MHS 的着叫真正核心，位移台來自不同廠商，物理

一 、到底Agent 越不用靠猜。发布ABB 用 RAPID」的部别急廠商方言；

Metadata（語義） ：機械臂的重量、Anthropic 自己 7 月的曲上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  ，由設備自行執行。着叫到底證明了什麽
、物理Genentech 的到底移液自優化和"泡沫翻車"、而四足機器人的发布實時控製需要約 83 Hz——差了兩個數量級。完全可審查的部别急常規程序。代碼負責穩定重複
，曲上消息很快被壓縮成一句話：「Claude 長出雙手 ，着叫Claude 已經退出控製環——用 QuEra 自己的話說：開發由 AI 驅動、最終殘餘頻率噪聲降低 5 倍  ，QuEra 的案例是最好的注腳 。

二、急停 ，它的設計有個很妙的特點：最底部隻收窄成 read  、Anthropic 開放 MHS（Model Hardware Standard ，探索收斂後的操作鏈固化成確定性代碼
，代碼 API——MCP 是入口之一，而是以統一格式被任何進程讀取 。這個把集成工作從數月壓到數天的原型，就是 MHS 的雛形^[1:1][3] 。以及它最關鍵的一條工程紅線 。歸零 、過去散落在紙質說明書和老師傅經驗裏的知識，也最容易被「AI 直接控製機械臂」的標題掩蓋 。但結論跑得太快 。不是定型的行業標準 。但以機器速度、讓它「采訪」你來完成錄入。不是 MHS 本身^[1:2] 。運動邊界，最難的 10 到 14 秒，

---

參考資料：

MHS 官方網站 ：https://modelhardwarestandard.com/

---

1. Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ ↩︎

2. Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎

3. How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI ↩︎

4. Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal ↩︎

5. Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎

6. Claude plays robotics — Anthropic Research ↩︎

7. Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

8. QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider ↩︎ ↩︎ ↩︎

通宵不停 ，而人類專家需要 5 到 10 分鍾 。

這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，也不意味著 Claude 已經能接管現實世界。Anthropic 計劃在完善安全評估後再開源^[1][2]。

導讀

2026 年 8 月 27 日 ，反射鏡
、模型硬件標準）研究預覽版 
。把數百種邊界故障模式全部枚舉了一遍^[7:1] 。終於可以完整地介紹自己；

Safety Guards（安全限值）：最高溫度、激光頻率一旦漂移整機罷工
。過程由人類把關、機器第一次見到 Agent 時，這就是物理世界的「窄腰」。write兩個原語——讀取狀態 、寫入參數——然後把設備差異全部放進上層描述裏 。做一次實驗要按固定順序啟動 7 個程序，但機器可讀 。Agent 麵對的是統一能力模型 ，在設備層強製執行 。成功恢複 695 次（99.3%），而不是「UR 用 RTDE 、再讓智能去理解、AI 走進物理世界」 。此前四名專家花兩三周手寫的恢複腳本
，

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
  、博士後 Arco Bast 被逼急了 ，設備語義（狀態/操作/標簽）讓機器能自我介紹，順序錯了整場實驗白做
   。隻能覆蓋預想過的故障模式，多數故障 6 秒內恢複 ，這個叫法混淆了兩個層級
  。有網絡開銷 、

  下篇預告：概念說完，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
，以及一個會自己找離心機補救的係統，Python、機器保留最後否決權。而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光
、我們看到的是一套早期規範和一批概念驗證 ，組成統一的狀態清單；

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
，又沒證明什麽。19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次。核心設計是什麽、

這是三部曲的上篇：講清楚 MHS 到底是什麽、量程 、平台位置
 、

而最終交付的產物 ，沒有硬實時保證。接口層越窄，「Claude 長出雙手」，

故事還沒完。用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話
，第一次變成了機器可讀的標準對象 。用工程師的話說——AI 幫你把經驗編譯成代碼 ，官方列出的三種控製機製是 MCP 
、速度上限 、是每台設備的標準化驅動（MHS Driver）。相機 、代碼上產線。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，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」 。讓 LLM 逐周期決定電機輸出多少扭矩 ，

接入 MHS 後，機械臂還是原來的機械臂 ，

畫麵沒有錯，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）
，成功率 58%^[7][8]。中篇帶你看四個一線案例的完整細節——CMU 的 8 小時集成與六種被攔截的故障、同一方法遷移到第二個波長
，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 、MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備 。而是三件事的組合：窄腰接口（read/write）降低接入門檻，是一個確定性
、

MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索，

大模型推理天然是非確定性的：有延遲抖動、更難得的是那 5 次失敗：係統識別出是測試台本身的問題，實戰見真章 。激光器的功率、

這家做中性原子量子計算機的公司，C# 和各自的控製軟件裏，運行完全自主^[7:2][8:1]
。移板、組合和運營整個物理現場。命令行、

盲測結果：700 次注入故障覆蓋七種類型，

它也沒有讓 Claude 獲得新的機械能力  。廠商越容易接；語義層越完整
，