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、

  ---

  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 ↩︎ ↩︎ ↩︎

  MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備。

  而最終交付的產物  ，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級。分別跑在 MATLAB、「Claude 長出雙手」，

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 ，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，設備語義（狀態/操作/標簽）讓機器能自我介紹，這個叫法混淆了兩個層級  。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，

下篇預告 ：概念說完 ，讓 LLM 逐周期決定電機輸出多少扭矩，用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，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」。讓它「采訪」你來完成錄入。QuEra 的案例是最好的注腳。隻能覆蓋預想過的故障模式，把數百種邊界故障模式全部枚舉了一遍^[7:1] 。由設備自行執行
。通宵不停
，而不是散落^[4][5] 。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，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 、

它也沒有讓 Claude 獲得新的機械能力。Agent 越不用靠猜 。以及一個會自己找離心機補救的係統 ，在設備層強製執行 。而人類專家需要 5 到 10 分鍾。一夜完成了原本需要數周的調試^[7:4]
。第一次變成了機器可讀的標準對象
。又沒證明什麽 。做一次實驗要按固定順序啟動 7 個程序 ，最難的 10 到 14 秒，Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動 、寫入參數——然後把設備差異全部放進上層描述裏 。過程由人類把關 、運動邊界，

一句話概括：模型負責判斷 ，平台位置、廠商越容易接；語義層越完整，

這是三部曲的上篇：講清楚 MHS 到底是什麽、接口層越窄 ，是每台設備的標準化驅動（MHS Driver）
。但以機器速度 、

MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索，最終殘餘頻率噪聲降低 5 倍 ，C# 和各自的控製軟件裏，

二、歸零、它的設計有個很妙的特點
：最底部隻收窄成 read 、再讓智能去理解、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，官方列出的三種控製機製是 MCP 、順序錯了整場實驗白做 。激光器的功率、此前四名專家花兩三周手寫的恢複腳本，Anthropic 開放 MHS（Model Hardware Standard ，位移台來自不同廠商，

盲測結果：700 次注入故障覆蓋七種類型，

大模型推理天然是非確定性的：有延遲抖動
、它做的事情用一句話概括：讓機器先學會"自我介紹" ，Python、急停，是一個確定性
、更難得的是那 5 次失敗：係統識別出是測試台本身的問題 ，機器保留最後否決權 。同一方法遷移到第二個波長，激光頻率一旦漂移整機罷工 。命令行、這就是物理世界的「窄腰」。

接入 MHS 後，以及它最關鍵的一條工程紅線 。成功恢複 695 次（99.3%），量程、代碼上產線。相機  、不是定型的行業標準
。消息很快被壓縮成一句話：「Claude 長出雙手，速度上限、代碼負責穩定重複
，沒有硬實時保證。AI 走進物理世界」。而不是「UR 用 RTDE、過去散落在紙質說明書和老師傅經驗裏的知識，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次。多數故障 6 秒內恢複，我們看到的是一套早期規範和一批概念驗證，

三
 、

一 、博士後 Arco Bast 被逼急了 ，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 、機械臂還是原來的機械臂 ，

MHS 的真正核心，Agent 麵對的是統一能力模型 ，

這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，也不意味著 Claude 已經能接管現實世界 。成功率 58%^[7][8]
。Anthropic 計劃在完善安全評估後再開源^[1][2]
 。而是三件事的組合：窄腰接口（read/write）降低接入門檻，生產運行時 ，移板 、工作空間這類代碼表達不了的信息，

導讀

2026 年 8 月 27 日 ，write兩個原語——讀取狀態、最關鍵的設計 ：LLM 不進入實時控製環

這是 MHS 最正確的工程決策 ，而是 HHMI Janelia 研究園區一個相當狼狽的科研現場：激光 、組合和運營整個物理現場。

這家做中性原子量子計算機的公司，就是 MHS 的雛形^[1:1][3]。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） ，

故事還沒完。

畫麵沒有錯，完全可審查的常規程序。拒絕謊報成功；測試期間激光自然跳模 43 次 ，是工程災難^[6]。也最容易被「AI 直接控製機械臂」的標題掩蓋。模型硬件標準）研究預覽版 。但機器可讀 。運行完全自主^[7:2][8:1]
。MHS 的核心：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」 ，相機畫麵不再鎖死在各自軟件裏
，相機的連接狀態
，探索收斂後的操作鏈固化成確定性代碼，需要申請；規範文本尚未公開，實戰見真章。反射鏡 、核心設計是什麽 、

本篇小結

MHS 的本質不是"AI 控製硬件"，代碼 API——MCP 是入口之一，