什麼是 模型硬體標準 (MHS)？
Anthropic 於 8 月 27 日發布 模型硬體標準（Model Hardware Standard，簡稱 MHS） 研究預覽版，讓 AI 代理人能以統一的介面直接控制顯微鏡、機械手臂、液體處理儀器等實體設備。MHS 不是針對特定 AI 模型設計，任何符合標準協定的模型皆可透過同一套驅動程式存取硬體，從而大幅降低實驗室與製造業串接 AI 的開發門檻。
背景與技術亮點
過去，將 AI 與新設備相連往往需要工程師為每台儀器撰寫客製化程式，開發週期常達數週甚至數月。MHS 的核心做法是 在每台設備上安裝統一的標準化驅動程式，僅透過「讀取」與「寫入」兩種簡易指令即可溝通，讓不同廠牌的裝置在數小時內完成辨識與操作。
驅動程式還能嵌入設備的隱性知識（例如機械手臂的重量、操作安全上限），這類資訊過去多半只存在紙本手冊或資深人員的經驗中。使用者可自行填寫，或由 AI 以對話方式訪談取得，系統自動產出參考檔案，說明設備能測量什麼、能調整什麼、有哪些安全限制。
MHS 建立於 Anthropic 2024 年開源的 模型脈絡協定（Model Context Protocol，MCP） 之上，並由 Anthropic 與美國霍華休斯醫學研究所珍莉亞研究園區（HHMI Janelia Research Campus）共同開發。協定本身不限定模型，其他 AI 平台同樣可透過標準介面存取硬體。
產業影響與應用前景
透過 MHS，研究人員與工程師能更輕鬆編排 全天候自主實驗與製造流程。AI 代理人在每個實驗步驟中即時推理、調整參數，例如在測試中已能反覆調整雷射角度、觀測相機回饋，最終將學習到的操作模式寫成固定腳本，日後只需一行指令即可重複執行。
首批合作夥伴包括 HHMI Janelia Research Campus、Amazon Web Services、Automata、Danaher、Doosan Robotics、Universal Robots、Hugging Face 以及 Raspberry Pi 等，顯示從學術研究到雲端服務、機器人製造皆對此標準抱持高度期待。
目前 MHS 尚未支援缺乏可程式化介面的設備，Anthropic 正與相關廠商合作建置驅動程式；同時，AI 在空間與物理推理能力仍有限，仍建議有專家在旁監督，以確保安全與準確性。
未來展望
若 MHS 能持續擴充設備類型、完善安全機制，未來 AI 代理人將可能成為 實驗室與工廠的「數位雙手」，不僅縮短新儀器上線時間，亦能在資料驅動的科研與製造流程中提供即時調整與最佳化建議。對於希望加速創新、降低人力成本的企業與研究機構而言，MHS 代表了一條可行的技術路徑，也為 AI 與硬體的深度融合開啟了新篇章。