[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"consumer-news-detail-827":3,"consumer-news-interaction-827":41,"consumer-news-related-827":44},{"detail":4,"item":36},{"card":5,"schemaVersion":23,"fields":24,"content":30},{"id":6,"kind":7,"targetType":8,"targetId":9,"subtype":7,"typeLabel":10,"title":11,"subtitle":12,"summary":13,"coverUrl":14,"badgeText":15,"href":16,"sourceName":12,"meta":17,"metrics":20,"tags":21,"resolved":22},"NEWS_ARTICLE:827","news","NEWS_ARTICLE",827,"资讯","MHS 三部曲（下）：谁允许 AI 行动？——权力、合规与中国厂商的答卷","博客园","我们总在等待一个像 ChatGPT 那样的机器人时刻。但具身智能真正的拐点，也许先发生在更不起眼的地方：一台陌生设备，第一次能把自己的能力、状态和边界完整告诉 AI；一个 Agent，第一次能把试出来的经验固化成可验证、可复用的机器技能。","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F510\u002F202608\u002F510-20260830153745229-1536981088.jpg","","\u002Fnews\u002F827",[18,19],"2026","人工智能",{},[19],true,"consumer-content-detail-v1",{"sourceName":12,"authorName":25,"categoryName":19,"summary":13,"description":13,"publishTime":26,"updateTime":27,"sourceUrl":28,"language":29},"张善友","2026-09-02T20:36","2026-09-02T20:37:48","https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106","中文",{"format":31,"policy":32,"normalized":22,"html":33,"text":34,"wordCount":35,"hasBody":22},"HTML","NEWS_CONTENT_V1","\u003Cp>\u003Cstrong>导读\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250\" title=\"上篇讲清了 MHS 是什么\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">上篇讲清了 MHS 是什么\u003C\u002Fa>，\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763045\" title=\"中篇用案例画出了能力边界\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">中篇用案例画出了能力边界\u003C\u002Fa>。下篇回答三个更现实的问题：Anthropic 在下怎样一盘生态棋？当 AI 获得对物理世界的执行权，工程系统的权力结构要怎么重写？以及——用不了 Claude 的中国设备厂商，现在该做什么。\u003Cbr>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fimg2024.cnblogs.com\u002Fblog\u002F510\u002F202608\u002F510-20260830153745229-1536981088.jpg?w=720&quality=65&strip=all\" alt=\"1\">\u003C\u002Fp>\n\u003Ch2>一、复刻 MCP 的打法，但这一仗难得多\u003C\u002Fh2>\n\u003Cp>MHS 的发布方式很像 Anthropic 当初推 MCP：先做模型无关、Agent 无关的开放标准，再把 Genentech、QuEra、Doosan、Universal Robots、Hugging Face（LeRobot）、Raspberry Pi、AWS 等伙伴拉进研究预览，边做真实案例边积累驱动和安全实践，成熟后再开源\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[1]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>这不是产品发布逻辑，而是\u003Cstrong>标准生态的冷启动\u003C\u002Fstrong>。Anthropic 争夺的不是某台设备的控制权，而是「Agent 怎样认识物理设备」这件事的默认定义权——上层模型可以换，底层本体可以换，中间这层接口会留下来。\u003C\u002Fp>\n\u003Cp>但 MHS 不会像 MCP 那样轻松。软件工具接错是一次调用失败，真实硬件接错可能损坏样品、撞坏设备、甚至伤人。工业现场也早已有 PLC、OPC UA、ROS 2、EtherCAT——MHS 更现实的位置是站在这些系统之上，把已存在的设备能力翻译成 Agent 能理解的状态、流程和安全边界；如果它试图推倒重来，反而走偏。标准的胜负也从不取决于技术好坏——生态、治理和厂商利益才是硬仗。\u003C\u002Fp>\n\u003Ch2>二、真正要重写的，是工程系统里的「权力结构」\u003C\u002Fh2>\n\u003Cp>MHS 最深的影响可能不在技术。传统自动化的核心是：\u003Cstrong>工程师预先写清楚规则，系统严格执行\u003C\u002Fstrong>。而 Agent 的模式是：人只说「完成这次实验，根据结果调整下一组参数」，控制逻辑的一部分从预先写死的程序，转移到了 AI 的现场动态判断。\u003C\u002Fp>\n\u003Cp>这意味着 AI 正在从「给人提供建议」，走向「被允许对现实世界下指令」。一旦它获得执行权，最重要的问题就不再是它有多聪明，而是：谁允许它行动？能控制到哪一步？什么时候必须停？出了问题谁负责？\u003C\u002Fp>\n\u003Cp>未来工程系统里，AI 的权限至少需要划清五条线：\u003C\u002Fp>\n\u003Col>\n \u003Cli>\u003Cstrong>观察权\u003C\u002Fstrong>：可以读取哪些设备和数据？\u003C\u002Fli>\n \u003Cli>\u003Cstrong>建议权\u003C\u002Fstrong>：可以提出什么操作建议？\u003C\u002Fli>\n \u003Cli>\u003Cstrong>执行权\u003C\u002Fstrong>：哪些低风险动作可以自动完成？\u003C\u002Fli>\n \u003Cli>\u003Cstrong>变更权\u003C\u002Fstrong>：能否修改参数、步骤和运行计划？\u003C\u002Fli>\n \u003Cli>\u003Cstrong>停止权\u003C\u002Fstrong>：谁可以立即终止任务？什么情况必须自动停机？\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>还有一个更隐蔽的风险：\u003Cstrong>最危险的不是 AI 犯错，而是人类过度相信它\u003C\u002Fstrong>。当 AI 连续完成很多次正确操作后，人容易逐渐减少检查、扩大权限。而大模型的危险不在于明显的笨，而在于——\u003Cstrong>它即使判断错了，也可能说得非常像对的\u003C\u002Fstrong>。QuEra 还观察到反面的问题：Agent 有时过于谨慎，稍有风险就停下来等人工确认，实验经常挂一整夜\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn2\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[2]\u003C\u002Fa>——\"人工审批\"四个字并没有解决运营问题，凌晨没人回复时设备该怎样收尾，必须事先写清楚。\u003C\u002Fp>\n\u003Cp>对工程师来说，这既是压力也是机会。重复性工作会减少，但新的角色正在出现：设备接口工程师、智能体权限架构师、人机协同流程设计师、AI 异常审计人员。纯 AI 工程师未必理解设备为什么必须联锁、现场为什么不能随意重试——而真正懂工程又懂 Agent 运行方式的人，会成为未来系统里最关键的\u003Cstrong>边界设计者\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch2>三、要进工业场景，还有几门必修课\u003C\u002Fh2>\n\u003Cul>\n \u003Cli>\u003Cstrong>规范未公开，治理结构未定\u003C\u002Fstrong>：目前没有标准组织、合规测试或认证流程\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn3\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[3]\u003C\u002Fa>；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>单位与坐标系语义\u003C\u002Fstrong>：\u003Ccode>speed = 100\u003C\u002Fcode> 是百分比、PWM 还是 mm\u002Fs？位姿基于世界系还是法兰盘？不解决这些，跨设备操作就是埋雷；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>时间语义与事务性\u003C\u002Fstrong>：状态要带时间戳和新鲜度——数值正确但已过时的状态没有控制意义；「夹爪闭合 + 移动」这类组合操作需要前置条件、回滚和幂等；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>资源锁与威胁模型\u003C\u002Fstrong>：两个 Agent 不能同时控制同一台机器人；凭证隔离、驱动吊销机制，公开材料尚无完整答案\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn4\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[4]\u003C\u002Fa>；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>双用途风险\u003C\u002Fstrong>：已有评论以 Stuxnet 为鉴——能安全操作离心机的标准，也可能被滥用。Anthropic 的回应是把开源放在安全评估之后\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn5\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[5]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[1:1]\u003C\u002Fa>。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>四、中国厂商：用不了 Claude，但能接 MHS\u003C\u002Fh2>\n\u003Cp>两个与中国读者直接相关的现实约束：\u003C\u002Fp>\n\u003Cul>\n \u003Cli>\u003Cstrong>国内厂商用不了 Claude。\u003C\u002Fstrong> Anthropic 自 2025 年 9 月起，禁止被不支持地区（含中国）实体直接或间接持股超过 50% 的企业使用其服务，无论在何地运营\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn6\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[6]\u003C\u002Fa>。国内厂商申请预览基本没戏——但 MHS 模型无关、计划开源，驱动配国产模型经 MCP 一样能跑。国内的看点只有一个：\u003Cstrong>开源之后，谁最先把国产设备接上去\u003C\u002Fstrong>。\u003C\u002Fli>\n \u003Cli>\u003Cstrong>出海设备有新合规线。\u003C\u002Fstrong> 欧盟机械法规 2023\u002F1230 将于 2027 年 1 月 20 日强制适用，首次把使用机器学习的安全功能列入高风险目录、强制第三方认证，网络安全也成为法定安全要求\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[7]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn8\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[8]\u003C\u002Fa>。MHS 驱动里写死的速度、角度、功率限值，本质上就是安全功能——谁发布，谁负责。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>对国内做仪器、机械臂和自动化集成的公司，MHS 现在更像\u003Cstrong>一封提前寄来的询价邮件，而不是已经下达的订单\u003C\u002Fstrong>：现在就重做产品线依据不够；但完全不看，可能错过一种新的采购要求——以后海外客户买设备，或许会像今天问「有没有 API」一样，追问「能不能让 AI 安全地调用」。核心转变是从「交付一本说明书」，变成「\u003Cstrong>交付一本机器也能读懂的说明书\u003C\u002Fstrong>」。\u003C\u002Fp>\n\u003Cp>如果 MHS 开源，\u003Cstrong>第一笔钱未必来自卖新设备，而可能来自旧设备改造\u003C\u002Fstrong>：补参数清单（统一单位量程）、为开发者提供模拟器、动作分级授权、完整记录「Agent 提了什么、驱动执行了什么、哪条规则拦住了它」——这些是集成商可以按设备型号收费的服务。\u003C\u002Fp>\n\u003Ch2>五、今天就能做的六件事\u003C\u002Fh2>\n\u003Cp>规范还没公开，但以下准备不依赖 MHS——做完之后无论接 MHS、接国产标准还是只用 MCP，都不浪费：\u003C\u002Fp>\n\u003Col>\n \u003Cli>\u003Cstrong>把点表补全\u003C\u002Fstrong>：每个寄存器补齐名称、单位、量程、读写属性——这些将来就是 States；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>把操作封成 Procedures\u003C\u002Fstrong>：不是「往 40021 写 1」，而是 \u003Ccode>start_heating(target_c, ramp)\u003C\u002Fcode>；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>安全限值下沉到驱动层\u003C\u002Fstrong>：越界指令直接拒绝并返回原因——「拒绝：目标 220℃ 超过上限 180℃」，让 Agent 能自己纠正；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>写一页给 Agent 看的说明书\u003C\u002Fstrong>：设备是什么、能测什么、什么不能碰、常见报错的物理含义——「E12 通常是液位起泡，不是通信故障」这种话最值钱；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>先用 MCP 暴露出来\u003C\u002Fstrong>：MHS 明确以 MCP 为通道之一，今天就能用任意模型试；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>录一个「越界被拒」的 Demo\u003C\u002Fstrong>：Agent 下超上限的设定、驱动拒绝、改正重下——一分钟视频比任何 PPT 都有说服力。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>想系统试水，可以挑一台低风险设备做\u003Cstrong>两周试验\u003C\u002Fstrong>：第一周只开放读取，第二周只开放两三个可恢复的低风险动作；预设三条停止条件——碰一次物理限位立刻停、同类异常需要工程师解释三次说明设备描述不完整、离开原厂工程师跑不起来就不算适配完成。复盘只看三个数：接入用了多少工程时、多少故障能靠日志独立定位、旧接口复用了多少。数字没改善，就别因为一个新缩写继续投入\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn9\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[9]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fn10\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[10]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>还有一个营销提醒：别急着宣传「设备可由大模型自主控制」——这话听起来先进，却把客户最担心的责任问题直接摆上了桌。销售材料更该写清：设备允许 AI 做哪些动作、安全限制由什么机制保证、异常时怎样恢复、事后能不能查到完整记录。\u003C\u002Fp>\n\u003Ch2>结语\u003C\u002Fh2>\n\u003Cp>我们总在等待一个像 ChatGPT 那样的机器人时刻。但具身智能真正的拐点，也许先发生在更不起眼的地方：\u003Cstrong>一台陌生设备，第一次能把自己的能力、状态和边界完整告诉 AI；一个 Agent，第一次能把试出来的经验固化成可验证、可复用的机器技能\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>MHS 最有前景的形态是\u003Cstrong>智能产线监督者和自主实验编排器\u003C\u002Fstrong>，而不是机器人控制器。对设备厂商还有一句实话：通用的 Modbus→MHS 驱动开源后一周内就会有人写出来，不值钱；\u003Cstrong>值钱的是设备描述的质量和安全语义\u003C\u002Fstrong>——这台反应器升温多快会失控、什么压力必须停进料，只有做设备的人知道。厂商的先手，只保留到别人替你写完那份说明书为止。\u003C\u002Fp>\n\u003Cp>先让机器学会自我介绍，再谈让智能接管物理世界。而面对一个越来越聪明、越来越主动的系统，能清楚说出「这件事你可以做，这件事必须由人批准，而这件事无论你多聪明都不能做」的人，会是这个时代最重要的工程师。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>留两个问题，欢迎评论区聊聊：\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Col>\n \u003Cli>MHS 这类硬件标准，会先在科研场景还是工业场景大规模落地？\u003C\u002Fli>\n \u003Cli>当「技能库」比「动作数据」更值钱时，会诞生不造机器人、只帮 Agent 接管设备群的新公司吗？\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Chr>\n\u003Cp>\u003Cstrong>参考资料：\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Chr>\n\n \u003Col>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fnews\u002Fmodel-hardware-standard-research-preview\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Previewing the Model Hardware Standard — Anthropic\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref1:1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.quera.com\u002Fblog-posts\u002Fholding-the-light-teaching-an-ai-to-lock-and-tune-our-quantum-computers-lasers\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref2\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fmlq.ai\u002Fnews\u002Fanthropic-previews-model-hardware-standard-for-ai-controlled-lab-and-factory-equipment\u002F\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref3\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fkingy.ai\u002Fblog\u002Fanthropic-model-hardware-standard-mhs\u002F\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Anthropic Model Hardware Standard (MHS) Explained — Kingy AI\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref4\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.v2code.ai\u002Fpost\u002Fanthropic-model-hardware-standard-mhs\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">AI 开始动手：Anthropic 用 MHS 把智能体接进了激光器和机械臂 — V2code\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref5\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fnews\u002Fupdating-restrictions-of-sales-to-unsupported-regions\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Updating restrictions of sales to unsupported regions — Anthropic\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref6\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Feur-lex.europa.eu\u002FEN\u002Flegal-content\u002Fsummary\u002Fmachinery-safety-requirements.html\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Machinery safety requirements — EUR-Lex\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fsopx.io\u002Finsights\u002Feu-machinery-regulation-2023-1230\u002F\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">EU Machinery Regulation (EU) 2023\u002F1230: OEM Checklist for 2027 — SOPX\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref8\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Fcjf2EHRHE8UHyJALzaLKBQ\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">MHS：Anthropic 给硬件定了个\"MCP\"，写上位机的人该怎么读 — 实验室仪器上位机\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref9\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002F2xLbzNLQ-WBXnNwgW5V3Og\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Anthropic 想让 AI 操作机器，中国设备公司要跟吗？ — Daily Buffer\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22763106#fnref10\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n \u003C\u002Fol>","导读 上篇讲清了 MHS 是什么，中篇用案例画出了能力边界。下篇回答三个更现实的问题：Anthropic 在下怎样一盘生态棋？当 AI 获得对物理世界的执行权，工程系统的权力结构要怎么重写？以及——用不了 Claude 的中国设备厂商，现在该做什么。 一、复刻 MCP 的打法，但这一仗难得多 MHS 的发布方式很像 Anthropic 当初推 MCP：先做模型无关、Agent 无关的开放标准，再把 Genentech、QuEra、Doosan、Universal Robots、Hugging Face（LeRobot）、Raspberry Pi、AWS 等伙伴拉进研究预览，边做真实案例边积累驱动和安全实践，成熟后再开源[1]。 这不是产品发布逻辑，而是标准生态的冷启动。Anthropic 争夺的不是某台设备的控制权，而是「Agent 怎样认识物理设备」这件事的默认定义权——上层模型可以换，底层本体可以换，中间这层接口会留下来。 但 MHS 不会像 MCP 那样轻松。软件工具接错是一次调用失败，真实硬件接错可能损坏样品、撞坏设备、甚至伤人。工业现场也早已有 PLC、OPC UA、ROS 2、EtherCAT——MHS 更现实的位置是站在这些系统之上，把已存在的设备能力翻译成 Agent 能理解的状态、流程和安全边界；如果它试图推倒重来，反而走偏。标准的胜负也从不取决于技术好坏——生态、治理和厂商利益才是硬仗。 二、真正要重写的，是工程系统里的「权力结构」 MHS 最深的影响可能不在技术。传统自动化的核心是：工程师预先写清楚规则，系统严格执行。而 Agent 的模式是：人只说「完成这次实验，根据结果调整下一组参数」，控制逻辑的一部分从预先写死的程序，转移到了 AI 的现场动态判断。 这意味着 AI 正在从「给人提供建议」，走向「被允许对现实世界下指令」。一旦它获得执行权，最重要的问题就不再是它有多聪明，而是：谁允许它行动？能控制到哪一步？什么时候必须停？出了问题谁负责？ 未来工程系统里，AI 的权限至少需要划清五条线： 观察权：可以读取哪些设备和数据？ 建议权：可以提出什么操作建议？ 执行权：哪些低风险动作可以自动完成？ 变更权：能否修改参数、步骤和运行计划？ 停止权：谁可以立即终止任务？什么情况必须自动停机？ 还有一个更隐蔽的风险：最危险的不是 AI 犯错，而是人类过度相信它。当 AI 连续完成很多次正确操作后，人容易逐渐减少检查、扩大权限。而大模型的危险不在于明显的笨，而在于——它即使判断错了，也可能说得非常像对的。QuEra 还观察到反面的问题：Agent 有时过于谨慎，稍有风险就停下来等人工确认，实验经常挂一整夜[2]——\"人工审批\"四个字并没有解决运营问题，凌晨没人回复时设备该怎样收尾，必须事先写清楚。 对工程师来说，这既是压力也是机会。重复性工作会减少，但新的角色正在出现：设备接口工程师、智能体权限架构师、人机协同流程设计师、AI 异常审计人员。纯 AI 工程师未必理解设备为什么必须联锁、现场为什么不能随意重试——而真正懂工程又懂 Agent 运行方式的人，会成为未来系统里最关键的边界设计者。 三、要进工业场景，还有几门必修课 规范未公开，治理结构未定：目前没有标准组织、合规测试或认证流程[3]； 单位与坐标系语义：speed = 100 是百分比、PWM 还是 mm\u002Fs？位姿基于世界系还是法兰盘？不解决这些，跨设备操作就是埋雷； 时间语义与事务性：状态要带时间戳和新鲜度——数值正确但已过时的状态没有控制意义；「夹爪闭合 + 移动」这类组合操作需要前置条件、回滚和幂等； 资源锁与威胁模型：两个 Agent 不能同时控制同一台机器人；凭证隔离、驱动吊销机制，公开材料尚无完整答案[4]； 双用途风险：已有评论以 Stuxnet 为鉴——能安全操作离心机的标准，也可能被滥用。Anthropic 的回应是把开源放在安全评估之后[5][1:1]。 四、中国厂商：用不了 Claude，但能接 MHS 两个与中国读者直接相关的现实约束： 国内厂商用不了 Claude。 Anthropic 自 2025 年 9 月起，禁止被不支持地区（含中国）实体直接或间接持股超过 50% 的企业使用其服务，无论在何地运营[6]。国内厂商申请预览基本没戏——但 MHS 模型无关、计划开源，驱动配国产模型经 MCP 一样能跑。国内的看点只有一个：开源之后，谁最先把国产设备接上去。 出海设备有新合规线。 欧盟机械法规 2023\u002F1230 将于 2027 年 1 月 20 日强制适用，首次把使用机器学习的安全功能列入高风险目录、强制第三方认证，网络安全也成为法定安全要求[7][8]。MHS 驱动里写死的速度、角度、功率限值，本质上就是安全功能——谁发布，谁负责。 对国内做仪器、机械臂和自动化集成的公司，MHS 现在更像一封提前寄来的询价邮件，而不是已经下达的订单：现在就重做产品线依据不够；但完全不看，可能错过一种新的采购要求——以后海外客户买设备，或许会像今天问「有没有 API」一样，追问「能不能让 AI 安全地调用」。核心转变是从「交付一本说明书」，变成「交付一本机器也能读懂的说明书」。 如果 MHS 开源，第一笔钱未必来自卖新设备，而可能来自旧设备改造：补参数清单（统一单位量程）、为开发者提供模拟器、动作分级授权、完整记录「Agent 提了什么、驱动执行了什么、哪条规则拦住了它」——这些是集成商可以按设备型号收费的服务。 五、今天就能做的六件事 规范还没公开，但以下准备不依赖 MHS——做完之后无论接 MHS、接国产标准还是只用 MCP，都不浪费： 把点表补全：每个寄存器补齐名称、单位、量程、读写属性——这些将来就是 States； 把操作封成 Procedures：不是「往 40021 写 1」，而是 start_heating(target_c, ramp)； 安全限值下沉到驱动层：越界指令直接拒绝并返回原因——「拒绝：目标 220℃ 超过上限 180℃」，让 Agent 能自己纠正； 写一页给 Agent 看的说明书：设备是什么、能测什么、什么不能碰、常见报错的物理含义——「E12 通常是液位起泡，不是通信故障」这种话最值钱； 先用 MCP 暴露出来：MHS 明确以 MCP 为通道之一，今天就能用任意模型试； 录一个「越界被拒」的 Demo：Agent 下超上限的设定、驱动拒绝、改正重下——一分钟视频比任何 PPT 都有说服力。 想系统试水，可以挑一台低风险设备做两周试验：第一周只开放读取，第二周只开放两三个可恢复的低风险动作；预设三条停止条件——碰一次物理限位立刻停、同类异常需要工程师解释三次说明设备描述不完整、离开原厂工程师跑不起来就不算适配完成。复盘只看三个数：接入用了多少工程时、多少故障能靠日志独立定位、旧接口复用了多少。数字没改善，就别因为一个新缩写继续投入[9][10]。 还有一个营销提醒：别急着宣传「设备可由大模型自主控制」——这话听起来先进，却把客户最担心的责任问题直接摆上了桌。销售材料更该写清：设备允许 AI 做哪些动作、安全限制由什么机制保证、异常时怎样恢复、事后能不能查到完整记录。 结语 我们总在等待一个像 ChatGPT 那样的机器人时刻。但具身智能真正的拐点，也许先发生在更不起眼的地方：一台陌生设备，第一次能把自己的能力、状态和边界完整告诉 AI；一个 Agent，第一次能把试出来的经验固化成可验证、可复用的机器技能。 MHS 最有前景的形态是智能产线监督者和自主实验编排器，而不是机器人控制器。对设备厂商还有一句实话：通用的 Modbus→MHS 驱动开源后一周内就会有人写出来，不值钱；值钱的是设备描述的质量和安全语义——这台反应器升温多快会失控、什么压力必须停进料，只有做设备的人知道。厂商的先手，只保留到别人替你写完那份说明书为止。 先让机器学会自我介绍，再谈让智能接管物理世界。而面对一个越来越聪明、越来越主动的系统，能清楚说出「这件事你可以做，这件事必须由人批准，而这件事无论你多聪明都不能做」的人，会是这个时代最重要的工程师。 留两个问题，欢迎评论区聊聊： MHS 这类硬件标准，会先在科研场景还是工业场景大规模落地？ 当「技能库」比「动作数据」更值钱时，会诞生不造机器人、只帮 Agent 接管设备群的新公司吗？ 参考资料： Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎ Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎ AI 开始动手：Anthropic 用 MHS 把智能体接进了激光器和机械臂 — V2code ↩︎ Updating restrictions of sales to unsupported regions — Anthropic ↩︎ Machinery safety requirements — EUR-Lex ↩︎ EU Machinery Regulation (EU) 2023\u002F1230: OEM Checklist for 2027 — SOPX ↩︎ MHS：Anthropic 给硬件定了个\"MCP\"，写上位机的人该怎么读 — 实验室仪器上位机 ↩︎ Anthropic 想让 AI 操作机器，中国设备公司要跟吗？ — Daily Buffer ↩︎",3853,{"id":6,"kind":7,"title":11,"summary":13,"image":14,"href":16,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":40},"2026 · 人工智能","#2563eb","16 \u002F 10",[19],{"targetType":8,"targetId":9,"likedByMe":42,"likeCount":43,"commentCount":43,"contentLikeCount":43,"contentCommentCount":43,"sourceLikeCount":43,"sourceCommentCount":43},false,0,[45,52,59,65,71,78,85,92],{"id":46,"kind":7,"title":47,"summary":48,"image":49,"href":50,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":51},"NEWS_ARTICLE:835","体验向量数据库 qdrant","作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 背景 为了早点搞懂公司的百万行 C# 的祖传代码，我想在缺乏文档、缺乏帮手的情况下，先建立一个 企业知识库 来快速帮我理清头绪。 一开始，我是打算以 weav","https:\u002F\u002Fimg2022.cnblogs.com\u002Fblog\u002F1457949\u002F202202\u002F1457949-20220216153819145-1193738712.png","\u002Fnews\u002F835",[19],{"id":53,"kind":7,"title":54,"summary":55,"image":56,"href":57,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":58},"NEWS_ARTICLE:853","为什么团队用了 AI 之后，测试质量反而下降了！","一、AI 提效之后，往往先崩的是质量 前两天刷到一篇同行的复盘。 「AI 提效半年后，我们的测试团队规模反而更大了」 用AI 提效半年，人数不降，反而变更多了？ 这位老哥是认真做过团队实践的，观察写得很扎实。提测质量肉眼可见地下滑，需求做漏了，单位时间里测试捞出来的 bug 反而变多，最后测试团队加","https:\u002F\u002Fimage.kjdaohang.com\u002Fimg\u002F20260831223910845.png","\u002Fnews\u002F853",[19],{"id":60,"kind":7,"title":61,"summary":62,"image":15,"href":63,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":64},"NEWS_ARTICLE:856","AI生产力：从效率到工作流重构","当初学专业的笔记还在吗？相信大部分人都没保留，而能力在不断积累和更新，关注和思考的角度在变化，在AI蒸馏我们的同时。也可以用AI的能力，去蒸馏一下魔幻的职场。","\u002Fnews\u002F856",[19],{"id":66,"kind":7,"title":67,"summary":68,"image":15,"href":69,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":70},"NEWS_ARTICLE:861","个体看衰AI，企业加速转型","信息化数字化智能化，十年前的说法在逐步兑现。最后回到一个灵魂拷问：当业务运营更加高效。组织间的协作更加流畅，企业究竟想去拓宽市场，还是手起刀落降低成本？","\u002Fnews\u002F861",[19],{"id":72,"kind":7,"title":73,"summary":74,"image":75,"href":76,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":77},"NEWS_ARTICLE:864","阿里开源：skill-up，一款Agent Skill 评测工具！","2026 年走到现在，Agent Skill 已经成了 AI 领域的标配。 把个人经验沉淀成 SKILL.md，把团队最佳实践封装成可复用的技能包，这些都已经是很常规的操作了。最近在社区上看到有篇文章问了一个特别扎心的问题。 「一个 Skill 的『好坏』，到底由谁定义？评判它的标准又是什么？」 这","https:\u002F\u002Fimage.kjdaohang.com\u002Fimg\u002F20260831105634380.png","\u002Fnews\u002F864",[19],{"id":79,"kind":7,"title":80,"summary":81,"image":82,"href":83,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":84},"NEWS_ARTICLE:868","DeepSeekHarness-MCP-Manager 一款DSH超好用的MCP管理跟Skills管理插件","链接：https:\u002F\u002Fgithub.com\u002Fxxxyz\u002FDeepSeekHarness-MCP-Manager 设置 → MCP 管理 管理项目级与全局 cordis.patch.yml 中的 @deepseek-ai\u002Fdsh-mcp-client ","https:\u002F\u002Fcamo.githubusercontent.com\u002F5d48b15e4e45c30746d4410bd5dd51552b20ed0294e6703d220931a8377c3ff8\u002F68747470733a2f2f696d672e736869656c64732e696f2f6e706d2f762f40787878797a2f6473682d6d63702d6d616e616765723f6c6f676f3d6e706d26636f6c6f723d636233383337","\u002Fnews\u002F868",[19],{"id":86,"kind":7,"title":87,"summary":88,"image":89,"href":90,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":91},"NEWS_ARTICLE:871","\"AgentOPSD: Recursive Self-Distillation for Agentic Reinforcement Learning\" 论文笔记","清华、浙大与美团 LongCat 团队合作的 AgentOPSD，目前挂在 Arxiv 26.08 上，做的是长程多轮 Agentic RL 里的回合级信用分配。可验证奖励的 RL 只在整条轨迹结束时给一个稀疏的 0\u002F1 信号，GRPO 这类方法把轨迹级优势均匀广播到每个 token，无法把成败真正","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F3614753\u002F202609\u002F3614753-20260901141154042-339903878.png","\u002Fnews\u002F871",[19],{"id":93,"kind":7,"title":94,"summary":95,"image":14,"href":96,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":97},"NEWS_ARTICLE:880","MHS 三部曲（中）：8 小时集成、六种被拦截的故障，和一次教科书级的翻车","四个案例合起来说明三件事：接入与编排成本可以数量级下降（CMU\u002FJanelia），闭环试错和跨设备补救是真的（CMU\u002FTetsuwan），但物理直觉仍是硬伤（Genentech），安全必须长在模型之外。","\u002Fnews\u002F880",[19]]