Anthropic 模型硬件标准（MHS）研究预览

TL;DR

Anthropic 宣布推出模型硬件标准（MHS）的研究预览版，这是一种共享驱动程序和协议，使 AI 代理能够与任何可编程仪器通信，将集成时间从数周缩短至数分钟，并支持全天候自主实验。

什么是模型硬件标准？

MHS 是一种 与模型无关、与设备无关的规范，定义了一组最小的原语（例如 read、write）和发现格式，使得任何具备可编程接口的硬件都能通过单一标准驱动程序被 AI 代理访问。该标准由 HHMI Janelia 研究园区共同开发，并建立在现有的模型上下文协议（MCP）之上。

关键特性：

标准驱动程序：将操作系统调用转换为设备特定命令。
自然语言标签：允许用户或代理标注物理特性（例如机械臂重量），这些特性在代码中未暴露。
安全限制：由驱动程序强制执行，防止代理发出危险命令。
与模型无关：任何 Claude 或其他 LLM 都可通过相同的 MCP 接口使用 MHS。

MHS 如何工作

设备发现 – 每个仪器发布一个类似 JSON 的描述符，列出其可测量状态、可控制参数和安全约束。
原语命令 – 代理发出简单的 read/write 调用；驱动程序将其映射到设备的原生 API（CLI、SDK 或 GUI 自动化）。
状态字典 – 所有设备状态存储在共享内存字典中，可供任何进程读取，支持实时监控和跨设备分析。
编排层 – 代理可通过代码文件（API）串联命令以实现高频操作，或使用 MCP 进行交互式控制。
错误处理 – 驱动程序根据安全标签验证每个命令，若检测到违规可自动暂停或中止。

早期合作伙伴演示

Genentech – BCA 蛋白质测定自动化

集成液体处理仪、机械臂和板式读数仪。
Claude 使用闭环 RMSE 反馈优化了水（≈ 140 µL/s）和高粘度 BSA（≈ 10 µL/s）的流速。
展示了在移液头抓取和泡沫故障情况下的自主错误恢复能力。

华盛顿大学 – 远程监控与 qPCR 控制

仪表板通过 MHS 汇总所有仪器状态。
AI 监督的 qPCR 在最佳扩增曲线时自动中止运行，显著减少人工值守时间。
在液体处理仪与机械臂之间协调板式交接，避免碰撞。

卡内基梅隆大学 – 快速剂量-反应曲线

结合 CyBio Felix 液体处理仪、Varioskan LUX 板式读数仪、机械臂和摄像头。
MHS 将集成时间缩短至约 8 小时，使连续稀释实验加速三倍。
自主安全检查在任何运动前成功拦截了六个模拟故障。

HHMI Janelia – 显微镜装置统一

将七个供应商程序统一为单一 MHS 字典。
数分钟内新增摄像头；摄像头的光束位置数据直接传输至伺服镜以实现亚微米级对准。
实现了在线分析流水线，无论原始语言是 MATLAB、Python 还是 C#，均可从共享字典读取数据。

QuEra Computing – 量子激光稳定

MHS 使 Claude 能够控制钛宝石激光锁相。
迭代式代理循环重写了恢复脚本，将锁相恢复时间从约 150 秒（成功率 58%）缩短至约 6 秒（成功率 96%），最终在盲测中达到 99.3% 成功率。
Claude 还调优了 12 个 PID 参数，将 RMS 噪声降低十倍，并在 19 小时运行中完全消除锁相丢失。

Tetsuwan Scientific – 公民科学水监测用 qPCR

通过 MHS 集成摄像头、离心机和液体处理仪。
Claude 通过计算机视觉检测气泡，指令离心机旋转以排出气泡，并自动恢复协议。
闭环编译器优化将多通道分液精度提升约 12%（p ≈ 0.001）。

安全性、局限性与持续工作

物理推理差距：Claude 仍会误解气泡形成等现象；需要人类指导来教授正确处理策略。
接口要求：MHS 仅适用于暴露可编程接口（API、CLI 或 GUI）的设备。非可编程硬件正在通过定制驱动程序进行改造。
人机协同：对于高风险操作，Claude 会暂停等待人工批准；未来模型升级旨在减少不必要的暂停，同时保持安全。
安全路线图：Anthropic 正在起草物理安全政策，扩大故障注入测试，并计划在开源前制定正式的安全评估基准。

未来路线图与开源计划

开源发布 – 完成安全评估并扩展驱动覆盖范围后，MHS 将以开源许可证发布。
更广泛的设备支持 – 增加离心机、培养箱、qPCR 热循环仪及其他非 API 设备。
标准驱动程序库 – 公开仓库，提供常见实验室和制造仪器的现成驱动程序。
社区沙盒 – 一个托管测试平台，研究人员可提交新驱动、分享安全案例并基准测试 AI 驱动的工作流。
与其他 Anthropic 工具集成 – 与 Claude Code、Claude Opus 和模型上下文协议紧密集成，实现端到端无缝流水线。

如何加入研究预览

有兴趣的实验室或制造商可通过 MHS 门户申请：https://www.modelhardwarestandard.com/。
被选中的参与者将获得 Strands Robots 库（AWS）的私有预发布版本和早期驱动构建版本。
参与者需共同撰写安全评估，并与 Anthropic 团队分享集成经验。

致谢

该标准源于 Alek Kemeny（Anthropic Beneficial Deployments）与 Arco Bast（HHMI Janelia）的合作。其他贡献者包括 Aaron Boswell、Ben Arthur、Boaz Mohar、Gagan Bhat、Mark Kittisopikul、Nadine Yasser、Nick Purcell、Takashi Kawase 和 Virginie Ruetten。

结论

MHS 证明，统一的硬件抽象层可将集成周期从数周缩短至数分钟，使 AI 代理能够自主运行复杂的多仪器实验，并为未来 AI 驱动的实验室和工厂提供以安全为先的基础。研究预览邀请社区共同验证、扩展和强化该标准，使其在成为 AI-仪器交互的开源基石之前更加成熟可靠。