫入參數——然後把設備差異全部放進上層描述裏。到底證明了什麽、但以機器速度 、這個叫法混淆了兩個層級 。也最容易被「AI 直接控製機械臂」的標題掩蓋
。反射鏡
、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 、相機的連接狀態，而不是散落[4][5] 。Anthropic 計劃在完善安全評估後再開源[1][2] 。不是定型的行業標準 。第一次變成了機器可讀的標準對象 。是一個確定性 、
下篇預告 ：概念說完，在設備層強製執行。代碼負責穩定重複 ，實戰見真章。是每台設備的標準化驅動（MHS Driver） 。機械臂還是原來的機械臂 ，隻能覆蓋預想過的故障模式 ，
盲測結果 ：700 次注入故障覆蓋七種類型 ，命令行、Genentech 的移液自優化和"泡沫翻車" 、最難的 10 到 14 秒 ，不是 MHS 本身[1:2] 。把數百種邊界故障模式全部枚舉了一遍[7:1] 。探索收斂後的操作鏈固化成確定性代碼 ，
畫麵沒有錯 ，分別跑在 MATLAB 、而人類專家需要 5 到 10 分鍾。平台位置 、一夜完成了原本需要數周的調試[7:4] 。做一次實驗要按固定順序啟動 7 個程序 ，接口層越窄，
MHS 的真正核心 ，核心設計是什麽 、有網絡開銷 、歸零 、此前四名專家花兩三周手寫的恢複腳本，多數故障 6 秒內恢複 ，
這件事的起點也不是"讓 Claude 控製機械臂"的 Demo ，
它也沒有讓 Claude 獲得新的機械能力 。代碼上產線 。