人工智能公司Anthropic近日发布了一项名为“模型硬件标准”（Model Hardware Standard，简称MHS）的新研究系统，标志着其AI技术正式从数字世界迈向物理世界。这一工具旨在让像Claude这样的大语言模型（LLM）能够安全、高效地理解并操作现实世界中的硬件设备。
长期以来，在科研实验室或先进制造工厂中，一个普遍存在的痛点是硬件设备的“碎片化”。来自不同制造商的显微镜、机械臂、液体处理器等设备，通常各自拥有独立的编程接口和控制软件，它们之间无法直接通信。想要将这些设备集成为一个协同工作的系统，往往需要专家花费数周甚至数个月的时间编写定制化的“胶水代码”，过程既耗时又昂贵。
MHS的推出正是为了解决这一难题。它的核心理念是为物理世界的硬件设备建立一个统一的、标准化的接口，类似于一个“通用翻译器”。其工作原理主要通过为每台设备配备一个标准化的驱动程序来实现。该驱动程序将复杂的设备操作简化为一组任何硬件都能理解的基础命令，如“读取”（例如获取温度）和“写入”（例如设置温度）。
同时，MHS驱动程序还会为AI智能体（Agent）生成一份通俗易懂的“设备说明书”。这份说明书以标准格式记录了设备的关键信息，包括它能测量什么、可以调整哪些参数，以及最重要的安全限制（如机械臂的最大负重或运动范围）。如此一来，AI智能体无需学习每台设备的独特编程语言，就能快速了解并安全地操作一个它从未见过的设备。
通过MHS，原本需要数周的硬件集成工作可以缩短至数小时甚至几分钟。AI智能体能够像一个总指挥一样，在高层级上协调多个设备，自主规划和执行复杂的实验流程。它能对实验的每一步进行推理，实时监控数据，根据情况调整参数，甚至在某些情况下从硬件故障中自动恢复，实现全天候的自动化工作。
这一构想并非凭空而来。Anthropic此前曾推出“模型上下文协议”（MCP），该协议被誉为“AI领域的USB-C”，旨在统一大模型与软件、数据库等数字工具的连接方式。MHS可以看作是MCP在物理世界的延伸，前者让AI拥有了与数字世界交互的能力，后者则赋予了AI一双能够触碰和操作物理世界的“手”。
在与霍华德·休斯医学研究所（HHMI）等机构的早期合作测试中，MHS已经展现出巨大潜力。例如，研究人员观察到，Claude能够像科学家一样，通过反复调整激光器并用摄像头观察结果，自主学习如何校准激光系统，最终将整个过程打包成一个简单的自动化脚本。在另一个案例中，AI智能体接管了显微镜的控制，自动编写程序来追踪视野中游动的细胞，将科学家从数小时枯燥的重复操作中解放出来。
目前，MHS已经吸引了众多行业领导者的关注与合作，包括亚马逊云科技（AWS）、斗山机器人、优傲机器人（Universal Robots）、Hugging Face和树莓派等硬件制造商与科技公司，一个围绕新标准的生态系统正在初步形成。
当然，MHS目前仍处于研究预览阶段，也存在一些局限。由于大模型主要通过文本和图像数据学习，其对物理世界的空间和物理规律的理解仍不完美，在复杂情况下仍需人类专家的监督和指导。例如，在一次实验中，研究人员必须提醒Claude，样本中出现的气泡是物理问题，无法通过软件调整来解决。此外，该标准暂时无法兼容没有可编程接口的旧式设备。
Anthropic表示，计划在未来对MHS进行更多完善，并最终将其开源。这一举措不仅是为了提升科研和工业自动化的效率，更深远的意义在于，它为AI开辟了一条从“思考”走向“行动”的全新路径，为加速科学发现和推动物理世界智能化发展提供了新的可能。
