标题：Anthropic推出MHS硬件标准，AI代理跨出萤幕走向实体设备控制
来源：iknow科技产业资讯室
原文网址：https://iknow.stpi.niar.org.tw/article/3/25268
原文：
生成式AI竞争正从文字、程式与数位工具进一步延伸至实体世界。Anthropic于2026年8月
27日推出“模型硬件标准”（Model Hardware Standard, MHS）研究预览版，建立AI代理
操作实体设备的共通规格，可连接显微镜、液体处理设备、机械手臂及量子电脑雷射系统
等硬件。MHS现阶段率先提供科研机构与先进制造业者测试，待完成安全评估与最佳实务
建立后，再规划以开源方式释出。MHS的重要性不只是让Claude“控制机器”，而是试图
解决实验室与工厂长期存在的设备整合问题。不同厂商设备通常采用各自的程式接口、控
制方式与资料格式，要建立跨设备自动化流程，往往需要工程人员重新撰写专属程式。
Anthropic表示，传统整合作业可能耗费数周甚至数月，透过MHS建立统一设备接口后，部
分工作有机会缩短至数小时甚至数分钟，使AI代理更容易加入自动化工作流程。MHS的核
心是一套标准化驱动程式，将不同硬件的功能转化为“读取”与“写入”等基础操作，同
时以自然语言标签记录设备特性、可调参数与安全限制。例如机械手臂重量、传感器量测
范围或设备允许的操作界线，都可提供AI代理作为判断依据。完成连接后，系统可透过
Anthropic既有的模型上下文协定（Model Context Protocol, MCP）、命令列或API控制
设备，使代理能依实验结果即时调整参数并协调多台机器运作。实际测试已涵盖生技与药
物研究。Genentech利用MHS串接液体处理机、机械手臂及微孔盘读取器，让Claude协调
BCA蛋白质分析流程，并根据测量结果自行调整不同液体的流速。卡内基梅隆大学（CMU）
则将原本接口互不相容的液体处理设备、读取器、机械手臂与摄影机纳入同一系统，研究
团队表示，相关自动化整合约花费8小时，相较过去可能需要数周的设备设定时间明显缩
短。量子运算则提供另一项更具代表性的案例。中性原子量子电脑业者QuEra透过MHS让
Claude学习雷射重新锁定程序，之后将学习结果转换为可检视的确定性控制程式。在700
次测试中，该程式成功完成695次雷射复原，成功率达99.3%，而较简单的故障约0.9至5.4
秒即可恢复，较复杂的情况约需10至14秒，而人工处理通常需5至10分钟。这显示AI代理
除了直接操作设备，也可能成为开发自动化控制程式的工具。不过，MHS距离全面自主控
制实体世界仍有明显限制。Anthropic与Genentech测试发现，Claude虽能处理程式与设备
回传的错误，面对气泡、液体黏度等需要物理与化学直觉判断的问题时，仍可能采取错误
处置，需要研究人员提供额外背景资讯。QuEra的测试也显示，遇到真正的硬件异常时，
Claude仍缺乏专家的实体设备经验，对具有风险的操作有时会停止并等待人工确认，因此
专业人员目前仍是安全监督的重要环节。目前AWS、Automata、Danaher、Doosan
Robotics、QIAGEN、Tecan及Universal Robots等业者均参与MHS相关整合或测试，
Hugging Face与Raspberry Pi也投入早期支援。若MHS未来发展为跨设备、跨模型的开放
规格，其影响范围可能由实验室自动化逐步延伸至先进制造与机器人应用。对AI产业而言
，下一阶段的竞争焦点将不只是模型的理解与推理，而是在如何建立一套可靠、安全且具
互通性的接口，让AI代理真正具备操作实体设备的能力。
心得：
AI代理从萤幕走向实体设备确实是可以预见的下一步，但目前MHS更像是在提前铺设这条
路，而非证明AI已经能可靠控制现实世界。设备接口统一后，真正棘手的仍是异常判断、
安全界线与物理环境的不可预测性，这些问题并不会因为多了一套标准就自然消失。