Previewing the Model Hardware Standard

预览模型硬件标准 \ Anthropic

公告

有益部署

预览模型硬件标准

2026年8月27日

$!

/$

我们向首批科学实验室和先进制造企业开放了模型硬件标准（Model Hardware Standard，MHS）的研究预览。MHS是AI代理安全操作物理设备的共享规范，使AI代理能够并行操作显微镜、液体处理设备和机械臂等多种实验室和制造仪器，执行从常规药物发现实验到量子计算机激光校准等复杂任务。MHS的开发始于Anthropic与HHMI Janelia研究园区的合作。

通常，实验室或制造设施需要数周甚至数月时间才能设置和集成其硬件。大多数设备无法相互通信，需要专家构建定制化集成方案。MHS将这种集成工作缩短至数小时或数分钟。通过将AI融入这些工具，MHS还帮助研究人员和工程师更轻松地协调自主运行的全天候实验和工作流程，代理能够推理实验的每个步骤，实时更新参数，并在某些情况下无需人工干预即可从硬件错误中恢复。

我们正在与科学、机器人、电子和制造领域的合作伙伴分享MHS的早期版本，以便共同构建安全评估体系，并制定AI系统操作物理设备的最佳实践，为标准开源做好准备。MHS适用于任何具有可编程接口的设备，且与模型无关，任何代理系统均可通过标准协议（如Model Context Protocol）访问该接口。要申请研究预览的访问权限，请前往此处。

MHS的工作原理

模型硬件标准（MHS）实施前后的对比。

即使不考虑将AI集成到设置中的额外难度，让实验室或工厂车间中的多台设备相互通信本身就已经颇具挑战。每台设备通常都有自己的编程接口，迄今为止尚未有标准化的集成方式。一旦设备连接成功，也没有通用的方法让它们与AI代理共享数据，或让代理安全地操作它们。

MHS通过引入标准化驱动程序来解决这些挑战：一种在计算机操作系统与硬件设备之间进行翻译的软件。MHS驱动程序使用一组简单的原始指令（例如“读取”（如“获取温度”）或“写入”（如“设置温度”）），这些指令任何硬件设备都能理解和执行。它还以标准格式使每台设备变得可发现，从而使设备和代理能够相互发现，并通过网络进行通信，而无需中间的定制“翻译器”程序。

MHS驱动器还能帮助AI代理理解如何使用它从未见过的设备，提供仅凭代码本身可能无法辨别的机器特性信息（例如机器人手臂的重量，这对安全操作至关重要）。迄今为止，这类信息大多存储在纸质手册中、用户的计算机上，或以隐性知识的形式存在。但MHS驱动器包含标签，允许用户直接用自然语言编写这些信息（用户可以自行完成，也可以通过与代理对话，由代理询问其硬件配置来实现）。借助这些标签中的信息，MHS驱动器随后会自动生成包含设备通用特性的参考文件，例如设备能测量什么、可调节什么，以及将执行哪些安全限制。该文件为代理提供了操作设备所需的所有必要信息。

在设备连接完成且代理了解如何使用每台设备后，代理需要一种控制硬件的方式。对于MHS，存在三种此类机制：MCP（命令行接口）和代码文件（API）。这些机制协同工作，通过单行代码即可实现跨多设备的编排。

一旦代理能够控制设备，它就能从每台设备接收运行数据，并在高层级监督和指导工作。代理可以在不同仪器之间安排步骤，监控结果，并根据实时变化的条件调整参数。当代理需要执行长时间任务或以超出其在线推理能力的速度操作设备时，可以通过代码文件将一个或多个设备的驱动器命令串联起来。这使设备能够自行完成操作，而无需代理在每个步骤都进行推理。

在我们测试MHS的过程中，我们发现Claude以探索性方式与实验和硬件互动，这与科学家的思维方式非常相似。例如，我们观察到Claude调整激光器后，通过摄像头观察结果以评估其调整如何移动激光束，并重复该过程以理解事件序列。随后，Claude将所学内容封装到代码文件中，编写出确定性脚本，使其无需在每个步骤进行推理即可对齐激光，从而使整个过程作为单个命令运行。

MHS的早期示例

我们才刚刚开始看到人们如何利用前沿模型和MHS实现各种功能，但我们的希望是，这一标准能够帮助研究人员、工程师及其他从业者在任何使用可编程接口设备的领域加快发现和实验进程。

在开发MHS的过程中，我们将其分享给了生物技术、机器人技术、量子计算等领域的少数实验室和硬件制造商。在这些早期项目中，我们看到MHS减少了设备集成所需的时间，使多种实验场景下的迭代速度加快，并协助实现机器的实时操作和实时故障检测。以下，我们的合作伙伴分享了他们早期涉及MHS项目的具体细节。

Genentech：为实验室自动化实施MHS

Genentech 的研究人员实施并测试了 MHS，作为自动化 BCA 蛋白质测定的概念验证。BCA 蛋白质测定是一种标准流程，用于测量样品中的总蛋白浓度，需要协调液体处理仪、机械臂和板式读数器之间的协作。

华盛顿大学 Baker 和 Pinglay 实验室：将 AI 代理引入实验台

华盛顿大学 Baker 和 Pinglay 实验室的博士生 Zihao Song 使用 MHS 构建了一个远程监控仪器的仪表板；一个由 AI 代理监督的 qPCR（通过反复加热和冷却循环复制目标 DNA 序列），该代理会监控扩增曲线并在合适时机停止实验；以及一个机械臂与液体处理仪之间的集成系统，实现无碰撞的板式传递。

卡内基梅隆大学：通过快速自动化确定剂量-反应曲线

卡内基梅隆大学的研究人员使用 MHS 运行串行稀释剂量-反应实验，速度比以往快了三倍。AI 代理协调液体处理仪、板式读数器、机械臂和分布在三台计算机上的监控摄像头，这些计算机的接口本质上是不兼容的。

HHMI Janelia：使用 MHS 加速显微镜研究

在 HHMI Janelia 研究所，研究人员正在使用 MHS 加速一系列与显微镜相关的项目。在这里，Ahrens 实验室的科学家 Virginie Ruetten 分享了她如何使用 MHS 整合并协调一个此前需要七个不同供应商程序（且没有共享接口）的设备系统。她的研究关注睡眠如何帮助身体从压力中恢复。

QuEra Computing：在量子激光稳定化中使用 MHS

QuEra 是一家使用中性原子构建量子计算机的公司，他们使用 MHS 让 AI 代理控制其量子机器内部激光系统的一部分。该代理开发了一个控制器，能够在 99.3% 的情况下无需人工干预即可恢复激光的“锁定”状态——即激光必须保持的超高精度频率，以与原子相互作用。

Tetsuwan Scientific：使用 MHS 运行 qPCR 以分析本地污染

Tetsuwan 将 MHS 集成到其自动化生物实验室平台 ResearchOS 中。MHS 协调了一个 qPCR 工作流程，为加州圣佩德罗溪的污染特征分析提供支持，助力公民科学项目。

01

/

06

硬件供应商及其支持的软件公司也在其设备中添加对 MHS 的支持，使 AI 代理能够更轻松地发现和操作设备。例如：

• 亚马逊云服务（Amazon Web Services）将通过 Strands Robots（连接 AI 代理与物理设备的库）支持 MHS。AWS 将为 MHS 研究预览期间的参与者提供 Strands Robots 软件包的私有预发布版本。

• Automata 正在为其实验室自动化平台 LINQ 添加 MHS 支持，以实现自主实验室中仪器的智能错误处理。

• Danaher 与 Anthropic 正在积极探索 MHS 支持的功能如何帮助其智能仪器和自主实验室扩展生物医学研究和开发。

• Doosan Robotics 正在测试 MHS 与其机械臂的兼容性，包括执行自动化质量保证和协调多机器人任务。

• MBF Bioscience 正在为 ScanImage 开发 MHS 驱动程序，ScanImage 是全球数百个神经科学实验室中用于运行激光扫描显微镜的软件，旨在将 AI 代理集成到实时数据分析和实验中。

• QIAGEN 正在通过其核酸纯化平台 QIAsymphony Connect 的概念验证系统探索 MHS 的应用，展示了 AI 代理如何帮助实验室更快地解决仪器故障，指导操作人员完成恢复流程，并在减少生物样本风险的同时提高仪器运行时间。

• Tecan 正为其 Fluent 液体处理平台添加 MHS 支持，使 AI 代理能够直接发现并操作这些设备。

• Universal Robots 已获得 MHS 的早期访问权限，并计划将其添加到其机器人平台中。

加入研究预览

合作伙伴的这些初步成果令人鼓舞，但我们在开源之前还需要对标准进行更多完善工作。作为大型语言模型，Claude 通过文本和图像学习物理世界，这意味着其空间和物理推理能力仍存在局限，仍需专家监督。例如，在处理蛋白质样本时，Genentech 的研究人员必须指导 Claude 识别由样品起泡引起的错误属于物理故障而非软件错误，只能通过适当的物理校正来缓解。

目前 MHS 还无法与缺乏编程接口的硬件配合使用，因此我们正在与这类设备的制造商合作开发 MHS 驱动程序。许多开发者目前已经使用 Claude Code 与单个物理设备进行交互；对于 MHS 的下一阶段，我们希望将标准扩展到涵盖更多开发者构建的设备。早期采用者包括 Hugging Face，他们正在其机器人库 LeRobot 中添加 MHS 支持，以及 Raspberry Pi，他们成功测试了 Camera MHS Driver 后，正在其多款产品中实现 MHS 集成。

我们还将利用研究预览与合作伙伴共同构建额外的安全评估，加强 AI 在物理世界中使用的保护措施。我们正在制定物理安全路线图，进一步强化安全政策和执行范围，以防范滥用风险。当我们将 MHS 开源时，会将研究预览的发现作为部署标准的安全指南一并发布。

我们邀请各行业利益相关者加入 MHS 研究预览的候名单。如果您有兴趣参与，请在此提交您的意向。

致谢

MHS 最初由 Anthropic 公司 Beneficial Deployments 团队的 Alek Kemeny 与 HHMI Janelia 研究园区的博士后科学家 Arco Bast 合作开发。Bast 正在使用一套整合了不同厂商激光、电动对焦器和专用摄像头的设备进行复杂的脑成像实验，这些设备之间缺乏通用接口。为了加快实验进程，他开发了一个共享内存字典，使仪器能够以内存速度相互通信。Kemeny 和 Bast 合作将 AI 模型集成到该接口中。

我们感谢所有迄今为止为这项工作做出贡献的人，包括但不限于 Aaron Boswell、Ben Arthur、Boaz Mohar、Gagan Bhat、Mark Kittisopikul、Nadine Yasser、Nick Purcell、Takashi Kawase 和 Virginie Ruetten。我们期待与行业合作伙伴共同推动 MHS 的发展，并很快与开源社区携手前行。

相关内容

与客户共同开发企业前沿安全措施

阅读更多

提升我们的对齐与安全工作

7月30日，我们报告了三起事件，其中 Claude 模型获得了对真实计算机系统的未经授权的访问。我们正在对这两起事件进行深入分析，并计划与 METR 合作进行独立审查。在此期间，我们将分享过去一个月实施的一些改进措施。

扩展对科学家的支持

从今天起，全球 10,000 名科学家可以免费获得 Claude 开始使用。经过验证的首席研究员有资格申请 Claude 团队订阅计划，然后可免费为其研究团队添加标准席位，或以每月 15 美元的价格添加高级席位，最多持续一年。