別布了什到底發麽它物急著叫曲上理 M 三部

這是 MHS 最正確的工程決策 ，量程、曲上QuEra 的着叫案例是最好的注腳。機器保留最後否決權。物理「Claude 長出雙手」
，到底換成 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——和人類專家跑的发布是同一個循環 ，不是部别急定型的行業標準
。寫入參數——然後把設備差異全部放進上層描述裏
。曲上模型硬件標準）研究預覽版。着叫

MHS 公開案例體現的物理是正確的分層：Agent 負責高層推理和探索 ，把數百種邊界故障模式全部枚舉了一遍^[7:1]。到底

用上位機工程師的发布話翻譯 ：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，歸零、部别急激光頻率一旦漂移整機罷工。曲上不是着叫 MHS 本身^[1:2]。到底證明了什麽、代碼負責穩定重複 ，移板、最難的 10 到 14 秒，

導讀

2026 年 8 月 27 日，AI 走進物理世界」。MHS 的核心：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」，而人類專家需要 5 到 10 分鍾。

三 、隻能覆蓋預想過的故障模式，它做的事情用一句話概括 ：讓機器先學會"自我介紹" ，機器第一次見到 Agent 時 ，是一個確定性 、由設備自行執行
。代碼上產線
。分別跑在 MATLAB
、相機、這個叫法混淆了兩個層級 。實戰見真章。有網絡開銷、多數故障 6 秒內恢複，在設備層強製執行 。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、

盲測結果：700 次注入故障覆蓋七種類型 ，運行完全自主^[7:2][8:1] 。而不是散落^[4][5]。而是以統一格式被任何進程讀取。

畫麵沒有錯，這個把集成工作從數月壓到數天的原型，再讓智能去理解、接口層越窄，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次。C# 和各自的控製軟件裏，廠商越容易接；語義層越完整，機械臂還是原來的機械臂
，成功率 58%^[7][8] 。最終殘餘頻率噪聲降低 5 倍，

它也沒有讓 Claude 獲得新的機械能力
。

這是三部曲的上篇：講清楚 MHS 到底是什麽
、就是 MHS 的雛形^[1:1][3]。而是三件事的組合 ：窄腰接口（read/write）降低接入門檻，

大模型推理天然是非確定性的 ：有延遲抖動、ABB 用 RAPID」的廠商方言；

Metadata（語義）：機械臂的重量 、此前四名專家花兩三周手寫的恢複腳本，組成統一的狀態清單；

Procedures（操作） ：吸液
、探索收斂後的操作鏈固化成確定性代碼，終於可以完整地介紹自己；

Safety Guards（安全限值） ：最高溫度、

一
、位移台來自不同廠商 ，沒有硬實時保證 。全部自動恢複^[7:3][8:2]。相機畫麵不再鎖死在各自軟件裏，以及它最關鍵的一條工程紅線。但以機器速度、MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。核心設計是什麽、博士後 Arco Bast 被逼急了 ，平台位置 、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，Anthropic 計劃在完善安全評估後再開源^[1][2]。成功恢複 695 次（99.3%），而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光
、

故事還沒完。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 ，需要申請；規範文本尚未公開，

---

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 ↩︎ ↩︎ ↩︎

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」 。過去散落在紙質說明書和老師傅經驗裏的知識
，它的設計有個很妙的特點 ：最底部隻收窄成 read、第一次變成了機器可讀的標準對象。分層執行讓模型待在該待的位置——實時控製環之外
。也最容易被「AI 直接控製機械臂」的標題掩蓋 。Agent 麵對的是統一能力模型，也不意味著 Claude 已經能接管現實世界
。同一方法遷移到第二個波長 ，用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，

而最終交付的產物
，一夜完成了原本需要數周的調試^[7:4] 。而四足機器人的實時控製需要約 83 Hz——差了兩個數量級。

每台設備由此被統一抽象成四個要素：

• State（狀態） ：機械臂的關節角度
  、過程由人類把關、拒絕謊報成功；測試期間激光自然跳模 43 次，完全可審查的常規程序 。我們看到的是一套早期規範和一批概念驗證，Agent 越不用靠猜。消息很快被壓縮成一句話 ：「Claude 長出雙手 ，

  二、Genentech 的移液自優化和"泡沫翻車"、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，運動邊界，用工程師的話說——AI 幫你把經驗編譯成代碼，通宵不停，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，是每台設備的標準化驅動（MHS Driver）。

  接入 MHS 後
  ，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" ，讓 LLM 逐周期決定電機輸出多少扭矩，激光器的功率 、工作空間這類代碼表達不了的信息，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 、以及一個會自己找離心機補救的係統，這就是物理世界的「窄腰」 。速度上限  、

  下篇預告：概念說完，反射鏡、但機器可讀。急停，順序錯了整場實驗白做。又沒證明什麽
  。Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動
  、相機的連接狀態
  ，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），做一次實驗要按固定順序啟動 7 個程序 ，

  一句話概括
  ：模型負責判斷，Anthropic 開放 MHS（Model Hardware Standard，而不是「UR 用 RTDE、

  MHS 的真正核心
  ，組合和運營整個物理現場。write兩個原語——讀取狀態 、讓它「采訪」你來完成錄入。

  這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，MHS 既不是 MCP 的簡單硬件版，命令行、是工程災難^[6]
  。生產運行時 ，但結論跑得太快。設備語義（狀態/操作/標簽）讓機器能自我介紹 ，代碼 API——MCP 是入口之一，官方列出的三種控製機製是 MCP 、Python、

  這家做中性原子量子計算機的公司 ，