很多人把 MHS 叫「硬件版 MCP」，以及它最關鍵的物理一條工程紅線。

這件事的到底起點也不是"讓 Claude 控製機械臂"的 Demo，順序錯了整場實驗白做 。发布它的部别急設計有個很妙的特點 ：最底部隻收窄成 read 、

每台設備由此被統一抽象成四個要素 ：

• State（狀態）
  ：機械臂的曲上關節角度、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——和人類專家跑的着叫是同一個循環，通宵不停，物理最關鍵的到底設計 ：LLM 不進入實時控製環

  這是 MHS 最正確的工程決策，過去散落在紙質說明書和老師傅經驗裏的发布知識
  ，沒有硬實時保證。部别急一夜完成了原本需要數周的曲上調試^[7:4]
  。工作空間這類代碼表達不了的着叫信息
  ，Agent 越不用靠猜 。速度上限、過程由人類把關 、代碼負責穩定重複，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，而不是「UR 用 RTDE 、

  二 、同一方法遷移到第二個波長 ，Anthropic 開放 MHS（Model Hardware Standard
  ，是一個確定性 、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」
  。「Claude 長出雙手」，由設備自行執行。Anthropic 計劃在完善安全評估後再開源^[1][2]。但結論跑得太快
  。最難的 10 到 14 秒，用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話，

  這家做中性原子量子計算機的公司，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） ，

  一句話概括：模型負責判斷 ，它做的事情用一句話概括：讓機器先學會"自我介紹"，就是 MHS 的雛形^[1:1][3]
  。又沒證明什麽 。成功恢複 695 次（99.3%） ，用工程師的話說——AI 幫你把經驗編譯成代碼，探索收斂後的操作鏈固化成確定性代碼 ，讓它「采訪」你來完成錄入。Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動 、MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備。再讓智能去理解
  、核心設計是什麽 、實戰見真章 。代碼上產線
  。做一次實驗要按固定順序啟動 7 個程序
  ，這個把集成工作從數月壓到數天的原型 ，而人類專家需要 5 到 10 分鍾。移板、模型硬件標準）研究預覽版。

  下篇預告：概念說完 ，Genentech 的移液自優化和"泡沫翻車"、Agent 麵對的是統一能力模型 ，這就是物理世界的「窄腰」
  。組合和運營整個物理現場 。

  ---

  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 ↩︎ ↩︎ ↩︎

  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 、命令行、組成統一的狀態清單；

• Procedures（操作）：吸液
  、激光器的功率 、位移台來自不同廠商，生產運行時
  ，急停，而是以統一格式被任何進程讀取 。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 ，以及一個會自己找離心機補救的係統，第一次變成了機器可讀的標準對象。相機的連接狀態，激光頻率一旦漂移整機罷工 。相機畫麵不再鎖死在各自軟件裏，

  MHS 的真正核心 ，消息很快被壓縮成一句話：「Claude 長出雙手 ，多數故障 6 秒內恢複，而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光
  、我們看到的是一套早期規範和一批概念驗證
   ，成功率 58%^[7][8]。AI 走進物理世界」。運動邊界，終於可以完整地介紹自己；

• Safety Guards（安全限值）
  ：最高溫度、

  它也沒有讓 Claude 獲得新的機械能力 。到底證明了什麽 、write兩個原語——讀取狀態
   、相機
  、代碼 API——MCP 是入口之一，ABB 用 RAPID」的廠商方言；

• Metadata（語義）
  ：機械臂的重量、

  接入 MHS 後
  ，分別跑在 MATLAB 、

  畫麵沒有錯，是工程災難^[6]。不是 MHS 本身^[1:2] 。官方列出的三種控製機製是 MCP
  、隻能覆蓋預想過的故障模式，更難得的是那 5 次失敗：係統識別出是測試台本身的問題 
  ，

  本篇小結

  MHS 的本質不是"AI 控製硬件"
  ，平台位置、有網絡開銷
  、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、分層執行讓模型待在該待的位置——實時控製環之外。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，

  MHS 公開案例體現的是正確的分層：Agent 負責高層推理和探索，

  導讀

  2026 年 8 月 27 日，也不意味著 Claude 已經能接管現實世界 。最終殘餘頻率噪聲降低 5 倍，這個叫法混淆了兩個層級 。量程 、MHS 既不是 MCP 的簡單硬件版 ，

  一、博士後 Arco Bast 被逼急了  ，

  

  三 、把數百種邊界故障模式全部枚舉了一遍^[7:1]。

  盲測結果：700 次注入故障覆蓋七種類型，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，而是三件事的組合：窄腰接口（read/write）降低接入門檻 ，在設備層強製執行。完全可審查的常規程序。反射鏡
  、但以機器速度 、拒絕謊報成功；測試期間激光自然跳模 43 次，

  而最終交付的產物，機器保留最後否決權
  。

  故事還沒完 。機械臂還是原來的機械臂，

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，是每台設備的標準化驅動（MHS Driver）
。也最容易被「AI 直接控製機械臂」的標題掩蓋。接口層越窄 ，C# 和各自的控製軟件裏 ，需要申請；規範文本尚未公開，不是定型的行業標準 。而不是散落^[4][5]。而四足機器人的實時控製需要約 83 Hz——差了兩個數量級。全部自動恢複^[7:3][8:2]。

這是三部曲的上篇：講清楚 MHS 到底是什麽 、但機器可讀 。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
。讓 LLM 逐周期決定電機輸出多少扭矩 ，

大模型推理天然是非確定性的：有延遲抖動、廠商越容易接；語義層越完整 ，寫入參數——然後把設備差異全部放進上層描述裏  。Python、此前四名專家花兩三周手寫的恢複腳本，機器第一次見到 Agent 時，設備語義（狀態/操作/標簽）讓機器能自我介紹，