Anthropic 近日發佈專為硬件而設的模型硬件標準 MHS（Model Hardware Standard），並同步開放研究預覽版本。該標準旨在讓大型模型驅動的人工智能代理，能夠以統一且相對安全的方式，連接並操作現實世界中的各種物理裝置，涵蓋顯微鏡、機械手臂、液體處理器及激光器等設備。
MHS 由 Anthropic 與霍華德．休斯醫學研究所 Janelia 研究園區共同開發，目前已開放予首批科研實驗室及先進製造企業使用。官方表示，現時實驗室與工廠內的儀器普遍採用各自獨立的程式介面，裝置之間欠缺統一的整合方式；接入人工智能系統後，更涉及數據共享與安全管控等難題。MHS 期望透過標準化的驅動程式解決上述挑戰，基於讀取、寫入等基礎指令，使不同裝置能夠以統一格式被發現、接入及跨網絡通訊，從而減少為個別設備編寫專屬「翻譯」程式的需求。
MHS 縮短硬件整合週期 由數月降至數分鐘
按照官方說法，原本可能需要數星期以至數個月才能完成的硬件整合工作，引入 MHS 後可望大幅縮短至數小時甚至數分鐘。在控制方式上，MHS 支援透過 MCP（Model Context Protocol）、命令行介面及 API 檔案協同操作裝置。裝置接入後，人工智能代理能夠接收運行數據，對不同儀器的任務進行排序、監察結果，並根據實際情況調整參數設定。針對長時間或高頻率的運作，代理亦可將驅動指令整理為程式碼檔案，由裝置自行執行。
Anthropic 在測試過程中透露，旗下模型 Claude 曾透過鏡頭觀察激光器的調節效果，反覆調整後生成具確定性的腳本，用以自動完成整個校準流程。現時已有多家企業參與相關測試或展開適配工作，包括 AWS、Automata、Danaher、Doosan Robotics、MBF Bioscience、QIAGEN、Tecan 及 Universal Robots；早期採用者亦涵蓋 Hugging Face 與 Raspberry Pi。
MHS 仍在完善階段 空間與物理推理能力有限
Anthropic 同時指出，MHS 目前仍處於完善階段。由於大型模型主要透過文字與圖像理解物理世界，其空間與物理推理能力仍有相當侷限，在部分場景中仍須依賴專家監督。此外，現時缺少可編程介面的裝置暫時無法直接兼容，官方表示將在後續階段持續擴大支援範圍，以涵蓋更多類型的硬件設備。
