Anthropic 发布 MHS，让 Claude 直接操控实验室硬件

Anthropic 近日推出 MHS（Model Hardware Standard，模型硬件标准）研究预览版，让 Claude 等大模型可以直接读取并操控实验室里的物理设备，包括机械臂、液体处理仪、显微镜、摄像头，甚至量子计算机的激光系统。官方把 MHS 称作「硬件版 MCP」，意味着 Anthropic 正在把其此前主导的工具调用协议思路，从软件世界扩展到物理硬件。

MHS：把 MCP 思路搬到物理世界

MCP 让大模型能够连接数据库、浏览器和各种软件工具，MHS 则把同样的思路延伸到现实设备。只要硬件具备编程接口，MHS 就用一组极简指令让 AI「读懂」这台机器，包括最高加热温度、机械臂承重、最大速度等参数。新设备接入后，AI 只需读取硬件自带的描述标签，就能掌握操作方法，再通过 MCP、命令行或 API 统一调度，使不同机器可以在同一工作流中协同。Anthropic 表示，MHS 的目标就是终结实验室里长期存在的「接口碎片化」问题——以往每接入一台新设备，工程师往往需要重写一套翻译程序，搭建自动化流程动辄数周甚至数月。

Claude 接管实验室：量子校准与脑成像显著提速

首批实测案例覆盖量子计算、基因研究和神经成像。量子公司 QuEra 的中性原子量子计算机需要用激光精准控制原子量子比特，传统人工校准一次需 5–10 分钟，新工作调试常拖数周；此前 4 名专家花了约三周手写恢复脚本，仅能覆盖预设故障。通过 MHS，Claude 在专用测试台上调节参数并借助摄像头确认光束位置，一夜之间主动制造、识别并修复了数百种故障，将激光稳定率从人类专家的 58% 提升到 99.3%，单次校准在熟练后压到约 6 秒。基因公司 Genentech 让 Claude 自主完成药物发现实验中的移液操作，过程中能自我评估、调整参数并在出错时实时修复。在 HHMI Janelia 园区，一项原本耗时数周的多设备脑成像实验，被 Claude 在一天内完成。Hugging Face 的 LeRobot 团队也在未训练的情况下，让 Claude Code 直接操控真实机械臂完成了积木颜色分类。

现实门槛：物理直觉、设备覆盖与监管真空

成绩之外，Anthropic 也坦承存在明显局限。在 Genentech 的蛋白浓度检测中，粘稠溶液起泡导致取液量偏低，Claude 的本能反应是在同孔位重试，反而加剧起泡，最终需要研究人员介入提示「这是物理问题、不是算法 Bug」，它才换用干净孔位并减少混合次数。QuEra 测试中，遇到光束被物理遮挡时 Claude 也只会停下来等待确认，实验可能在凌晨空转数小时。Anthropic 指出，当前最根本的瓶颈是 Claude 只能通过文本和图像理解世界，缺乏物理直觉，通用世界模型仍是关键缺口。此外，MHS 只能接管具备编程接口的硬件，对只能通过 GUI 操作的老设备效率受限；持续在线监控的计算成本对预算紧张的学术实验室也是不小开支；而 MHS 驱动文件中写明的安全边界一旦出错，责任归属目前尚无标准答案，监管仍处真空。

争夺 AI 进入物理世界的底层接口

从 MCP 到 MHS，Anthropic 正在搭建 AI 进入物理世界所需的「底层接口」。过去大模型只能告诉人类怎么做，现在开始亲手做。尽管「黑灯实验室」短期内还难以真正实现，但 MHS 的研究预览已经让业界看到 Agent 时代的一种可能：当 AI 不仅能调用工具，还能直接驱动硬件，科研与工业自动化的组织方式，或将随之被重新书写。