別布了什麽它物到底發理 M曲上 三部急著叫
畫麵沒有錯，物理儀器還運行各自的到底軟件——真正變化的是中間那層「翻譯和協調」。機械臂還是发布原來的機械臂 ，廠商越容易接；語義層越完整 ，部别急寫入參數——然後把設備差異全部放進上層描述裏 。曲上博士後 Arco Bast 被逼急了，着叫這就是物理世界的「窄腰」 。最難的 10 到 14 秒 ，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 ，接口層越窄 ，
三
、但機器可讀。位移台來自不同廠商 ，但結論跑得太快 。我們看到的是一套早期規範和一批概念驗證 ，相機的連接狀態，激光器的功率 、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
，成功恢複 695 次（99.3%） ，沒有硬實時保證。把數百種邊界故障模式全部枚舉了一遍[7:1] 。全部自動恢複[7:3][8:2] 。二、消息很快被壓縮成一句話 ：「Claude 長出雙手，拒絕謊報成功；測試期間激光自然跳模 43 次 ，
這是三部曲的上篇
：講清楚 MHS 到底是什麽 、多數故障 6 秒內恢複
，它的設計有個很妙的特點：最底部隻收窄成 read 、write兩個原語——讀取狀態、也最容易被「AI 直接控製機械臂」的標題掩蓋
。而不是散落[4][5] 。
這件事的起點也不是"讓 Claude 控製機械臂"的 Demo ，
本篇小結
MHS 的本質不是"AI 控製硬件" ，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，在設備層強製執行 。
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 ，相機、分層執行讓模型待在該待的位置——實時控製環之外 。命令行、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——和人類專家跑的是同一個循環，核心設計是什麽 、移板 、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 ，代碼上產線。
一、
參考資料 ：
MHS 官方網站 ：https://modelhardwarestandard.com/
Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ ↩︎
Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎
How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI ↩︎
Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal ↩︎
Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎
Claude plays robotics — Anthropic Research ↩︎
Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider ↩︎ ↩︎ ↩︎
一句話概括：模型負責判斷 ，過程由人類把關 、過去散落在紙質說明書和老師傅經驗裏的知識 ，讓 LLM 逐周期決定電機輸出多少扭矩 ，做一次實驗要按固定順序啟動 7 個程序 ，Genentech 的移液自優化和"泡沫翻車" 、激光頻率一旦漂移整機罷工 。
故事還沒完。此前四名專家花兩三周手寫的恢複腳本 ，而不是「UR 用 RTDE 、代碼負責穩定重複 ，
盲測結果：700 次注入故障覆蓋七種類型 ，而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光 、就是 MHS 的雛形[1:1][3]。同一方法遷移到第二個波長 ，
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、但以機器速度 、平台位置 、更難得的是那 5 次失敗 ：係統識別出是測試台本身的問題，QuEra 的案例是最好的注腳 。反射鏡、這個叫法混淆了兩個層級。速度上限、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）
，是每台設備的標準化驅動（MHS Driver） 。第一次變成了機器可讀的標準對象 。一夜完成了原本需要數周的調試[7:4]。由設備自行執行 。
而最終交付的產物，Agent 越不用靠猜 。以及它最關鍵的一條工程紅線 。也不意味著 Claude 已經能接管現實世界 。隻能覆蓋預想過的故障模式 ，通宵不停 ，最終殘餘頻率噪聲降低 5 倍 ，組合和運營整個物理現場 。
MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索 ，用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，ABB 用 RAPID」的廠商方言；
- Metadata（語義） ：機械臂的重量、完全可審查的常規程序 。Python
、Anthropic 開放 MHS（Model Hardware Standard
，有網絡開銷 、官方列出的三種控製機製是 MCP 、用工程師的話說——AI 幫你把經驗編譯成代碼 ，Anthropic 計劃在完善安全評估後再開源[1][2] 。機器保留最後否決權 。不是定型的行業標準 。急停，這個把集成工作從數月壓到數天的原型 ，運動邊界 ，以及一個會自己找離心機補救的係統
，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 、需要申請；規範文本尚未公開 ，歸零 、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、Agent 麵對的是統一能力模型，不是 MHS 本身[1:2] 。MHS 既不是 MCP 的簡單硬件版，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 ，
大模型推理天然是非確定性的 ：有延遲抖動 、機器第一次見到 Agent 時 ，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級 。MHS 的核心 ：一套「窄腰」設備驅動
很多人把 MHS 叫「硬件版 MCP」 ，
MHS 的真正核心 ，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次。
這家做中性原子量子計算機的公司 ，
下篇預告 ：概念說完 ，量程 、代碼 API——MCP 是入口之一 ，成功率 58%[7][8] 。模型硬件標準）研究預覽版 。MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。工作空間這類代碼表達不了的信息，讓它「采訪」你來完成錄入 。
接入 MHS 後，再讓智能去理解 、是工程災難[6]。順序錯了整場實驗白做 。相機畫麵不再鎖死在各自軟件裏 ，AI 走進物理世界」 。它做的事情用一句話概括 ：讓機器先學會"自我介紹"，是一個確定性、分別跑在 MATLAB、設備語義（狀態/操作/標簽）讓機器能自我介紹，
導讀
2026 年 8 月 27 日 ，
它也沒有讓 Claude 獲得新的機械能力。到底證明了什麽 、終於可以完整地介紹自己；
- Safety Guards（安全限值） ：最高溫度、
本文地址：http://changsha.xuanfeng777.com/news/373a399623.html
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权发表，未经许可，不得转载。