Anthropic 的新标准旨在连接 AI 智能体与现实世界机器
Anthropic 推出了其所谓的 Model Hardware Standard，简称 MHS，这是一套研究预览框架，旨在为 AI 智能体提供一种与物理设备交互的通用方式。其思路简单却可能影响深远：不再为每台显微镜、摄像头、机械臂、激光系统或工作流程中的其他机器单独编写定制软件连接，MHS 旨在提供一组共享的驱动和数据格式，让系统通过统一层进行通信。
这很重要，因为如今大多数智能体式 AI 活动仍局限于数字环境。模型已经可以生成文本、编写代码、处理图像，并在软件工具中执行操作。要从这个世界进入物理系统则要困难得多。现实设备分散在不同厂商、协议和一次性接口之间，把它们连接起来通常需要数周甚至数月的工程工作，之后才能运行单一自动化工作流。
Anthropic 的主张是，MHS 可以削减这种集成负担。根据公司的说明，采用该标准的设备可以通过网络共享数据并接收指令，而无需为每一种连接都设置单独的转换器。就实际而言，这将把零散的实验室或工业设置，转变为更接近自动化通用操作环境的东西。
为什么首要目标是科学研究
Anthropic 最初将 MHS 定位于科学领域，而不是消费级机器人或工厂自动化。公司表示，这一研究预览旨在帮助科学家避免那些常常横亘在实验设计与可执行装置之间的定制软件工作。在许多先进实验室里，来自不同供应商的仪器必须被精确同步，但它们原本从未设计成使用同一种语言交流。
在配合公告的说明中，Anthropic 表示该项目的灵感来自弗吉尼亚州阿什本霍华德休斯医学研究所 Janelia Research Campus 的工作。在那里，神经科学家 Arco Bast 开发了一种方式，可通过共享接口协调旋转激光器、显微镜、摄像头以及其他实验组件，用于研究大脑中的记忆形成。Anthropic 技术人员 Alek Kemeny 表示，这一案例提示了更广泛的可能性：如果一个实验室能为复杂实验创建统一控制层，那么标准化方法或许能让 AI 未来运行或协调更多实验系统。
短期内的愿景不如完全自主科学那样激进，但仍然重要。如果 MHS 能把集成工作从数月缩短到数小时甚至数分钟，正如 Anthropic 所称，它可能改变谁有能力自动化复杂的实验设置。如今，这种能力往往依赖于异常强大的内部工程团队。统一接口可能让自动化在实验室和机构之间更具可移植性，降低那些希望连接仪器、编排运行并更一致地捕获结构化数据的团队所面临的摩擦。
这是一层翻译层，而不只是一个 AI 功能
这项公告的一个值得注意之处在于，MHS 并未被描述为仅面向 AI 的基础设施。Anthropic 表示，支持该标准的设备即使不通过语言模型，也可以直接通过命令行提示和 API 代码文件进行控制。这种表述很重要，因为它让该标准听起来不只是 Claude 的营销包装，而是可以凭借自身技术价值成立的互操作层。
当 MHS 与 Model Context Protocol 结合时，AI 的作用就显现出来了。Model Context Protocol 是 Anthropic 另一项支持的计划，旨在将模型与工具和外部系统连接起来。两层结合起来，描绘出一种技术栈：模型可以理解可用设备，通过共享控制接口发出指令，并在无需为每种仪器组合编写定制胶水代码的情况下接收结构化反馈。
这种做法解决了物理 AI 的一个最大瓶颈：问题不仅在于推理能力，还在于可靠行动。模型也许能够规划一系列步骤，但只有当硬件能够暴露可预测的控制和可读状态时，这些计划才有意义。MHS 试图提供这种缺失的一致性。
如果被广泛采用，可能会改变什么
MHS 的意义将更多取决于设备制造商、实验室和自动化团队是否采用它，而不是发布本身。标准只有在多方愿意承担围绕它构建的成本时才会变得强大。如果 MHS 只是附着在 Anthropic 演示中的狭窄研究预览，它的影响将十分有限。如果它获得跨仪器和工作流的支持，它可能加速一场更广泛的转变，使 AI 从建议型软件走向对物理系统的主动协调。
科学实验室显然是理想的首个试验场，因为它们本就包含多样化、由软件控制的硬件，并且具有集成时间成本很高的高价值工作流。但其底层逻辑可以远远超出研究领域。任何拥有联网设备、机器可读输出和重复配置工作的环境，都可能受益于一个通用控制层。
这并不意味着该标准解决了所有挑战。物理系统带来的可靠性、安全性、校准和监督要求，比聊天机器人或编程助手严格得多。统一接口可以让编排更容易，但并不能消除当 AI 被允许操作机器时所需的防护措施。它也不能保证模型在模糊或高风险情境下会做出正确决策。
尽管如此，Anthropic 的举措仍然值得注意，因为它针对的是阻碍数字智能体迈向具身或设备连接型 AI 的一个现实障碍。围绕 AI 控制物理世界的行业讨论，大多聚焦于模型能力。MHS 则聚焦于底层连接问题：驱动、格式和接口决定了有能力的模型是否真的能与真实设备完成有用工作。
这或许是这项公告中最重要的信号。Anthropic 并不只是主张 AI 应该控制机器，而是在提出通往这一目标的路径必须经过标准化。如果这一判断成立，那么下一阶段的智能体式 AI 可能不再主要取决于智能的戏剧性跃升，而更依赖于让硬件变得可理解、可寻址并在大规模上可互操作的安静工作。
本文基于 Ars Technica 的报道。阅读原文。
Originally published on arstechnica.com
