2026年8月27日,Anthropic 宣布開放「Model Hardware Standard」(MHS)的研究預覽,對象為首批科研實驗室與先進製造商。MHS 是一套供 AI 代理安全操作實體設備的共享規格,可同時操控顯微鏡、液體處理器、機械臂等儀器,勝任由常規藥物發現實驗到量子電腦激光校準等複雜任務。[1]
解決甚麼問題：設備整合的痛點
實驗室或製造設施要整合硬件,通常需時數週甚至數月。大部分設備之間無法互通,需要專人撰寫度身訂造的整合程式。MHS 將整合工作大幅縮短至數小時甚至數分鐘,並讓 AI 代理可以全天候自主編排實驗流程——即時更新參數,部分情況下甚至毋須人為介入即可從硬件錯誤中回復。[1]
運作原理：標準化驅動程式
MHS 的核心是一套標準化驅動程式,以簡單的「讀取」與「寫入」原語(例如「取得溫度」「設定溫度」)統一各設備的通訊方式,並以標準格式讓設備可被自動發現。驅動程式更包含以自然語言撰寫的標籤,記錄機器特性(例如機械臂重量這類無法從程式碼得知的資料),並自動產生參考檔案,讓 AI 代理掌握操作設備所需的一切資訊。[1]
控制層面則支援三種機制:Model Context Protocol(MCP)、命令行介面與程式碼檔案,可透過單行程式碼編排多台設備。MHS 與模型無關,任何代理框架均可使用標準協定存取。[1]
早期合作成果
Anthropic 公布的合作案例包括:[1]
- Genentech:以 MHS 自動化 BCA 蛋白質定量實驗,協調液體處理器、機械臂與讀板機
- 卡內基美隆大學:以 AI 代理編排劑量反應實驗,速度快約三倍
- QuEra Computing:以 MHS 讓 AI 代理控制量子電腦激光系統,激光「鎖定」回復成功率達 99.3%,毋須人手介入
- HHMI Janelia:統一原本需要七套不同供應商程式的顯微鏡設備
- 華盛頓大學 Baker 與 Pinglay 實驗室:建立遠端監控儀表板與 AI 代理監督的 qPCR 流程
硬件生態方面,AWS 將透過 Strands Robots 支援 MHS;Tecan、Automata、Danaher、Doosan Robotics、Universal Robots 等廠商亦正加入支援;Hugging Face 計劃在機械人程式庫 LeRobot 加入 MHS,Raspberry Pi 亦正整合相關功能。[2]
下一步：開源前的安全評估
MHS 現階段僅供獲邀夥伴試用,Anthropic 將藉此建立安全評估與最佳實務,並會制定「實體安全路線圖」,之後才正式開源。Anthropic 坦言,Claude 對物理世界的空間與實體推理仍有局限,例如 Genentech 研究員便需引導 Claude 分辨樣本氣泡造成的物理失誤與軟件錯誤——這正正是開源前需要補強的地方。[2]
對於科研與製造業而言,MHS 的意義在於:設備整合由「以週計的工程項目」變成「以分鐘計的設定步驟」,而 AI 代理將由「對話助手」升級為真正可以動手操作的實驗夥伴。