Anthropic在8月27日釋出Model Hardware Standard(以下簡稱MHS)的研究預覽版，這是一套讓AI代理人直接操控實體設備的通訊規格，涵蓋顯微鏡、液體處理儀器、機械手臂、離心機、光譜儀、培養箱這類實驗室與先進製造設備。官方給出的核心指標是接入成本：過去要把一台儀器接進自動化流程得花上數週到數月，用MHS只要幾小時甚至幾分鐘。
做法其實不玄。MHS在驅動層把設備的能力抽象成兩種基本操作——read讀取一個數值(比如取得目前的溫度)，write寫入一個數值(比如設定溫度)；設備用統一格式自報規格，模型不必再為每台機器另外寫一支專用的轉譯程式。規格裡還留了自然語言標籤的欄位，把設備特性、安全上限、能力邊界直接寫成模型讀得懂的文字。上層提供三個入口：MCP、命令列、程式碼檔案API，Anthropic稱可以用一行程式碼調度多台設備。
合作夥伴跑出來的數字
羅氏旗下的Genentech(基因泰克)拿它做BCA蛋白質定量，Claude同時協調液體處理儀器、機械手臂和酵素免疫分析儀，還自己摸索出不同液體的移液流速——水做到約每秒140微升(RMSE 0.016)，黏度較高的BSA溶液則降到每秒10微升(RMSE 0.181)；遇到吸頭夾取失敗、液面偵測出錯，會自行回退重試。
卡內基美隆大學做的是濃度梯度的劑量反應實驗，執行速度快了3倍，接入只花8小時，同時要應付三套互不相容的電腦介面。還有個細節：擬合曲線的R²沒達到0.98，代理人會自己調整參數重跑一次。
最扎眼的是QuEra的數字。量子電腦的雷射鎖定一旦掉了，過去平均要花150秒才能恢復，成功率58%；接上AI控制器之後變成6秒、96%，後續更做到99.3%完全不需要人工介入。順手還把PID參數重新調校了一遍，殘餘雜訊從15.7 mV壓到1.55 mV，差不多降了一個數量級。此外，華盛頓大學Baker與Pinglay實驗室在一週內接通六台儀器，qPCR的擴增曲線可以即時盯著，到達最佳擴增點就自動停機；HHMI珍利亞研究園區則用它把跨七家廠商的雙光子顯微鏡軟體串成一條鏈。
值錢的是驅動層
MHS本質上是把MCP那套「給模型一個統一工具介面」的思路，從軟體搬到了硬體上。粗抓一個算法：一間中型濕實驗室通常有二三十台儀器，照廠商方案每台兩週算，光打通介面就得花上一年多的人力；照8小時的標準算，一個人一個月就能收尾。這只是粗略估算，實際情況要看設備有沒有可程式化的介面——而這正是MHS目前的硬門檻。
已經宣布加入支援的名單跨度不小：AWS的Strands Robots、Automata的LINQ平台、丹納赫(Danaher)、斗山機器人、QIAGEN、Tecan的Fluent液體處理儀器、優傲機器人(Universal Robots)，還有Hugging Face的LeRobot函式庫和樹莓派。一套軟體標準立不立得住，看的從來都是硬體廠商願不願意自己去適配，這份名單說明門檻已經跨過一半。
寫的限制比宣傳還多
Anthropic自己列出的限制相當老實：模型缺乏物理直覺，氣泡是怎麼冒出來的這類問題還是得靠專家提示；只有具備可程式化介面的設備才接得進來；讓代理人一直盯著儀器跑，運算成本目前還沒算清楚。安全方面，設備的安全上限由MHS驅動程式強制執行，安全評估正和研究夥伴一起進行，物理安全的路線圖要在開源之前先定案。
這套標準最終會開源，前提是安全評估跑完、最佳實務成形、研究預覽版的結論對外公布。眼下走的是申請制，官方留了候補名單的入口。對做濕實驗的人來說，關鍵落在實驗週期上：一次實驗從設計到跑通，第一次有機會用「小時」來計算。
參考來源：Anthropic官方公告、CocoLoop、modelhardwarestandard.com；合作夥伴的實驗數據、設備廠商名單與開源計畫皆以官方公告口徑核實。