AI新标准MHS发布，Claude开始亲手操控硬件

今日，Anthropic发布模型硬件标准MHS（Model Hardware Standard）研究预览，相当于给AI装上眼睛和双手，让Claude直接操控现实中的硬件。过去，大模型只能生成文本或代码，现在，它开始直接操作实验室里的激光器、移液器和机械臂。这一发布标志着AI从“告诉人怎么做”走向“亲手做”。

硬件版MCP：给AI一套通用遥控协议

MHS可视为“硬件版MCP”，为Agent提供统一接口。只要设备有编程接口，AI就能读取硬件自研标签，快速掌握其能力边界，并通过MCP、命令行或API统一调度，实现跨设备协同。换言之，MHS将零散的硬件命令整合成一套标准化语言，让Claude无需针对每种设备单独训练即可上手操作。这解决了AI操控物理设备时最大的障碍——协议碎片化。

真实案例：激光校准、药物实验与机械臂

量子计算公司QuEra率先尝试，让Claude通过MHS修复激光系统故障。Claude读取激光状态、调节参数、通过摄像头观察光束，一夜之间制造并修复数百种故障，将激光稳定率提升至99.3%，而人类专家仅有58%。单次校准人类需要5到10分钟，Claude练熟后压缩至6秒，从分钟级进入秒级。

基因公司Genentech则让Claude自主优化移液器设置，完成药物发现实验，并实时修复运行中的bug。在HHMI Janelia园区，原本需要数周的脑成像实验，Claude接管多设备后1天内完成。HuggingFace研究员内测时，Claude Code甚至未经过训练就操控真实机械臂完成了积木颜色分类。这些案例说明，MHS赋予了AI基本的“动手能力”，并且已经能胜任高精度实验室工作。

瓶颈：缺乏物理直觉，不懂“泡沫”和“遮挡”

然而，Claude仍暴露明显局限。处理粘稠蛋白溶液起泡时，Claude在相同孔位重试导致泡沫更多，研究人员只能人工提示“这是物理问题”，它才改用干净孔位。QuEra测试中，光束被物理遮挡时Claude只会停下等待，导致凌晨空转。其根本症结在于没有物理直觉，需要真正的世界模型。换言之，AI能读懂参数，却不理解物体的物理属性，比如液体的粘稠、光路的遮挡。

此外，MHS只能接管有编程接口的硬件，老设备仍依赖模拟GUI操作；持续监控产生高昂计算成本；安全边界写在驱动文件中，一旦写错责任归属尚无标准答案。这些都会制约MHS走向大规模落地。

影响：争夺AI进入物理世界的入口

Anthropic正在争夺AI进入物理世界的底层接口。过去大模型只告诉人怎么做，现在它开始亲手做了。从激光校准到药物实验，MHS展示了AI作为“实验室助手”的潜力，但物理直觉的缺失仍是其难以逾越的鸿沟。未来，若世界模型与物理常识得到补足，AI的“双手”将真正解放，而这场底层接口之争，刚刚开始。