Anthropic给实验室硬件装AI母语

几周压到几小时：谁先拿到了 MHS 的入场券？

8 月 27 日，Anthropic 把一份叫 MHS 的草案交给了第一批科研和制造伙伴。

Anthropic 和 HHMI Janelia Research Campus（霍华德·休斯医学研究所旗下的神经科学研究中心，专攻高端成像和仪器自动化）联合开发 MHS，最初就是为了让 AI 能进实验室操作真硬件。

原本，实验室把仪器接好、调通，普遍要几周甚至几个月；MHS 把这个过程压到几小时或几分钟。每台设备单独配一套定制接口的历史被终结，MHS 引入一套标准化驱动（让电脑能指挥硬件的那层软件），用 read、write 这类极简原语(最底层、不可拆的命令，如"读温度")统一跟 AI 对话。任何带可编程接口的设备都能接，模型无关，agent(能自主规划、连续执行多步操作的 AI 程序)可以用 MCP(模型上下文协议，AI 调用外部工具和数据源的开放标准)、命令行或 API(软件间互相调用的接口)三种方式接入。

生物（Genentech、Danaher）、机器人（Universal Robots、Doosan Robotics、Hugging Face）、量子计算（QuEra、卡内基梅隆大学），云和算力由 AWS 兜底。

协议只是第一步：一部分新产品出厂就预装 MHS，另一部分老设备做改造升级——这个路径决定了 MHS 能不能真的铺开，而不只是停在演示阶段。

一个驱动，AI 第一次见面就拿到说明书

MHS 用一套统一驱动，让任何 agent 拿到任何仪器直接上手——关键在驱动里写人话标签。

AI 怎么知道一台设备能做什么？每台设备装一个 MHS 驱动（装在设备里、负责把电脑指令翻译给硬件的小软件），里面写一串人话标签：能测什么、能调什么、安全边界在哪。这些信息以前散在纸质手册、操作员脑子、某个人的本地文件夹里；现在以自然语言（人平时说的话和写的文字）直接写在驱动里。懒得手写也行，跟一个 agent 聊天，让它一项项问出来。

标签写完，驱动自己吐出一份参考文件：列清这台仪器的能力清单、禁区、硬约束。agent 拿到这份文件，等于第一次见面就拿到一张完整说明书。例子是一条机械臂的重量——代码读不出来，安全操控却必须知道。

怎么下命令？MHS 把所有操作压成两类原始指令：read（"读温度"）和 write（"设温度"）。任何带可编程接口的硬件都能映射到这一层。设备之间用标准格式自报家门，在网络上互相发现，不再需要中间商写翻译程序。

多台设备怎么一起调度？MHS 留了三条通道：MCP（Model Context Protocol，Anthropic 自家的 agent 通信协议）、命令行、API（软件之间互相调用的标准接口）。三条路一起用，一行代码就能并行走多台设备。

Claude 把摸索过程打包成确定性脚本（每一步结果可预测的固定流程）。它把 driver 命令串成代码文件存好，让设备按脚本自动跑——Anthropic 测试里观察到：Claude 先调激光、再用相机看光斑位置、反复微调直到对齐，然后打包。下次一条命令就能复现。

AI 接管实验台，顺序刚好反了

MHS 让 AI 先像人一样摸索，再把摸索结果固化成代码——AI 不在执行层，在学习层。

在 Anthropic 内部的一次激光对准测试里，Claude 没拿到操作手册。它拍一张照片，看光斑偏没偏，调一下，再拍一张，循环往复——和第一次摸这台仪器的科研人员做的事几乎一样。

Anthropic 在博文里说得直白：Claude "interacts with experiments and hardware in an exploratory manner, much as a scientist would"。

摸索完之后，Claude 把步骤打包成确定性脚本（每次运行结果完全相同的代码，不靠 AI 实时推理），以后对准激光只需一条命令，不必每步都让模型推理。Anthropic 解释，agent 执行耗时任务或以超过在线推理速度操作设备时，可以在代码文件里把多条驱动命令串起来——让设备自己跑，模型不必每步都在场。

AI 介入的位置在学习层：它的工作不是替实验室跑实验，而是把实验本身编译成可重放的代码。

Genentech 的 BCA 蛋白检测流程已经跑在这条路上：液体处理仪、机械臂、酶标仪三方协作。硬件集成的"周"被打掉，本质上是把人和仪器之间那层翻译工作换成了 AI 在现场摸索，集成从数周压到按小时计。

这种"先探索、后固化"的模式在生产环境里跑得有多稳，还没有第三方复测数据。Anthropic 把它定义为研究预览（research preview），开放给受邀的科研和制造伙伴，开源版本尚未公布。

三个还没拆的雷：开源时间、安全审计、MCP 边界

MHS 还在研究预览(还没正式发布，先小范围试用的早期阶段)，没有开源日期。三个雷没拆完之前，别把它当正式标准。

首批合作方覆盖生物、机器人、量子计算和制造：Genentech、Carnegie Mellon、QuEra、Universal Robots、AWS、Doosan Robotics、Danaher 和 Hugging Face。

名单凑齐了仪器厂商、机器人本体、大模型与云服务——标准要落地，得让硬件供应链先长出「能讲 MHS」的原生接口。

开源前先要过安全关。标准里那套「自然语言写设备参数 + 标签自动生成参考文件」，现在主要靠人手动录入或对着 agent 聊出来，没经历过大规模审计。激光器的安全上限被错填一个数量级，后果是物理事故，不是输出幻觉。

另一个雷在 MHS 和 Model Context Protocol（MCP）(让 AI 工具互相调用的通用协议) 的关系上。

MHS 把 MCP 当作三种控制机制之一，Anthropic 在把它从「AI 调软件」往「AI 操硬件」延伸。两个标准合不合、谁来维护、第三方 agent 框架怎么适配，主信源都没展开。

盯三个判断点就够了。

第一，看开源时间表给不给出来、有没有附带独立参考实现和测试套件——有，是从「Anthropic 主导」走向「社区维护」；没有，就还是单点风险。

第二，看赛默飞、贝克曼、Keysight 这类主流仪器厂商，有没有在产品页里把 MHS 列为原生支持接口——这是从「能用」到「默认装」的分水岭。

第三，看未针对 MHS 微调的第三方模型，能不能靠纯文本说明完成首次设备对接；能跑通，说明 MHS 真正做到模型无关，Anthropic 之外也能用。

暂时只能申请，普通用户盯两件事

MHS 没有公开下载，没有自助接入，唯一通道是表单申请。普通用户现在能做的只有两件事。

预览只面向科研实验室和先进制造伙伴，开源版本还在路上——现在最诚实的动作是等，不是装。

能直接验证的只有名单上的机构。早期接入名单，包括 Genentech、卡内基梅隆大学、QuEra、Universal Robots、Amazon Web Services、Doosan Robotics、Danaher、Hugging Face。这些机构目前正在做的是按 MHS 规范接入自家设备，Anthropic 也在和设备厂商一起做两件事：新设备出厂预装 MHS，给存量设备做改装。

MHS 不是 Anthropic 的私有协议——它 model-agnostic，不限模型。任何 agent 都能通过标准协议接入，包括 Anthropic 自家力推的 Model Context Protocol MCP（一种让 AI 调用外部工具的通用通信协议）。 Hugging Face 的开源模型、AWS 上的其他大语言模型，未来理论上都能和同一台显微镜或机械臂对话。这条性质决定了它的价值，也决定了开源版本为什么重要。

能不能跑通，目前只有 Anthropic 单方描述。主信源里给出的"数周压到几小时"、激光对准、Agent 自主恢复硬件错误这些数字和例子，全部来自厂商的内部测试和早期合作反馈，没有第三方复测。在独立基准公布之前，把它当作有方向感的承诺，别当成绩单。