接口碎片化：AI 具身化的隐形墙
2026 年 8 月 27 日，Anthropic 与 HHMI 联合开启了 Model Hardware Standard（MHS）的研究预览，试图用一套标准驱动层让 AI 直接操作各类真实物理设备。过去几年，行业将绝大部分精力投入在模型推理能力的提升上，却忽略了落地时的物理阻力。AI 的「具身化」瓶颈长期卡在设备接口碎片化，每台仪器一套私有协议和纸质手册，使得具备强大规划能力的 agent 难以施展。
MHS 的核心思路是用一套标准的驱动抽象来屏蔽底层差异。它提供简单的「read/write」等操作原语，以此统一从液体工作站到量子计算机激光校准等截然不同的硬件接口。硬件设备不仅能以标准格式被 agent 自动发现，还能明确宣告自身的可用状态。这说明行业开始把「agent 可操作」作为硬件设计的一等功能，试图在物理世界复刻 MCP 对软件生态的统御路径。
图：MHS 驱动层让 AI agent 统一操作多台实验设备。来源：Anthropic 官方公告
文本即元数据：重塑硬件驱动抽象
传统的硬件驱动只包含机器可读的底层指令，但 MHS 将自然语言 tag 直接引入了驱动设计。用户或 agent 可以把「机械臂重量」这类代码里看不出、但安全操作必需的信息写入驱动。标准会基于这些标签自动生成设备参考文件，让 agent 清晰知道自己能测什么、能调什么，以及绝对不能越过的安全边界。将自然语言提升为硬件元数据，使得设备不再是一段死板的黑盒代码，而是具备了自我解释的能力。
在具体执行层面，MHS 提供了 MCP、CLI 和代码文件三条控制通道。在 Claude 校准激光的实际测试中，模型首先通过小幅调整并观察相机光斑，自主摸索出设备运作的因果关系。随后，agent 将学到的过程打包成确定性代码文件，后续长任务和高速操作直接走代码接口自执行。这展示了模型完全能在试错探索中沉淀出稳定的控制逻辑，避免了在每次高速操作时都重复支付昂贵的推理成本。
图：自然语言 tag 生成设备参考文件流程。来源：Anthropic 官方公告
重造轮子，还是抢夺定义权？
MHS 披露后，Hacker News 社区呈现出明显的两派分化。批评派代表 wongarsu 认为读写原语加上自描述机制与现有的 USB HID 高度重合，质疑 Anthropic 是在「再造一个 USB」。另一位开发者 sinab 则抨击标准的封闭性，认为基础协议不应设下「需申请访问」的门槛，开源和透明才是标准的基石。
但部分支持者如 sigmoid10 则指出，这更像是 Anthropic 一次精准的标准定义权卡位。无论技术是否具有颠覆性的独创性，只要率先推出能跑通的 MVP，就能吸引各大核心玩家入局。正如 TeMPOraL 所言，在协议路径依赖极强的软硬件协同领域，「先上车」往往比「最优雅」更容易构筑事实护城河。
吞吐量向算力看齐
随着 Genentech、UW Baker 实验室、CMU 和 QuEra Computing 等早期合作伙伴的接入，MHS 的商业潜力开始显现。Anthropic 宣称新标准将设备集成周期从专家耗时数周甚至数月，断崖式压缩到了数小时乃至数分钟。AI agent 因此能够编排全天候的自主实验、实时调参，甚至在部分场景下实现对硬件错误的自主恢复。
如果 MHS 的抽象层被行业普遍接受，实验室自动化的壁垒将发生根本转移。这项标准的核心价值，是让物理世界的实验吞吐量第一次具备了像算力一样横向扩展的可能。当 agent 可以在几分钟内自发现并接管一台百万美元的科研设备时，前沿科研的瓶颈就不再是物理执行速度，而是人类提出假设的速度。
参考链接：
- Anthropic 官方公告：Model Hardware Standard 研究预览
- Hacker News 讨论 (49468834)
