首页 / 资讯详情
Anthropic 再定统一标准：MHS，打通 AI 与物理世界的统一接口
摘要
MHS把一场新药研发实验速度提升3倍。 作者丨高允毅 编辑丨岑 峰 这是Anthropic第二次发布全行业统一协议。第一次，它发布了MCP，它统一了 AI 代理调用外部工具、数据源与 API 的方式，如今满世界的 Agent 都靠它连数据库、接浏览器、调 API。这一次，它把完全相同的逻辑延伸到了物理世界，Agent可以和不同的物理设备之间对话了。这是一套面向物理设备的 AI 代理接口标准，叫Model Hardware Standard（MHS），此次发布的是预览版本，已经在全球顶尖实验室的显微镜、机械臂和量子计算机上使用起来了。它解决的，是整个科研与工业领域头痛了二十年的问题：硬件接口碎片化。01二十年未破的困局：标准追不上硬件的多样性这是一个所有实验室从业者都心照不宣的困境。在一间自动化实验室里，成像相机可能基于 Python 开发，探测器运行在 MATLAB 环境中，电生理设备采用 C# 架构，而机械臂、共聚焦显微镜、移液工作站更是各有各的专属驱动、私有数据格式和封闭控制软件。多数情况下，哪怕是相邻的两台仪器，都无法感知彼此的运行状态。如果研究人员想实现 “相机识别样本后，通知机械臂去抓取”，对不起，你得找程序员为这两台设备单写一套定制化的连接代码。涉及的设备越多，集成的工作就越复杂。为了打通壁垒，整个行业已经挣扎了二十多年，先后诞生了 SiLA、OPC UA/LADS、AnIML 等多套公开标准，却始终没能形成真正的行业通用语言。它们的失败，都源于试图用死板的代码规则，去框住无限的硬件世界。比如说，SiLA 2 试图定义万物。为了描述一个“加热模块”，它恨不得把最高温度、升温速率等相关信息都规定好格式。但世界上有无数种仪器，每出个新设备，标准委员会就得开会改文件，迭代效率很低，至今市场普及率仍然有限。OPC UA 是因为架构太重了。它的改造成本极高，经常逼着厂商手写成千上万行底层代码。至于 AnIML，它的定位本身就是实验数据格式标准，只负责统一不同仪器的输出数据格式，不涉及设备控制逻辑，这相当于“光记账，不干活”，根本没解决设备怎么协同的问题。面对设备的多样性和科研场景的灵活性，如果都依靠人类工程师一行行修补代码，注定了这条路越走越窄。02MHS 的核心：给硬件装一个 “统一翻译器”MHS 能打破这个僵局，是因为 AI 带来了降维打击。它的核心逻辑变了，我不逼着硬件改底层代码了，我在中间加一层“统一翻译器”，让大模型来包容你们的多样性。这个“翻译器”，就是整套 MHS 体系的核心设计。首先，Agent可以发布一些简化的命令，无论是获取设备信息，还是写入控制参数，设备都能听懂。 AI还可以给设备写“使用说明书”，这又叫reference file，里面记录了每个设备的实时状态、参数、传感器数据。AI 每次要下达指令前，不用逐个对接设备，读取这一份数据就能掌握全实验室的设备状态。但这毕竟是现实世界。AI 在电脑里说错话顶多弹个报错，在现实中要是算错了某个数据，造成设备的损毁，可是非常高昂的代价。所以，MHS 特意安装了一层“安全护栏”，在设备接入时，最大功率、最大运动范围等安全阈值会被写入MHS的驱动底层，AI无法突破这些安全边界。这样哪怕Agent发错指令，MHS 也会提前拦截，确保设备的安全。但 MHS 真正的价值，不