Anthropic 推出 MHS 协议，争夺 AI 硬件标准定义权

Anthropic 正式推出第二份行业标准 MHS（Model Hardware Standard），瞄准的是 AI 模型与硬件设备之间的连接协议。这是继 2024 年 11 月发布 MCP（Model Context Protocol）之后，Anthropic 首次借助协议层手段，向「AI 接入硬件」方向系统表态。距离 MCP 发布约 21 个月后推出 MHS，意味着这家头部模型公司正试图把「模型即生态」的故事从软件世界延伸到物理设备。

MHS 在做什么：给硬件装一个统一「说明书」

MHS 的核心是一层运行在操作系统和硬件之间的标准化驱动程序。每个接入 MHS 的设备都附带一份可自然语言编写的「永久说明书」，驱动会自动生成参考文件，告知智能体设备能测什么、能调什么、有哪些强制安全措施。设备联网后会用统一格式「自我介绍」，其他设备可在网络中直接搜索到它并发起对话，类似局域网内查找打印机。

设备接入完成后，MHS 提供三种控制机制协同工作：

• MCP 协议通道，用于结构化上下文交互；
• 命令行界面（CLI），用于直接执行指令；
• 代码文件（API）方式，适合长任务脚本化执行。

三者并行使得一行代码就能协调多台设备，并能根据实时数据动态调整参数、排序操作步骤。研究人员反馈，接入 MHS 后，实验室和车间原本需要数周甚至数月的硬件集成周期可被压缩至数小时甚至数分钟。

一个真实案例：让 Claude 操控量子计算机

在 QuEra 量子计算机上的测试具有相当代表性。QuEra 的激光频率需要锁在万亿分之一精度，温度、震动甚至开门都会导致失锁，过去只有熟练工程师能在 5 到 10 分钟内手工恢复设备锁定状态。此前四人团队耗时数月写出的 AI 自动化脚本，成功率仅为 58%。

接入 MHS 后，四个 Claude 智能体组成工作流：提假设、改脚本、上真机运行、读日志迭代，一个晚上完成几百轮调优。第二天早上，恢复锁定的时间从 150 秒缩短到 6 秒；后续 700 次盲测中成功 695 次，成功率 99.3%。Claude 调出的参数连续运行 19 小时零失锁，而专家手调参数平均每小时失锁 1.6 次。最终交付的是一个可直接审计的普通 Python 脚本，生产环境运行时无需 AI 持续在场。

值得注意的是，测试过程中 Claude 操作硬件的方式被官方描述为「并不可预测」：它会先通过摄像头观察结果，评估调整效果，重复迭代以理解事件顺序，最后把学习到的信息打包成确定性脚本。这种「像科学家一样思考」的模式，正是 MHS 想要标准化的智能体—硬件协作范式。

Anthropic 与 OpenAI：两条几乎相反的硬件路线

MHS 让两家头部模型公司在硬件上的策略差异变得清晰：

• 路线方向不同：OpenAI 选择从易到难，直接打造可消费的家庭智能音箱等终端硬件；Anthropic 则自难而易，一出手就是量子计算机激光、药企液体操作平台等精密科研设备。
• AI 嵌入方式不同：业内爆料显示，OpenAI 把模型塞进硬件里、以端侧模型为主；Anthropic 选择让智能体外挂接入硬件。
• 生态开放程度不同：OpenAI 的硬件方案偏向自研模型 + 自有设备，接近「苹果式」封闭生态；Anthropic 目前的重心放在协议层与软件层。

不过，CNBC 此前报道指出，Anthropic 也在组建芯片团队并招揽硬件高管，开始探索自研硬件。这意味着两条路线短期内并行，但中长期未必不会交汇。

硬件标准之争，比软件更难

MHS 目前仍处内测阶段，开发者需申请加入。Anthropic 官方表示正在与科学、机器人、电子、制造领域的合作伙伴共建安全评估机制，在正式开源前完善协议。这一时间表与 MCP 的演进路径高度相似——MCP 也是先低调发布，再凭借开放生态用一年时间统一 AI 与软件世界的接口。

但 MHS 想复制 MCP 的成功并不容易。MCP 让软件世界接受统一接口时，各方都是受益者；而硬件世界则不同，接口背后连着设备、模型、数据与商业入口，没有哪家大厂会轻易让渡。一旦大量硬件接入 MHS，Claude 系模型将获得最快进入设备的通道，智能体在物理设备上的执行理解数据也会加速回流，进一步推高其模型的推理消耗需求。

2025 年 AI 硬件在 Plaud 出货破百万的刺激下爆发，2026 年进入去泡沫阶段，投资趋于冷静。但底层基础设施仍在持续铺路：芯片厂商解决端侧算力，手机厂商推进模型上终端的工程化。如今 OpenAI 与 Anthropic 先后下场，一个造设备，一个定协议，AI 硬件的基础设施与头部玩家同时就位。接下来的产品形态将更强调智能能力的实质性增强、多设备联动以及更丰富的交互反馈，只有能交付可见价值的产品，才可能点燃下一轮市场。