Anthropic推出MHS硬體標準，AI代理跨出螢幕走向實體設備控制
標題：Anthropic推出MHS硬體標準，AI代理跨出螢幕走向實體設備控制
來源：iknow科技產業資訊室
原文網址：https://iknow.stpi.niar.org.tw/article/3/25268
原文：
生成式AI競爭正從文字、程式與數位工具進一步延伸至實體世界。Anthropic於2026年8月27日推出「模型硬體標準」（Model Hardware Standard, MHS）研究預覽版，建立AI代理操作實體設備的共通規格，可連接顯微鏡、液體處理設備、機械手臂及量子電腦雷射系統等硬體。MHS現階段率先提供科研機構與先進製造業者測試，待完成安全評估與最佳實務建立後，再規劃以開源方式釋出。MHS的重要性不只是讓Claude「控制機器」，而是試圖解決實驗室與工廠長期存在的設備整合問題。不同廠商設備通常採用各自的程式介面、控制方式與資料格式，要建立跨設備自動化流程，往往需要工程人員重新撰寫專屬程式。Anthropic表示，傳統整合作業可能耗費數週甚至數月，透過MHS建立統一設備介面後，部分工作有機會縮短至數小時甚至數分鐘，使AI代理更容易加入自動化工作流程。MHS的核心是一套標準化驅動程式，將不同硬體的功能轉化為「讀取」與「寫入」等基礎操作，同時以自然語言標籤記錄設備特性、可調參數與安全限制。例如機械手臂重量、感測器量測範圍或設備允許的操作界線，都可提供AI代理作為判斷依據。完成連接後，系統可透過Anthropic既有的模型上下文協定（Model Context Protocol, MCP）、命令列或API控制設備，使代理能依實驗結果即時調整參數並協調多台機器運作。實際測試已涵蓋生技與藥物研究。Genentech利用MHS串接液體處理機、機械手臂及微孔盤讀取器，讓Claude協調BCA蛋白質分析流程，並根據測量結果自行調整不同液體的流速。卡內基梅隆大學（CMU）則將原本介面互不相容的液體處理設備、讀取器、機械手臂與攝影機納入同一系統，研究團隊表示，相關自動化整合約花費8小時，相較過去可能需要數週的設備設定時間明顯縮短。量子運算則提供另一項更具代表性的案例。中性原子量子電腦業者QuEra透過MHS讓Claude學習雷射重新鎖定程序，之後將學習結果轉換為可檢視的確定性控制程式。在700次測試中，該程式成功完成695次雷射復原，成功率達99.3%，而較簡單的故障約0.9至5.4秒即可恢復，較複雜的情況約需10至14秒，而人工處理通常需5至10分鐘。這顯示AI代理除了直接操作設備，也可能成為開發自動化控制程式的工具。不過，MHS距離全面自主控制實體世界仍有明顯限制。Anthropic與Genentech測試發現，Claude雖能處理程式與設備回傳的錯誤，面對氣泡、液體黏度等需要物理與化學直覺判斷的問題時，仍可能採取錯誤處置，需要研究人員提供額外背景資訊。QuEra的測試也顯示，遇到真正的硬體異常時，Claude仍缺乏專家的實體設備經驗，對具有風險的操作有時會停止並等待人工確認，因此專業人員目前仍是安全監督的重要環節。目前AWS、Automata、Danaher、Doosan
Robotics、QIAGEN、Tecan及Universal Robots等業者均參與MHS相關整合或測試，Hugging Face與Raspberry Pi也投入早期支援。若MHS未來發展為跨設備、跨模型的開放規格，其影響範圍可能由實驗室自動化逐步延伸至先進製造與機器人應用。對AI產業而言，下一階段的競爭焦點將不只是模型的理解與推理，而是在如何建立一套可靠、安全且具互通性的介面，讓AI代理真正具備操作實體設備的能力。
心得：
AI代理從螢幕走向實體設備確實是可以預見的下一步，但目前MHS更像是在提前鋪設這條路，而非證明AI已經能可靠控制現實世界。設備介面統一後，真正棘手的仍是異常判斷、安全界線與物理環境的不可預測性，這些問題並不會因為多了一套標準就自然消失。
--