Anthropic 在 8 月 27 日放出 Model Hardware Standard（下称 MHS）的研究预览，这是一套让 AI 智能体直接操控物理设备的通信规范，覆盖显微镜、液体处理器、机械臂、离心机、分光仪、孵化器这类实验室与先进制造设备。官方给出的核心指标是接入成本：过去把一台仪器接进自动化流程要数周到数月，用 MHS 是几小时甚至几分钟。
做法并不玄。MHS 在驱动层把设备能力抽象成两类原语——read 读一个值（比如取当前温度），write 写一个值（比如设定温度）；设备按统一格式自报家门，模型不必再为每台机器现写一个专用翻译程序。规范里还留了自然语言标签位，把设备特性、安全上限、能力边界直接写成模型读得懂的文字。上层给了三个入口：MCP、命令行、代码文件 API，Anthropic 称可以用一行代码编排多台设备。
合作方跑出来的数字
基因泰克拿它做 BCA 蛋白定量，Claude 同时协调液体处理器、机械臂和酶标仪，还自己摸出了不同液体的转移流速——水做到约 140 µL/s（RMSE 0.016），黏度更高的 BSA 溶液降到 10 µL/s（RMSE 0.181）；遇上吸头拾取失败、液面检测出错，能自行退回重试。
卡内基梅隆做的是梯度稀释的剂量-反应实验，执行速度快 3 倍，接入只用了 8 小时，同时应付三套互不兼容的计算机接口。还有一处细节：拟合曲线的 R² 达不到 0.98，智能体会自己调参数重跑一遍。
QuEra 那组数字最扎眼。量子计算机的激光锁定一掉，原来平均要 150 秒才能恢复，成功率 58%；接上 AI 控制器后是 6 秒、96%，后续做到 99.3% 无需人工介入。顺手还把 PID 参数重调了一遍，残余噪声从 15.7 mV 压到 1.55 mV，差不多降了一个数量级。此外，华盛顿大学 Baker 与 Pinglay 实验室一周内接通六台仪器，qPCR 曲线可以实时盯着、到最佳扩增点自动停机；HHMI Janelia 用它把双光子显微镜跨七家厂商的软件串成了一条链。
值钱的是驱动层
MHS 本质上是把 MCP 那套”给模型一个统一工具接口”的思路，从软件搬到了硬件。粗算一笔账：一个中等规模的湿实验室通常有二三十台仪器，按厂商方案每台两周，光是打通接口就要一年多的人力；按 8 小时的口径，一个人一个月能收拾完。这只是粗略估算，真实场景要看设备有没有可编程接口——那也正是 MHS 眼下的硬门槛。
已经宣布加入支持的名单跨度很大：AWS 的 Strands Robots、Automata 的 LINQ 平台、丹纳赫、斗山机器人、QIAGEN、Tecan 的 Fluent 液体处理器、优傲机器人，还有 Hugging Face 的 LeRobot 库和树莓派。软件标准能不能立住，从来看的是硬件厂商愿不愿意自己去适配，这份名单说明门槛已经跨过去了一半。
边界写得比宣传多
Anthropic 自己列的限制相当实在：模型缺物理直觉，气泡是怎么冒出来的这类问题还得专家给提示；只有带可编程接口的设备能接；让智能体一直盯着仪器跑，算力开销还没算清楚。安全上，设备的安全上限由 MHS 驱动强制执行，安全评估正与研究伙伴一起做，物理安全路线图要在开源之前定下来。
标准最终会开源，前提是安全评估跑完、最佳实践成型、研究预览的结论对外发布。眼下走的是申请制，官方留了等候名单入口。对做湿实验的人来说，落点在循环周期上：一次实验从设计到跑通，第一次有机会按小时来算。
参考来源：Anthropic 官方公告、CocoLoop、modelhardwarestandard.com；合作方实验数据、设备厂商名单与开源计划均以官方公告口径核验。