[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"consumer-news-detail-910":3,"consumer-news-interaction-910":41,"consumer-news-related-910":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:910","news","NEWS_ARTICLE",910,"资讯","MHS 三部曲（上）：别急着叫它「物理 MCP」——Anthropic 到底发布了什么","博客园","MHS 的本质不是'AI 控制硬件'，而是三件事的组合：窄腰接口（read\u002Fwrite）降低接入门槛，设备语义（状态\u002F操作\u002F标签）让机器能自我介绍，分层执行让模型待在该待的位置——实时控制环之外。","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F510\u002F202608\u002F510-20260830153745229-1536981088.jpg","","\u002Fnews\u002F910",[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","2026-08-30T20:28","2026-09-02T20:37:56","https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250","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>2026 年 8 月 27 日，Anthropic 开放 MHS（Model Hardware Standard，模型硬件标准）研究预览版。消息很快被压缩成一句话：「Claude 长出双手，AI 走进物理世界」。\u003C\u002Fp>\n\u003Cp>画面没有错，但结论跑得太快。MHS 既不是 MCP 的简单硬件版，也不意味着 Claude 已经能接管现实世界。它做的事情用一句话概括：\u003Cstrong>让机器先学会\"自我介绍\"，再让智能去理解、组合和运营整个物理现场\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>这是三部曲的上篇：讲清楚 MHS 到底是什么、核心设计是什么、以及它最关键的一条工程红线。\u003C\u002Fp>\n\u003Ch2>一、「Claude 长出双手」，这个说法快了一步\u003C\u002Fh2>\n\u003Cp>MHS 目前只向首批科研实验室和先进制造商开放，需要申请；规范文本尚未公开，Anthropic 计划在完善安全评估后再开源\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[1]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn2\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[2]\u003C\u002Fa>。我们看到的是一套早期规范和一批概念验证，不是定型的行业标准。\u003C\u002Fp>\n\u003Cp>它也没有让 Claude 获得新的机械能力。机械臂还是原来的机械臂，仪器还运行各自的软件——真正变化的是中间那层「翻译和协调」。\u003C\u002Fp>\n\u003Cp>这件事的起点也不是\"让 Claude 控制机械臂\"的 Demo，而是 HHMI Janelia 研究园区一个相当狼狈的科研现场：激光、反射镜、相机、位移台来自不同厂商，分别跑在 MATLAB、Python、C# 和各自的控制软件里，做一次实验要按固定顺序启动 7 个程序，顺序错了整场实验白做。博士后 Arco Bast 被逼急了，把整套装置的状态放进一个\u003Cstrong>标准化的共享内存字典\u003C\u002Fstrong>——激光功率、平台位置、相机画面不再锁死在各自软件里，而是以统一格式被任何进程读取。这个把集成工作从数月压到数天的原型，就是 MHS 的雏形\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[1:1]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn3\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[3]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>接入 MHS 后，新增一台相机从过去的数天缩短到几分钟；启动实验从 7 次操作缩成一次点击；分析工具从「每台设备写一个」变成「每种数据类型写一个」——\u003Cstrong>工程资产终于开始累积，而不是散落\u003C\u002Fstrong>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn4\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[4]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn5\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[5]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Ch2>二、MHS 的核心：一套「窄腰」设备驱动\u003C\u002Fh2>\n\u003Cp>很多人把 MHS 叫「硬件版 MCP」，这个叫法混淆了两个层级。MCP 解决的是模型如何连接\u003Cstrong>软件工具\u003C\u002Fstrong>；MHS 负责的是\u003Cstrong>物理设备\u003C\u002Fstrong>。官方列出的三种控制机制是 MCP、命令行、代码 API——\u003Cstrong>MCP 是入口之一，不是 MHS 本身\u003C\u002Fstrong>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[1:2]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>MHS 的真正核心，是每台设备的标准化驱动（MHS Driver）。它的设计有个很妙的特点：最底部只收窄成 \u003Ccode>read\u003C\u002Fcode>、\u003Ccode>write\u003C\u002Fcode> 两个原语——读取状态、写入参数——然后把设备差异全部放进上层描述里。\u003Cstrong>接口层越窄，厂商越容易接；语义层越完整，Agent 越不用靠猜\u003C\u002Fstrong>。这就是物理世界的「窄腰」。\u003C\u002Fp>\n\u003Cp>每台设备由此被统一抽象成四个要素：\u003C\u002Fp>\n\u003Cul>\n \u003Cli>\u003Cstrong>State（状态）\u003C\u002Fstrong>：机械臂的关节角度、激光器的功率、相机的连接状态，组成统一的状态清单；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>Procedures（操作）\u003C\u002Fstrong>：吸液、移板、归零、急停，Agent 面对的是统一能力模型，而不是「UR 用 RTDE、ABB 用 RAPID」的厂商方言；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>Metadata（语义）\u003C\u002Fstrong>：机械臂的重量、量程、工作空间这类代码表达不了的信息，用\u003Cstrong>自然语言标签\u003C\u002Fstrong>写进参考文件——用户甚至可以和 AI 对话，让它「采访」你来完成录入。机器第一次见到 Agent 时，终于可以完整地介绍自己；\u003C\u002Fli>\n \u003Cli>\u003Cstrong>Safety Guards（安全限值）\u003C\u002Fstrong>：最高温度、速度上限、运动边界，在设备层强制执行。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>用上位机工程师的话翻译：MHS Driver ≈ 你写过的设备驱动类 + 点表；参考文件 ≈ 说明书里「技术参数 + 安全注意事项」那一页，但机器可读。过去散落在纸质说明书和老师傅经验里的知识，第一次变成了机器可读的标准对象。\u003C\u002Fp>\n\u003Cp>\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>三、最关键的设计：LLM 不进入实时控制环\u003C\u002Fh2>\n\u003Cp>这是 MHS 最正确的工程决策，也最容易被「AI 直接控制机械臂」的标题掩盖。\u003C\u002Fp>\n\u003Cp>大模型推理天然是非确定性的：有延迟抖动、有网络开销、没有硬实时保证。Anthropic 自己 7 月的机器人研究给出了诚实的数字：当前模型推理速度约 \u003Cstrong>0.2–0.4 Hz\u003C\u002Fstrong>，而四足机器人的实时控制需要约 \u003Cstrong>83 Hz\u003C\u002Fstrong>——差了两个数量级。让 LLM 逐周期决定电机输出多少扭矩，是工程灾难\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn6\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[6]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>MHS 公开案例体现的是正确的分层：\u003Cstrong>Agent 负责高层推理和探索，探索收敛后的操作链固化成确定性代码，由设备自行执行\u003C\u002Fstrong>。QuEra 的案例是最好的注脚。\u003C\u002Fp>\n\u003Cp>这家做中性原子量子计算机的公司，激光频率一旦漂移整机罢工。此前四名专家花两三周手写的恢复脚本，只能覆盖预想过的故障模式，成功率 58%\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[7]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn8\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[8]\u003C\u002Fa>。换成 Claude 通过 MHS 在专用测试台上工作：提出恢复假设 → 写成脚本 → 上真机测试 → 读取日志决定下一轮怎么改——和人类专家跑的是同一个循环，但以机器速度、通宵不停，把数百种边界故障模式全部枚举了一遍\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[7:1]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>而最终交付的产物，是一个确定性、完全可审查的常规程序。生产运行时，Claude 已经退出控制环\u003C\u002Fstrong>——用 QuEra 自己的话说：开发由 AI 驱动、过程由人类把关、运行完全自主\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[7:2]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn8\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[8:1]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>盲测结果：700 次注入故障覆盖七种类型，成功恢复 695 次（\u003Cstrong>99.3%\u003C\u002Fstrong>），多数故障 6 秒内恢复，最难的 10 到 14 秒，而人类专家需要 5 到 10 分钟。更难得的是那 5 次失败：系统识别出是测试台本身的问题，\u003Cstrong>拒绝谎报成功\u003C\u002Fstrong>；测试期间激光自然跳模 43 次，全部自动恢复\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[7:3]\u003C\u002Fa>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn8\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[8:2]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>故事还没完。团队用同样方法让 Agent 优化锁频质量本身：12 个相互耦合的反馈参数，Agent 在硬安全边界内做了约 \u003Cstrong>12,500 次评估\u003C\u002Fstrong>（每一次导致失锁的候选设置都被检测并回滚），最终残余频率噪声降低 \u003Cstrong>5 倍\u003C\u002Fstrong>，19 小时烤机零失锁——此前平均每小时失锁 1.6 次。同一方法迁移到第二个波长，\u003Cstrong>一夜完成了原本需要数周的调试\u003C\u002Fstrong>\u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fn7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">[7:4]\u003C\u002Fa>。\u003C\u002Fp>\n\u003Cp>一句话概括：\u003Cstrong>模型负责判断，代码负责稳定重复，机器保留最后否决权\u003C\u002Fstrong>。用工程师的话说——\u003Cstrong>AI 帮你把经验编译成代码，代码上产线\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch2>本篇小结\u003C\u002Fh2>\n\u003Cp>MHS 的本质不是\"AI 控制硬件\"，而是三件事的组合：\u003Cstrong>窄腰接口\u003C\u002Fstrong>（read\u002Fwrite）降低接入门槛，\u003Cstrong>设备语义\u003C\u002Fstrong>（状态\u002F操作\u002F标签）让机器能自我介绍，\u003Cstrong>分层执行\u003C\u002Fstrong>让模型待在该待的位置——实时控制环之外。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>下篇预告\u003C\u002Fstrong>：概念说完，实战见真章。中篇带你看四个一线案例的完整细节——CMU 的 8 小时集成与六种被拦截的故障、Genentech 的移液自优化和\"泡沫翻车\"、以及一个会自己找离心机补救的系统，到底证明了什么、又没证明什么。\u003C\u002Fp>\n\u003Chr>\n\u003Cp>\u003Cstrong>参考资料：\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>MHS 官方网站：\u003Ca href=\"https:\u002F\u002Fmodelhardwarestandard.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fmodelhardwarestandard.com\u002F\u003C\u002Fa>\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\u002F22762250#fnref1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref1:1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref1:2\" 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\u002F22762250#fnref2\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.hhmi.org\u002Fnews\u002Fhow-one-postdocs-problem-solving-changing-way-scientists-work\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref3\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Falphasignal.ai\u002Fnews\u002Fanthropic-s-model-hardware-standard-lets-claude-control-lab-robots-overnight\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref4\" 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\u002F22762250#fnref5\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fresearch\u002Fclaude-plays-robotics\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">Claude plays robotics — Anthropic Research\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref6\" 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\u002F22762250#fnref7\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref7:1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref7:2\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref7:3\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref7:4\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n  \u003Cli>\u003Cp>\u003Ca href=\"https:\u002F\u002Fthequantuminsider.com\u002F2026\u002F08\u002F28\u002Fquera-uses-anthropic-ai-agent-to-automate-critical-quantum-computer-process\u002F\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref8\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref8:1\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fwww.cnblogs.com\u002Fshanyou\u002Fp\u002F22762250#fnref8:2\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">↩︎\u003C\u002Fa>\u003C\u002Fp>\u003C\u002Fli>\n \u003C\u002Fol>","导读 2026 年 8 月 27 日，Anthropic 开放 MHS（Model Hardware Standard，模型硬件标准）研究预览版。消息很快被压缩成一句话：「Claude 长出双手，AI 走进物理世界」。 画面没有错，但结论跑得太快。MHS 既不是 MCP 的简单硬件版，也不意味着 Claude 已经能接管现实世界。它做的事情用一句话概括：让机器先学会\"自我介绍\"，再让智能去理解、组合和运营整个物理现场。 这是三部曲的上篇：讲清楚 MHS 到底是什么、核心设计是什么、以及它最关键的一条工程红线。 一、「Claude 长出双手」，这个说法快了一步 MHS 目前只向首批科研实验室和先进制造商开放，需要申请；规范文本尚未公开，Anthropic 计划在完善安全评估后再开源[1][2]。我们看到的是一套早期规范和一批概念验证，不是定型的行业标准。 它也没有让 Claude 获得新的机械能力。机械臂还是原来的机械臂，仪器还运行各自的软件——真正变化的是中间那层「翻译和协调」。 这件事的起点也不是\"让 Claude 控制机械臂\"的 Demo，而是 HHMI Janelia 研究园区一个相当狼狈的科研现场：激光、反射镜、相机、位移台来自不同厂商，分别跑在 MATLAB、Python、C# 和各自的控制软件里，做一次实验要按固定顺序启动 7 个程序，顺序错了整场实验白做。博士后 Arco Bast 被逼急了，把整套装置的状态放进一个标准化的共享内存字典——激光功率、平台位置、相机画面不再锁死在各自软件里，而是以统一格式被任何进程读取。这个把集成工作从数月压到数天的原型，就是 MHS 的雏形[1:1][3]。 接入 MHS 后，新增一台相机从过去的数天缩短到几分钟；启动实验从 7 次操作缩成一次点击；分析工具从「每台设备写一个」变成「每种数据类型写一个」——工程资产终于开始累积，而不是散落[4][5]。 二、MHS 的核心：一套「窄腰」设备驱动 很多人把 MHS 叫「硬件版 MCP」，这个叫法混淆了两个层级。MCP 解决的是模型如何连接软件工具；MHS 负责的是物理设备。官方列出的三种控制机制是 MCP、命令行、代码 API——MCP 是入口之一，不是 MHS 本身[1:2]。 MHS 的真正核心，是每台设备的标准化驱动（MHS Driver）。它的设计有个很妙的特点：最底部只收窄成 read、write 两个原语——读取状态、写入参数——然后把设备差异全部放进上层描述里。接口层越窄，厂商越容易接；语义层越完整，Agent 越不用靠猜。这就是物理世界的「窄腰」。 每台设备由此被统一抽象成四个要素： State（状态）：机械臂的关节角度、激光器的功率、相机的连接状态，组成统一的状态清单； Procedures（操作）：吸液、移板、归零、急停，Agent 面对的是统一能力模型，而不是「UR 用 RTDE、ABB 用 RAPID」的厂商方言； Metadata（语义）：机械臂的重量、量程、工作空间这类代码表达不了的信息，用自然语言标签写进参考文件——用户甚至可以和 AI 对话，让它「采访」你来完成录入。机器第一次见到 Agent 时，终于可以完整地介绍自己； Safety Guards（安全限值）：最高温度、速度上限、运动边界，在设备层强制执行。 用上位机工程师的话翻译：MHS Driver ≈ 你写过的设备驱动类 + 点表；参考文件 ≈ 说明书里「技术参数 + 安全注意事项」那一页，但机器可读。过去散落在纸质说明书和老师傅经验里的知识，第一次变成了机器可读的标准对象。 三、最关键的设计：LLM 不进入实时控制环 这是 MHS 最正确的工程决策，也最容易被「AI 直接控制机械臂」的标题掩盖。 大模型推理天然是非确定性的：有延迟抖动、有网络开销、没有硬实时保证。Anthropic 自己 7 月的机器人研究给出了诚实的数字：当前模型推理速度约 0.2–0.4 Hz，而四足机器人的实时控制需要约 83 Hz——差了两个数量级。让 LLM 逐周期决定电机输出多少扭矩，是工程灾难[6]。 MHS 公开案例体现的是正确的分层：Agent 负责高层推理和探索，探索收敛后的操作链固化成确定性代码，由设备自行执行。QuEra 的案例是最好的注脚。 这家做中性原子量子计算机的公司，激光频率一旦漂移整机罢工。此前四名专家花两三周手写的恢复脚本，只能覆盖预想过的故障模式，成功率 58%[7][8]。换成 Claude 通过 MHS 在专用测试台上工作：提出恢复假设 → 写成脚本 → 上真机测试 → 读取日志决定下一轮怎么改——和人类专家跑的是同一个循环，但以机器速度、通宵不停，把数百种边界故障模式全部枚举了一遍[7:1]。 而最终交付的产物，是一个确定性、完全可审查的常规程序。生产运行时，Claude 已经退出控制环——用 QuEra 自己的话说：开发由 AI 驱动、过程由人类把关、运行完全自主[7:2][8:1]。 盲测结果：700 次注入故障覆盖七种类型，成功恢复 695 次（99.3%），多数故障 6 秒内恢复，最难的 10 到 14 秒，而人类专家需要 5 到 10 分钟。更难得的是那 5 次失败：系统识别出是测试台本身的问题，拒绝谎报成功；测试期间激光自然跳模 43 次，全部自动恢复[7:3][8:2]。 故事还没完。团队用同样方法让 Agent 优化锁频质量本身：12 个相互耦合的反馈参数，Agent 在硬安全边界内做了约 12,500 次评估（每一次导致失锁的候选设置都被检测并回滚），最终残余频率噪声降低 5 倍，19 小时烤机零失锁——此前平均每小时失锁 1.6 次。同一方法迁移到第二个波长，一夜完成了原本需要数周的调试[7:4]。 一句话概括：模型负责判断，代码负责稳定重复，机器保留最后否决权。用工程师的话说——AI 帮你把经验编译成代码，代码上产线。 本篇小结 MHS 的本质不是\"AI 控制硬件\"，而是三件事的组合：窄腰接口（read\u002Fwrite）降低接入门槛，设备语义（状态\u002F操作\u002F标签）让机器能自我介绍，分层执行让模型待在该待的位置——实时控制环之外。 下篇预告：概念说完，实战见真章。中篇带你看四个一线案例的完整细节——CMU 的 8 小时集成与六种被拦截的故障、Genentech 的移液自优化和\"泡沫翻车\"、以及一个会自己找离心机补救的系统，到底证明了什么、又没证明什么。 参考资料： MHS 官方网站：https:\u002F\u002Fmodelhardwarestandard.com\u002F Previewing the Model Hardware Standard — Anthropic ↩︎ ↩︎ ↩︎ Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment — MLQ.ai ↩︎ How One Postdoc's Problem Solving is Changing the Way Scientists Work — HHMI ↩︎ Anthropic's Model Hardware Standard Lets Claude Control Lab Robots Overnight — AlphaSignal ↩︎ Anthropic Model Hardware Standard (MHS) Explained — Kingy AI ↩︎ Claude plays robotics — Anthropic Research ↩︎ Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer's Lasers — QuEra ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ QuEra Uses Anthropic AI Agent to Automate Critical Quantum Computer Process — The Quantum Insider ↩︎ ↩︎ ↩︎",3102,{"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,[45,51,58,65,71,77,84,91],{"id":46,"kind":7,"title":47,"summary":48,"image":14,"href":49,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":50},"NEWS_ARTICLE:827","MHS 三部曲（下）：谁允许 AI 行动？——权力、合规与中国厂商的答卷","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。","\u002Fnews\u002F827",[19],{"id":52,"kind":7,"title":53,"summary":54,"image":55,"href":56,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":57},"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":59,"kind":7,"title":60,"summary":61,"image":62,"href":63,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":64},"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":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: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":72,"kind":7,"title":73,"summary":74,"image":15,"href":75,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":76},"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":78,"kind":7,"title":79,"summary":80,"image":81,"href":82,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":83},"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":85,"kind":7,"title":86,"summary":87,"image":88,"href":89,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":90},"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":92,"kind":7,"title":93,"summary":94,"image":95,"href":96,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":97},"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]]