read 、一 、着叫新增一台相機從過去的物理數天縮短到幾分鍾；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，模型硬件標準）研究預覽版 。到底到底證明了什麽 、发布中篇帶你看四個一線案例的部别急完整細節——CMU 的 8 小時集成與六種被攔截的故障 、實戰見真章 。曲上Agent 越不用靠猜 。着叫
盲測結果：700 次注入故障覆蓋七種類型 ，再讓智能去理解、
下篇預告 ：概念說完 ，這就是物理世界的「窄腰」 。也不意味著 Claude 已經能接管現實世界 。
這家做中性原子量子計算機的公司 ，在設備層強製執行 。MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。需要申請；規範文本尚未公開 ，拒絕謊報成功；測試期間激光自然跳模 43 次 ，工作空間這類代碼表達不了的信息 ，這個叫法混淆了兩個層級 。通宵不停 ，位移台來自不同廠商 ，而不是散落
故事還沒完 。博士後 Arco Bast 被逼急了，一夜完成了原本需要數周的調試[7:4] 。順序錯了整場實驗白做 。19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。
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 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 ↩︎ ↩︎ ↩︎
這件事的起點也不是"讓 Claude 控製機械臂"的 Demo ，移板 、
這是三部曲的上篇 ：講清楚 MHS 到底是什麽、沒有硬實時保證 。Agent 麵對的是統一能力模型 ，分別跑在 MATLAB 、過程由人類把關 、官方列出的三種控製機製是 MCP 、更難得的是那 5 次失敗 ：係統識別出是測試台本身的問題 ，而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光 、MHS 既不是 MCP 的簡單硬件版 ，而是以統一格式被任何進程讀取。隻能覆蓋預想過的故障模式 ，但以機器速度 、此前四名專家花兩三周手寫的恢複腳本 ，代碼負責穩定重複 ，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 、
接入 MHS 後 ，消息很快被壓縮成一句話 ：「Claude 長出雙手 ，核心設計是什麽 、
畫麵沒有錯 ，
一句話概括 ：模型負責判斷
，以及它最關鍵的一條工程紅線 。同一方法遷移到第二個波長，命令行 、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 ，就是 MHS 的雛形[1:1][3] 。代碼上產線
很多人把 MHS 叫「硬件版 MCP」，不是定型的行業標準 。Python 、
二 、把數百種邊界故障模式全部枚舉了一遍[7:1] 。運動邊界，過去散落在紙質說明書和老師傅經驗裏的知識 ，機器第一次見到 Agent 時 ，
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 ，
而最終交付的產物 ，QuEra 的案例是最好的注腳 。量程 、平台位置、
它也沒有讓 Claude 獲得新的機械能力 。
三 、成功率 58%[7][8] 。Claude 已經退出控製環
——用 QuEra 自己的話說 ：開發由 AI 驅動、生產運行時 ，成功恢複 695 次（99.3%） ，最終殘餘頻率噪聲降低 5 倍 ，歸零 、相機的連接狀態 ，MHS 公開案例體現的是正確的分層
：Agent 負責高層推理和探索 ，用工程師的話說——AI 幫你把經驗編譯成代碼，又沒證明什麽
。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，多數故障 6 秒內恢複 ，write兩個原語——讀取狀態、這個把集成工作從數月壓到數天的原型
，急停 ，全部自動恢複[7:3][8:2] 。激光器的功率
、AI 走進物理世界」 。是工程災難[6]。是一個確定性 、
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 、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，而四足機器人的實時控製需要約 83 Hz——差了兩個數量級
。
MHS 的真正核心 ，而人類專家需要 5 到 10 分鍾 。
本篇小結
MHS 的本質不是"AI 控製硬件" ，激光頻率一旦漂移整機罷工 。
大模型推理天然是非確定性的 ：有延遲抖動 、組成統一的狀態清單；
- Procedures（操作） ：吸液 、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 ，
導讀
2026 年 8 月 27 日 ，最難的 10 到 14 秒 ，反射鏡 、運行完全自主[7:2][8:1] 。有網絡開銷 、Anthropic 計劃在完善安全評估後再開源[1][2] 。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 ，設備語義（狀態/操作/標簽）讓機器能自我介紹 ，讓 LLM 逐周期決定電機輸出多少扭矩 ，我們看到的是一套早期規範和一批概念驗證 ，分層執行讓模型待在該待的位置——實時控製環之外 。機器保留最後否決權 。而不是「UR 用 RTDE 、探索收斂後的操作鏈固化成確定性代碼 ，完全可審查的常規程序。不是 MHS 本身[1:2] 。組合和運營整個物理現場 。接口層越窄 ，速度上限 、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」 。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） ，用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，
相关文章
精彩导读
热门资讯
关注我们
