Anthropic 阐述 AI Agent 应如何与物理世界交互

事件核心：发生了什么

Anthropic 于近日开放了其 Model Hardware Standard（MHS）的预览版。该标准的核心思路是定义一套通用的软件驱动接口，让 AI Agent 能够通过标准化指令控制不同品牌、不同接口的实验室与工业设备，包括显微镜、液体处理工作站、机械臂等具有可编程接口的硬件。

MHS 并不要求设备厂商改写硬件，而是通过驱动层将设备的专有指令翻译成统一命令，例如读取测量值或调整参数。用户还可以用自然语言录入设备手册或资深实验员经验中的操作细节，MHS 会将这些信息转换为包含设备能力、调节范围和用安全限制的参考文档。据 Anthropic 内部测试，Claude 在物理环境中已能执行激光校准任务——通过摄像头观察结果、调整参数、再次验证，并重复这一闭环过程，其操作方式被描述为“类似科学家的探索式尝试”。

目前，AWS、Automata、Danaher、Doosan Robotics、MBF Bioscience、QIAGEN、Tecan 和 Universal Robots 等公司已作为早期参与者加入测试。Anthropic 表示，最终将以开源形式发布 MHS，并附带安全测试结果和实施指南。

为什么重要

当前 AI Agent 的能力大多被限制在数字世界（代码、文本、API 调用），而物理世界的自动化长期依赖定制化集成——每两台设备之间的通信都需要专门的软件桥梁，周期往往长达数周甚至数月。MHS 试图在物理设备层复刻 USB 或 HTTP 那样的通用标准，一旦推广开来，AI Agent 将有可能在实验室、工厂车间中像调用软件 API 一样调度硬件设备。

这一方向对 Anthropic 而言也是差异化布局。相比单纯比拼模型参数或编程能力，MHS 将竞争延伸到了企业级自动化基础设施的入口。如果标准被采纳，Claude 在科学实验、精密制造、生物技术等场景中的落地空间将显著扩大，同时也会反过来拉动其企业 API 和云服务的需求。

对用户/开发者/创作者的影响

对于实验室研究人员和设备使用者来说，MHS 降低了自动化实验的门槛——过去需要软件工程师介入的设备联调，未来可能通过自然语言描述设备操作方式即可完成配置，让 AI 直接协助完成重复性实验流程。对开发者而言，MHS 意味着为某个设备编写一次驱动，即可让所有兼容该标准的 Agent 使用，不再需要为每个 AI 模型或每个自动化场景维护独立的控制逻辑。对设备制造商和系统集成商而言，支持 MHS 有望减少定制开发成本，但也意味着需要公开更多设备控制接口和参数细节，这可能涉及商业策略上的权衡。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，MHS 目前仍处于预览阶段，实际落地效果取决于首批试点项目——尤其是 Claude 在真实实验室环境中处理复杂多步骤实验时的稳定性和容错能力，目前公开信息尚未披露详细测试数据。第二，开源后驱动生态能否快速丰富是关键变量，只有覆盖足够多的主流设备型号，标准才具备规模效应。第三，安全机制如何设计值得留意——Anthropic 承认 AI Agent 在物理设备上仍需专家监督，后续发布的安全测试规则将直接影响企业采购决策和监管态度。竞品如 OpenAI、Google DeepMind 是否跟进类似硬件标准，也会决定这一方向的最终格局。

来源：TechRadar