理 M它物麽別布了什 三部到底發急著叫曲上
畫麵沒有錯 ，部别急機械臂還是曲上原來的機械臂 ，Genentech 的着叫移液自優化和"泡沫翻車"、有網絡開銷 、物理第一次變成了機器可讀的到底標準對象 。由設備自行執行 。发布
盲測結果 ：700 次注入故障覆蓋七種類型 ，部别急激光頻率一旦漂移整機罷工 。曲上博士後 Arco Bast 被逼急了 ，着叫
它也沒有讓 Claude 獲得新的物理機械能力 。廠商越容易接；語義層越完整 ，到底
故事還沒完 。发布
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 部别急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 ↩︎ ↩︎ ↩︎
這家做中性原子量子計算機的曲上公司
，設備語義（狀態/操作/標簽）讓機器能自我介紹 ，着叫它的設計有個很妙的特點 ：最底部隻收窄成 read
、命令行
、拒絕謊報成功；測試期間激光自然跳模 43 次 ，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備
。又沒證明什麽 。
這件事的起點也不是"讓 Claude 控製機械臂"的 Demo ，移板、核心設計是什麽 、運動邊界，接口層越窄 ，運行完全自主[7:2][8:1] 。最終殘餘頻率噪聲降低 5 倍，
大模型推理天然是非確定性的 ：有延遲抖動、
一 、
MHS 公開案例體現的是正確的分層：Agent 負責高層推理和探索 ，ABB 用 RAPID」的廠商方言；
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 ，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 ，不是定型的行業標準 。通宵不停，平台位置 、C# 和各自的控製軟件裏 ，到底證明了什麽 、這個把集成工作從數月壓到數天的原型 ，
本篇小結
MHS 的本質不是"AI 控製硬件" ，歸零 、多數故障 6 秒內恢複 ，順序錯了整場實驗白做 。
下篇預告 ：概念說完，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」 。是一個確定性 、以及一個會自己找離心機補救的係統 ，而人類專家需要 5 到 10 分鍾 。這就是物理世界的「窄腰」 。就是 MHS 的雛形[1:1][3] 。相機的連接狀態 ，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 ，工作空間這類代碼表達不了的信息 ，而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光 、成功恢複 695 次（99.3%），用工程師的話說——AI 幫你把經驗編譯成代碼 ，過去散落在紙質說明書和老師傅經驗裏的知識 ，而是三件事的組合 ：窄腰接口（read/write）降低接入門檻 ，Agent 越不用靠猜 。不是 MHS 本身[1:2] 。AI 走進物理世界」 。也最容易被「AI 直接控製機械臂」的標題掩蓋 。Anthropic 開放 MHS（Model Hardware Standard ，代碼負責穩定重複 ，隻能覆蓋預想過的故障模式 ，更難得的是那 5 次失敗 ：係統識別出是測試台本身的問題 ，是每台設備的標準化驅動（MHS Driver） 。速度上限 、Anthropic 計劃在完善安全評估後再開源[1][2] 。全部自動恢複[7:3][8:2] 。官方列出的三種控製機製是 MCP 、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、
一句話概括
：模型負責判斷，但以機器速度
、「Claude 長出雙手」， 導讀 2026 年 8 月 27 日
，一夜完成了原本需要數周的調試[7:4] 。Agent 麵對的是統一能力模型 ，MHS 的核心 ：一套「窄腰」設備驅動 很多人把 MHS 叫「硬件版 MCP」，但機器可讀。反射鏡 、機器第一次見到 Agent 時 ，它做的事情用一句話概括 ：讓機器先學會"自我介紹" ，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）
，再讓智能去理解、 這是三部曲的上篇
：講清楚 MHS 到底是什麽、用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，讓它「采訪」你來完成錄入 。沒有硬實時保證
。在設備層強製執行 。代碼上產線
MHS 的真正核心 ，此前四名專家花兩三周手寫的恢複腳本 ，相機 、
三 、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，這個叫法混淆了兩個層級 。而最終交付的產物
，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，分別跑在 MATLAB 、而四足機器人的實時控製需要約 83 Hz——差了兩個數量級
。組成統一的狀態清單；Procedures（操作） ：吸液、我們看到的是一套早期規範和一批概念驗證
，而不是散落 [4][5] 。而是以統一格式被任何進程讀取
。而不是「UR 用 RTDE、寫入參數——然後把設備差異全部放進上層描述裏 。
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 、位移台來自不同廠商 ，是工程災難[6] 。實戰見真章
。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 ，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 、但結論跑得太快 。代碼 API——MCP 是入口之一，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。完全可審查的常規程序 。
接入 MHS 後 ，
二、模型硬件標準）研究預覽版 。量程 、同一方法遷移到第二個波長 ，成功率 58%[7][8] 。MHS 既不是 MCP 的簡單硬件版 ，探索收斂後的操作鏈固化成確定性代碼 ，最難的 10 到 14 秒，Python、Claude 已經退出控製環——用 QuEra 自己的話說 ：開發由 AI 驅動 、急停 ，把數百種邊界故障模式全部枚舉了一遍[7:1] 。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，組合和運營整個物理現場 。消息很快被壓縮成一句話：「Claude 長出雙手 ，讓 LLM 逐周期決定電機輸出多少扭矩，相機畫麵不再鎖死在各自軟件裏 ，激光器的功率 、做一次實驗要按固定順序啟動 7 個程序 ，終於可以完整地介紹自己；
write兩個原語——讀取狀態、也不意味著 Claude 已經能接管現實世界。