Anthropic于8月27日发布“模型硬件标准”（Model Hardware Standard，MHS）研究预览版。这是一套标准化设备驱动，旨在让AI代理直接控制显微镜、激光器等物理设备，简化科学实验的自动化流程。据Ars Technica报道，该标准提供通用接口和数据共享格式，使网络中的设备无需定制“翻译”程序即可互联，有望将原本需要数周乃至数月的实验设置时间压缩到几小时或几分钟。

按SiliconANGLE的说明，MHS的核心是用统一接口取代各设备互不兼容的应用程序编程接口（API）。实验室里的每台设备往往拥有各自API，研究人员需逐个学习，且这些API经常不兼容，例如一台只能运行Python，另一台使用Java。MHS提供一套标准化配置命令，使协调不同设备比应对设备专属规则更简单。该标准由Anthropic与霍华德·休斯医学研究所（HHMI）合作开发。

这一标准的构思源于实际科研场景。据Ars Technica报道，Anthropic技术成员Alek Kemeny在发布时介绍，他在HHMI珍利亚研究园区观察神经科学家Arco Bast进行记忆形成实验时，看到Bast自行编写接口协调旋转激光束、显微镜、相机等组件，由此想到“这一想法可用来让AI运行世界上任何科学实验”。

目前，MHS仅向有限合作伙伴开放。据SiliconANGLE报道，HHMI已构建一个能自动管理显微镜的AI代理；量子计算初创公司QuEra Computing正借助MHS和Claude协调编程量子计算机所需的激光。Anthropic表示，该标准使AI代理能自动修复某些实验错误及编写设备控制脚本。在一项内部测试中，Claude生成了一段自动调整激光位置的脚本，其运行成本低于基于推理的设备配置流程。

据SiliconANGLE报道，MHS还允许研究人员创建描述每台仪器关键属性的文件，例如机械臂重量或传感器可探测的波长，以帮助AI代理选择最佳使用方法并避免配置错误。此外，实验室可设置安全护栏，例如限制显微镜激光束强度，防止过度照明损伤样品而影响实验结果。

据SiliconANGLE报道，Anthropic计划以开源许可发布MHS，并称其未来将不仅适用于科学仪器，也可用于制造设备。亚马逊云服务（AWS）、Hugging Face以及多家工业机器人供应商目前正在将MHS集成到各自产品中。Anthropic将与早期采用者共同开发安全功能，再广泛开放该标准。