Anthropic 宣布推出「Model Hardware Standard」（MHS，模型硬件標準）研究預覽版，讓 AI 代理（AI Agent）直接操控機械臂、顯微鏡、雷射器等實體裝置，將 AI 應用範圍由純軟件延伸至現實世界。此標準目標是簡化科研及製造業裝置整合流程，目前已與多間機構展開合作測試。
靈感源自科學實驗室 省卻「翻譯程式」煩惱
MHS 構思源於 Anthropic 技術人員 Alek Kemeny 觀察神經科學家 Arco Bast 在美國維珍尼亞州 HHMI Janelia Research Campus 進行腦部記憶形成實驗。當時 Bast 需要自行編寫程式，令旋轉雷射、顯微鏡及相機等多款儀器協調運作，過程十分繁複。
Kemeny 認為此構思可套用至全球任何科學實驗，因而促成 MHS 誕生。MHS 提供統一介面及數據格式，令不同裝置能透過網絡直接溝通，毋須再為每組裝置各自編寫「翻譯程式」。Anthropic 表示原本需要數星期甚至數個月才能完成的實驗裝置整合工作，使用 MHS 後可縮短至數小時甚至數分鐘。
用自然語言下指令 AI 可自行校正儀器及修復故障
MHS 本身並非必須配合 AI 使用，裝置亦可透過命令列（Command Line）或 API 程式碼直接操控。不過若配合 Anthropic 早前推出的 Model Context Protocol（MCP）協定連接 AI 模型，科學家便能用自然語言（Natural Language）直接與裝置溝通，讓 AI 模型「推理」實驗各個步驟，即時調整參數，甚至在部分情況下自行排解硬件錯誤，無需人手介入。
Anthropic 舉例指 Claude 模型可自行調校雷射，再透過獨立相機檢查結果，並重複整個流程完成系統校正；亦可操控顯微鏡對焦及分析影像，自行判斷需要加強觀察的位置，再自動移動顯微鏡繼續實驗。在示範影片中，Claude 甚至在未經專門訓練的情況下，自行推理出如何指揮機械臂拾取鋁罐。
MHS 亦設有標準化標籤系統，用以記錄裝置的實體限制，例如機械臂重量、活動範圍、可調校參數及安全上限等資訊，讓從未接觸過該裝置的 AI 模型，能透過參考檔案迅速掌握操作要點。
首批合作夥伴包括 AWS、Hugging Face 及 Universal Robots
Anthropic 表示目前 MHS 已進入「研究預覽」階段，首批合作機構包括 Amazon Web Services（旗下 Strands Robots）、Hugging Face（機械人程式庫 LeRobot）、Raspberry Pi、Automata 以及 Universal Robots。據外電報道，合作名單同時涵蓋生物科技公司 Genentech、卡內基梅隆大學（Carnegie Mellon University）、量子電腦公司 QuEra、南韓機械人廠商 Doosan Robotics 及醫療科技巨企 Danaher 等，橫跨生物科技、機械人、量子電腦與先進製造業等多個領域。
這批合作夥伴將協助 Anthropic 制定安全評估標準及操作實體裝置的最佳實務指引。Anthropic 亦透露，有科學家曾直接將實驗設計 PDF 檔案交給 Claude，AI 即自行在配備 MHS 規格的硬件上完成整個實驗。長遠而言 Anthropic 計劃將 MHS 開放源碼（Open Source），發展成「與 AI 模型無關」（Agent Agnostic）的通用標準，意味未來 OpenAI 等其他公司的模型同樣可以使用。
Anthropic 引述初步測試數據指，在部分實驗環境中，MHS 可將整合裝置速度提升約 3 倍，讓科學家更快驗證假設。Kemeny 形容：「如果可以更快測試假設，就能更快創造新技術，這正是為何 1 個世紀的進步，有望濃縮成 10 年完成。」
