摘要：Anthropic 发布 MHS 研究预览，给 AI 一套操控显微镜、机械臂、移液机器人的统一驱动规范，把设备集成从数周压到几小时。本文拆解它怎么工作、实测数据如何，以及为什么说这是 MCP 剧本的第二次上演。

凌晨两点，实验室里一台中性原子量子计算机的激光"脱锁"了。频率漂移了那么一点点，实验全废。传统做法是专家现场操作，恢复要 5 到 10 分钟——凌晨脱锁，研究生就得爬起来，开车回实验室。

QuEra 把这活儿交给了 AI。激光系统的"锁定"恢复，AI 代理接管后成功率从 58% 提到 99.3%，恢复时间从最长 10 分钟压到 6 到 14 秒。凌晨 2 点脱锁，AI 自己就修好了。

这个改变背后的东西，就是 8 月 27 日 Anthropic 发布的研究预览：Model Hardware Standard（MHS，模型硬件标准）——让 AI Agent 安全操控物理设备的统一规范（官方公告）。

一句话说清它的定位：MCP 管数字世界，MHS 管物理世界。

它是什么：给 AI 一张硬件"驾照"

先交代背景。实验室或工厂要把一套硬件接进自动化流程，过去要多久？数周甚至数月。原因不复杂：显微镜、移液机器人、机械臂，各有各的厂商、各有各的私有接口，彼此不通信。想让他们协作，得请工程师为每一台设备写定制集成——一个接口一个"翻译官"。

MHS 干的事，就是把这个"翻译官"标准化：给每台设备配一个统一驱动，让设备之间、设备和 AI 之间能用同一种语言对话。Anthropic 的承诺是把集成时间从数周压缩到几小时甚至几分钟。

它的渊源有点意思。起源不是大厂实验室自动化部门，而是 HHMI Janelia 研究园区一个做脑成像的装置：激光、电动聚焦器、专业相机来自不同厂商，没有公共接口。博士后 Arco Bast 自己写了个"共享内存字典"让它们以内存速度通信，Anthropic 的 Alek Kemeny 看到后把 AI 模型接进了这个接口——MHS 由此而来。

怎么工作：一个驱动让 AI 听懂机器

MHS 的核心是标准化驱动，原语简单到只有两个：read（如"获取温度"）和 write（如"设定温度"）。任何可编程设备都能实现。设备以标准格式对外广播自己，设备和 AI 在网络里互相发现、直接通信，不需要中间人写定制翻译程序。

真正聪明的是"说明书"这一步。AI 要操作一台从没见过的设备，光看代码远远不够——比如机械臂的重量，这决定它能否安全抓取物体，而这种信息过去躺在纸质手册里、或某位老师的经验里。MHS 驱动内置自然语言标签：用户用大白话填设备特性（也可以让 AI 以访谈形式提问录入），驱动自动生成一份参考文件——能测什么、能调什么、安全限制是什么。AI 拿到文件，就等于拿到一台陌生设备的操作手册。大致长这样：

{
  "device": "robotic-arm-01",
  "weight_kg": 42,
  "safety": { "max_power_w": 1200, "max_reach_m": 1.2 },
  "readable": ["joint_angle", "temperature", "load"],
  "writable": ["target_angle", "speed"]
}

连接之后是控制。MHS 提供三种通道：MCP（走智能体标准协议）、命令行、代码文件（API）。三者配合实现跨设备编排：AI 高层调度，把多步操作写成代码文件"链式执行"，设备自己跑完整个流程，不需要 AI 每一步都推理一遍——官方叫它"离线连发"，和"在线指挥"互为补充。

安全上有个关键设计：设备的安全限值（最大功率、运动范围）写死在驱动层，不是依赖模型自觉。AI 再笨再激进，也突破不了驱动层这道闸。

实测：几家机构省了多少事

研究预览首批名单里有 Genentech、CMU、QuEra、华盛顿大学 Baker 实验室、HHMI Janelia，以及 AWS、优傲机器人、QIAGEN、Tecan 等设备厂商。放出的数据很具体：

• QuEra：量子激光锁定恢复，成功率 58%→99.3%（700 次盲测），恢复时间从最长 10 分钟压到 6–14 秒。
• CMU：液处理器、读板机、机械臂、监控相机四台仪器、三台接口南辕北辙的电脑（一个轮询 XML、一个老式 ActiveX、一个只有 GUI），用 MHS 从零写驱动加编排层只花约 8 小时——厂商方案通常要数周。实验速度提升约 3 倍。人为制造缺板、设备断连、急停等 6 种故障，系统在设备动作前全部正确拦截。
• Genentech：BCA 蛋白定量实验，液体处理器、机械臂、读板机三台设备交给 Claude + MHS 编排，AI 自主做了轮"实验优化"——反复移液、读板、计算与专家操作的误差，最终收敛到与自动化专家一致的最优流速。实验中出现枪头拾取失败，AI 还能自主恢复。
• 华盛顿大学 Baker 实验室：博士生用 MHS 一周接入 6 台仪器（此前自动化尝试动辄数月失败）。qPCR 实验 AI 盯着放大曲线，在正确时机喊停——不用再凌晨 4 点起来换板。

注意一个细节：UW 那位博士生点破了一笔账——设计一个蛋白质候选只要 0.01 美元，测试一个候选要约 100 美元加一周人工。测试端才是瓶颈，MHS 正在拆掉它。科研自动化的经济账，正在从"能不能用"转向"值不值"。

代价与冷水

好消息说完，说限制。

MHS 目前只支持有编程接口的设备，老式纯硬件（只有旋钮没有 API）还不行，Anthropic 正在和厂商共建驱动。研究预览是申请制（modelhardwarestandard.com），正式开源前还要先与合作方共建安全评估。

更要紧的是物理推理的边界。Genentech 的研究人员发现，蛋白样本起泡导致实验失败，Claude 起初把这当成软件 bug 来排查——这是物理现象，不是代码问题，AI 的空间和物理推理能力还有明显局限，专家监督现阶段省不掉。

冷水再泼一盆：协议本身可能不是瓶颈。这个领域早有成熟标准——SiLA 2、OPC UA LADS，解决协议问题好几年了，并没有带来"即插即用实验室"。真正挡住自动化的不是协议设计，是厂商激励：头部设备商靠私有接口绑客户，凭什么开放？所以 MHS 这次真正的新闻，不是规范本身，而是 AWS、Tecan、QIAGEN、优傲机器人这些头部厂商签名支持。签名的人对了，标准才可能活。

这也正是 Anthropic 的策略：不造机器人，定义接口。NVIDIA 在卖机器人大脑（GR00T），Google 在卖（Gemini Robotics），Anthropic 卖的是把大脑接到身体上的"线"。这几乎是 MCP 剧本的第二次上演——2024 年 11 月 MCP 开源时同样是模型无关、免费赠送、拿 USB 打比方，一年时间月 SDK 下载量超过 9700 万次，OpenAI、Google、微软、AWS 全部接入，2025 年 12 月被捐给 Linux 基金会旗下的 Agentic AI 基金会（官方公告）。Anthropic 没从 MCP 收一分钱授权费，收下的是接口的定义权——全行业的 Agent 生态都说着它发明的方言。

对你我这种不跑仪器的开发者，MHS 短期内不需要动——研究预览申请制、未开源，生态才刚起。但两件事值得现在做：一是看懂它的设计思路（驱动层 + 自然语言说明书 + 安全限值下沉），这套思路跟 MCP、跟 Agent 工具设计是一脉相承的；二是如果你所在的公司有实验室或工厂设备，把"MHS 支持"写进下一次设备采购问卷——标准这东西，早站队比晚站队便宜得多。

MCP 让 AI 长出了"手"去够数字世界，MHS 是给这双手接上物理世界的扳手。能不能真成为"物理世界的 USB-C"，取决于接下来一年有多少厂商把驱动内置进设备。协议是 Anthropic 写的，但标准是大家用出来的。

作者：唐悦玮 | 从后端出发，用 AI 拓展到全栈的工程师。