Anthropic发布MHS：一个能操控物理设备的AI标准
内容提要
Anthropic发布MHS标准，使AI能操控物理设备，将实验室集成时间从数周缩短至八小时。测试显示成功率提升，但存在安全风险，如AI无法识别物理故障、权限问题及开源滥用隐患。网友反应两极，期待突破同时担忧失控后果。
延伸解读
MHS的定位：物理世界的“USB-C”
MHS是Anthropic在MCP基础上的延伸，旨在为物理设备提供标准化接口，类似“AI领域的USB-C”。它通过统一驱动和自动生成设备说明书，让AI能直接操作显微镜、机械臂等设备，无需定制集成。发布首日即获多家厂商支持，凸显其生态潜力。
效率提升背后的代价
MHS将设备集成时间从数周压缩至八小时，QuEra的激光锁频成功率从58%提升至99.3%。但效率提升也带来风险：AI可能因缺乏物理常识而误判故障，如Genentech实验中无法识别样品起泡。此外，权限管控缺陷可能导致设备损毁，安全测试虽拦截了注入故障，但真实环境中的未知风险仍存。
开源与安全的两难
MHS计划在安全评估后开源，但开源可能降低滥用门槛，引发安全担忧。网友质疑闭源预览策略，并担心标准偏袒Anthropic自家模型。历史参照如震网病毒提醒，物理世界AI失控的后果远超数字世界。安全边界由人设定，但AI能否绕过边界仍是未知数。
Q&A
Anthropic发布的MHS标准是什么？
MHS（Model Hardware Standard）是Anthropic于2026年8月27日发布的研究预览版标准，旨在让AI模型（如Claude）能够操控物理设备，如显微镜、液体处理器、机械臂和激光器等。它通过标准化驱动程序，使设备能自动生成说明，让AI直接操作，无需提前训练或人类示范。
MHS与MCP有什么关系？
MHS是物理版的MCP（模型上下文协议）。MCP于2024年11月由Anthropic开源，被称为“AI领域的USB-C接口”，让大模型统一调用软件工具。MHS将这一思路扩展到物理世界，为物理设备提供标准化接口，使AI能操控硬件。
MHS如何将实验室设备集成时间从几周缩短到八小时？
MHS通过为每个设备提供标准化驱动程序，使用极简指令（如“读取”和“写入”）让设备自动生成说明，AI可直接操作。卡内基梅隆大学的研究员使用MHS整合液体处理器、微孔板读数仪、机械臂和监控摄像头，从零开始到获得验证的剂量反应曲线仅需八小时，而传统方法需数周。
MHS在安全方面存在哪些风险？
MHS的安全风险包括：AI无法识别物理故障（如样品起泡被误判为软件bug）、权限问题（可能无视操作员指令导致设备损毁）、开源后可能被滥用（如用于恶意目的）。此外，AI在物理世界犯错可能导致设备报废、实验失败甚至人身伤害。
QuEra公司使用MHS后激光锁频成功率有何变化？
QuEra公司原先使用定制脚本的激光锁频成功率仅为58%，四个工程师耗时数月搭建，七百次测试成功四百零六次。使用Claude通过MHS接管后，四个Claude实例运行一夜，七百次盲测成功六百九十五次，成功率提升至99.3%，单次恢复耗时从150秒降至1-14秒。
网友对MHS的主要质疑有哪些？
网友的质疑集中在：LLM概率性输出如何匹配物理设备的确定性需求；安全限制应在模型端还是硬件端（硬互锁）；紧急停止按钮由谁掌握；Anthropic“先闭源预览再开源”的策略是否合理；以及MHS是否存在隐性设计偏袒自家模型的问题。
MHS目前是否已开源？
MHS目前是研究预览版，仅对第一批科研实验室和先进制造商开放。Anthropic计划在完成安全评估后开源，但尚未公布完整开源时间表。
