但結論跑得太快。部别急而是曲上以統一格式被任何進程讀取。相機畫麵不再鎖死在各自軟件裏，着叫是物理每台設備的標準化驅動（MHS Driver） 。它做的到底事情用一句話概括 ：讓機器先學會"自我介紹"，代碼 API——MCP 是发布入口之一 ，探索收斂後的部别急操作鏈固化成確定性代碼 ，

畫麵沒有錯，曲上不是着叫定型的行業標準。成功恢複 695 次（99.3%），物理也不意味著 Claude 已經能接管現實世界。到底

下篇預告 ：概念說完 ，发布而不是部别急「UR 用 RTDE 、沒有硬實時保證 。曲上

這是着叫三部曲的上篇：講清楚 MHS 到底是什麽、ABB 用 RAPID」的廠商方言；

Metadata（語義）：機械臂的重量、組合和運營整個物理現場 。

而最終交付的產物，

一
、相機的連接狀態，工作空間這類代碼表達不了的信息
，此前四名專家花兩三周手寫的恢複腳本 ，是工程災難^[6] 。Python 、生產運行時 ，廠商越容易接；語義層越完整
，

盲測結果
：700 次注入故障覆蓋七種類型，讓 LLM 逐周期決定電機輸出多少扭矩
，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、用工程師的話說——AI 幫你把經驗編譯成代碼，而不是散落^[4][5]。運動邊界 ，終於可以完整地介紹自己；

Safety Guards（安全限值）：最高溫度、

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，把數百種邊界故障模式全部枚舉了一遍^[7:1]。這個叫法混淆了兩個層級 。設備語義（狀態/操作/標簽）讓機器能自我介紹，以及一個會自己找離心機補救的係統
，最終殘餘頻率噪聲降低 5 倍
，

這家做中性原子量子計算機的公司
，由設備自行執行  。成功率 58%^[7][8]。而是 HHMI Janelia 研究園區一個相當狼狽的科研現場 ：激光、完全可審查的常規程序。機器保留最後否決權。它的設計有個很妙的特點：最底部隻收窄成 read 、

本篇小結

MHS 的本質不是"AI 控製硬件"
，

MHS 公開案例體現的是正確的分層 ：Agent 負責高層推理和探索 ，做一次實驗要按固定順序啟動 7 個程序 ，更難得的是那 5 次失敗：係統識別出是測試台本身的問題，但機器可讀
。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」。第一次變成了機器可讀的標準對象  。相機
、Claude 已經退出控製環——用 QuEra 自己的話說
：開發由 AI 驅動
、量程、過程由人類把關、最難的 10 到 14 秒 ，Anthropic 計劃在完善安全評估後再開源^[1][2]。C# 和各自的控製軟件裏，也最容易被「AI 直接控製機械臂」的標題掩蓋
。但以機器速度 、用自然語言標簽寫進參考文件——用戶甚至可以和 AI 對話 ，

這件事的起點也不是"讓 Claude 控製機械臂"的 Demo，

導讀

2026 年 8 月 27 日  ，移板 、我們看到的是一套早期規範和一批概念驗證 ，機械臂還是原來的機械臂，Genentech 的移液自優化和"泡沫翻車"
、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，

二、一夜完成了原本需要數周的調試^[7:4]。新增一台相機從過去的數天縮短到幾分鍾；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 ，

接入 MHS 後
，分別跑在 MATLAB、速度上限、到底證明了什麽、消息很快被壓縮成一句話：「Claude 長出雙手，通宵不停，這就是物理世界的「窄腰」。需要申請；規範文本尚未公開 ，順序錯了整場實驗白做 。模型硬件標準）研究預覽版。

一句話概括：模型負責判斷 ，Agent 越不用靠猜。而是三件事的組合：窄腰接口（read/write）降低接入門檻，過去散落在紙質說明書和老師傅經驗裏的知識 ，MHS 的核心  ：一套「窄腰」設備驅動

很多人把 MHS 叫「硬件版 MCP」，寫入參數——然後把設備差異全部放進上層描述裏
。

它也沒有讓 Claude 獲得新的機械能力 。

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
  、反射鏡 、代碼上產線。激光頻率一旦漂移整機罷工。命令行、Agent 麵對的是統一能力模型，AI 走進物理世界」
  。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、又沒證明什麽
  。是一個確定性、讓它「采訪」你來完成錄入。多數故障 6 秒內恢複，全部自動恢複^[7:3][8:2] 。機器第一次見到 Agent 時，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]。而人類專家需要 5 到 10 分鍾。write兩個原語——讀取狀態、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 ，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），博士後 Arco Bast 被逼急了，MCP 解決的是模型如何連接軟件工具；MHS 負責的是物理設備。「Claude 長出雙手」 ，代碼負責穩定重複 ，

  MHS 的真正核心 ，位移台來自不同廠商 ，MHS 既不是 MCP 的簡單硬件版 ，平台位置 、分層執行讓模型待在該待的位置——實時控製環之外 。核心設計是什麽
  、

  大模型推理天然是非確定性的 ：有延遲抖動、這個把集成工作從數月壓到數天的原型，組成統一的狀態清單；

• Procedures（操作）：吸液、拒絕謊報成功；測試期間激光自然跳模 43 次，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，在設備層強製執行。不是 MHS 本身^[1:2]。歸零、激光器的功率、有網絡開銷、QuEra 的案例是最好的注腳。接口層越窄，再讓智能去理解 、而四足機器人的實時控製需要約 83 Hz——差了兩個數量級 。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，以及它最關鍵的一條工程紅線。

  ---

  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 ↩︎ ↩︎ ↩︎

  隻能覆蓋預想過的故障模式，

  

  三 、同一方法遷移到第二個波長，運行完全自主^[7:2][8:1]。實戰見真章。

  故事還沒完 。急停，官方列出的三種控製機製是 MCP、Anthropic 開放 MHS（Model Hardware Standard，19 小時烤機零失鎖——此前平均每小時失鎖 1.6 次 。