實驗室或工廠要整合不同硬體設備，往往得花上數週甚至數月。每台儀器都有自己的程式介面，需要專家撰寫客製化整合程式，而且設備之間缺乏共通的資料交換方式。Anthropic 在 2026 年 8 月 27 日公開的 Model Hardware Standard（MHS）研究預覽，試圖把這段整合時間縮短到數小時或數分鐘。
MHS 是一套共享規格，讓 AI agent 能安全操作實體設備，例如顯微鏡、液體處理器與機械臂。它源自 Anthropic 與 HHMI Janelia Research Campus 的合作，目前開放給第一批科學研究實驗室與先進製造商測試。
標準化驅動程式如何運作
MHS 的核心是一個標準化驅動程式，負責在電腦作業系統與硬體設備之間進行轉譯。驅動程式使用一組簡單的指令原語，例如「讀取」（取得溫度）或「寫入」（設定溫度），任何硬體設備都能理解並執行。
驅動程式也讓每台設備以標準格式被發現，因此設備與 agent 可以在網路上互相找到並通訊，不需要額外的客製化轉譯程式。此外，驅動程式內含標籤，讓使用者可以用自然語言描述設備特性，例如機械臂的重量，這類資訊通常只存在於紙本手冊或操作者的 tacit knowledge 中。系統會根據這些標籤自動產生參考檔案，內容包括設備能測量什麼、哪些參數可調整，以及必須強制執行的安全限制。
三種控制機制與平行操作
設備連接完成、agent 也了解如何使用之後，MHS 提供三種控制機制：Model Context Protocol（MCP）、命令列介面，以及程式碼檔案（API）。這三種機制可以搭配使用，讓 agent 透過一行程式碼協調多台設備。
當 agent 需要執行長時間任務，或操作速度超過其線上推理能力時，可以把多台設備的驅動程式指令串接成程式碼檔案。如此一來，設備可以自行執行操作，agent 不必在每個步驟都進行推理。Anthropic 觀察到 Claude 在測試中會像科學家一樣探索：調整雷射、透過攝影機觀察光束變化、重複調整以理解因果關係，最後把學到的東西打包成確定性腳本，讓整個雷射對準流程可以作為單一指令執行。
早期合作夥伴的測試結果
MHS 已在多個領域進行測試，合作夥伴分享了具體成果：
- Genentech 以 MHS 自動化 BCA 蛋白質測定，協調液體處理器、機械臂與盤式讀取器。
- 華盛頓大學 Baker 與 Pinglay 實驗室 的博士生 Zihao Song 用 MHS 建立遠端監控儀表板，並讓 AI agent 監督 qPCR 流程，在擴增曲線到達正確時間點時停止程序。
- 卡內基美隆大學 的研究人員用 MHS 執行序列稀釋劑量反應實驗，速度比之前快約三倍，agent 協調了液體處理器、盤式讀取器、機械臂與監控攝影機，這些設備分散在三台介面互不相容的電腦上。
- HHMI Janelia 的科學家 Virginie Ruetten 用 MHS 統一並協調一套原本需要七個不同廠商程式的顯微鏡設備。
- QuEra Computing 讓 AI agent 控制量子電腦內部的雷射系統，agent 開發的控制器能在 99.3% 的情況下自動恢復雷射鎖定，無需人為介入。
- Tetsuwan Scientific 將 MHS 整合到其自動化生物實驗平台 ResearchOS，用於 qPCR 工作流程，協助加州 San Pedro Creek 的公民科學污染分析。
硬體廠商也開始加入支援。AWS 將透過 Strands Robots 提供 MHS 支援，Automata 正在為 LINQ 平台加入 MHS，Danaher 與 Anthropic 探索智慧儀器應用，Doosan Robotics 測試機械臂協調，MBF Bioscience 為 ScanImage 建立驅動程式，QIAGEN 在 QIAsymphony Connect 上進行概念驗證，Tecan 與 Universal Robots 也計畫支援。
限制與下一步
MHS 目前仍有明顯限制。Claude 作為大型語言模型，對實體世界的理解來自文字與影像，空間與物理推理能力有限，需要專家監督。Genentech 研究人員就曾引導 Claude 辨識樣本起泡造成的錯誤是物理問題，而非軟體錯誤。此外，MHS 尚不支援沒有程式介面的硬體，Anthropic 正與這類設備製造商合作內建驅動程式。
研究預覽期間，Anthropic 將與合作夥伴建立安全評估，並制定實體安全路線圖，強化對濫用風險的防護。MHS 未來計畫開源，屆時會釋出研究預覽的發現，作為安全部署指引。有興趣的團隊可以透過 Anthropic 官網申請加入 waitlist。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。