Anthropic 于 2026 年 8 月 27 日开启 Model Hardware Standard（MHS）的首阶段研究预览。MHS 试图为 AI Agent 操作显微镜、移液工作站、机械臂和量子计算设备等可编程硬件提供统一接口，减少每台设备都要单独编写集成层的问题。该项目当前面向科研实验室与先进制造合作方，并未正式开源。

完整英文线程与中文翻译

Today, we’re kicking off the first phase of the research preview for Model Hardware Standard (MHS): a new standard for AI agents to safely operate physical equipment in scientific research and advanced manufacturing. Read more:
Previewing the Model Hardware Standard \ Anthropic

今天，我们启动 Model Hardware Standard（MHS）研究预览的第一阶段。这是一项新标准，目标是让 AI Agent 在科学研究和先进制造中安全操作物理设备。详情见 Anthropic 官方说明。

Connecting AI to hardware requires days or weeks of bespoke integration, with no standard way for agents to operate equipment safely. MHS cuts integration to hours or minutes, provides an interface that makes devices discoverable, and enables agents to operate them safely.

把 AI 接入硬件通常需要数天或数周的定制集成，而且目前没有让 Agent 安全操作设备的统一方式。MHS 声称可把集成时间缩短到数小时或数分钟，提供能让设备被发现的接口，并支持 Agent 在约束下操作设备。

In early testing, AI agents used MHS to:
Run a drug-discovery experiment with real-time error handling at Genentech
Compress an imaging experiment from weeks to a day at HHMI Janelia Research Campus
Improve laser stabilization on QuEra’s quantum computers from 58% to 99.3%

在早期测试中，AI Agent 通过 MHS：在 Genentech 运行带实时错误处理的药物发现实验；在 HHMI Janelia Research Campus 将一项成像实验从数周压缩到一天；把 QuEra 量子计算机的激光稳定率从 58% 提高到 99.3%。这些数字来自 Anthropic 及其合作方的早期报告，不是独立复现实验。

There’s more to learn before we open source MHS. LLMs still lack physical intuition, having learned about the physical world from text and images. The research preview will let us build more safety evaluations and strengthen protections for using AI in the physical world.

在开源 MHS 前仍有很多问题需要研究。LLM 主要从文本和图像学习物理世界，依然缺乏物理直觉。研究预览将用于构建更多安全评估，并加强 AI 在物理世界中运行时的保护措施。

MHS currently best covers lab and manufacturing equipment. Many developers are already using Claude Code to operate hardware like boards and cameras; our research preview will help us extend MHS to these devices, so they can all work under one interface.

MHS 目前对实验室和制造设备的覆盖最好。已经有开发者使用 Claude Code 操作开发板、摄像头等硬件；Anthropic 希望通过研究预览把 MHS 扩展到这些设备，使它们能够通过同一接口工作。

We’re inviting stakeholders across science, robotics, electronics, and manufacturing to join the research preview and help shape the standard. We look forward to moving MHS forward with our industry partners and, soon, the open-source community.

Anthropic 邀请科学、机器人、电子和制造领域的相关方参与研究预览、共同塑造标准，并计划在与产业合作方推进后向开源社区开放。

MHS 的接口结构

根据官方技术说明，MHS 在设备与操作系统之间引入标准化驱动层。驱动通过少量通用原语描述设备能力，例如 read 可读取温度，write 可设置温度；同时用标准格式公布设备，使设备与 Agent 能够在网络中发现彼此。

驱动还可以通过自然语言标签记录仅靠代码不容易获知的设备属性，例如机械臂重量、可测量项目、可调整参数和必须执行的安全限制，并据此生成参考文件。Agent 控制设备有三条路径：MCP、命令行和代码文件/API。对于长时间或要求快速响应的任务，Agent 可把经过探索的操作整理为确定性代码，让设备按固定序列执行，而不必在每一步都重新进行在线推理。

如何验证

实际评估 MHS 时，重点不应只是“Agent 能否让设备动起来”，而应建立分层验证：

  • 驱动测试：逐项核对状态读取、命令参数、单位、超时和错误码；
  • 安全联锁：模拟设备离线、急停、目标缺失、方向错误和资源占用等故障，确认命令在设备动作前被阻断；
  • 顺序验证：检查多设备步骤是否严格依赖前一步成功完成，避免机械臂与工作站发生冲突；
  • 可恢复性：记录 Agent 遇到硬件错误时是安全停止、请求人工介入，还是在允许范围内重试；
  • 可复现性：把成功流程固化为确定性脚本，并在多轮重复运行中比较结果与故障率。

Anthropic 官方案例称，CMU 团队人为制造了缺少托盘、托盘旋转、读取器忙、摄像头断开、设备不可达和急停开启六种状态，系统在设备移动前全部阻断。该结果仍是研究预览中的单组案例，不能替代独立安全认证。

适用边界与局限

MHS 目前只是早期研究预览，尚未开源，也没有公开完整规范、兼容性测试套件或通用安全认证流程。Anthropic 明确承认 LLM 缺乏物理直觉；官方实验中，Claude 遇到液体气泡导致的错误时曾反复重试并使问题恶化，直到专家补充物理原因与正确处理方式。

因此，MHS 的统一接口并不等于设备天然安全。安全仍取决于驱动是否正确表达硬件限制、底层联锁是否独立于模型、权限范围是否最小化，以及危险操作是否需要人工批准。涉及实验室、制造或生物设备时，应在隔离环境和专家监督下验证；本文讨论接口与工程方法，不构成医疗或实验操作建议。

官方说明：Previewing the Model Hardware Standard \ Anthropic

原作者：Anthropic（@AnthropicAI）
原帖：Anthropic on X: "Today, we're kicking off the first phase of the research preview for Model Hardware Standard (MHS): a new standard for AI agents to safely operate physical equipment in scientific research and advanced manufacturing. Read more: https://t.co/XQ2y9EW7Af" / X