预览 Model Hardware Standard

# 预览模型硬件标准 来源：https://www.anthropic.com/news/model-hardware-standard-research-preview 我们正在向首批科研实验室和先进制造商开放模型硬件标准（MHS）的研究预览——这是一项供AI智能体安全操作物理设备的共享规范。MHS使AI智能体能够并行操作多种实验室和制造设备（如显微镜、液体处理仪和机械臂），并执行从常规药物发现实验到量子计算机激光校准等复杂任务。MHS的开发始于Anthropic与HHMI Janelia研究中心（https://www.hhmi.org/research/janelia）的合作。 通常实验室或制造设施需要数周甚至数月时间来设置和集成硬件。大多数设备彼此无法通信，需要专业人员构建定制集成方案。MHS将此集成工作缩短至小时甚至分钟级。通过将AI融入这些工具，MHS还能帮助研究人员和工程师更便捷地统筹自主的全天候实验与工作流，使智能体能够推演实验每一步骤、实时更新参数，并在某些情况下无需人工干预即可从硬件错误中恢复。 我们正向科学、机器人、电子和制造领域的合作伙伴提供MHS的早期版本，以便在开源该标准之前共同构建安全评估并制定AI系统操作物理设备的最佳实践。MHS适用于任何具有可编程接口的设备，且与模型无关——任何智能体框架均可通过标准协议（如模型上下文协议MCP https://www.anthropic.com/news/model-context-protocol）访问它。申请研究预览资格请访问此处（https://www.modelhardwarestandard.com/）。 ## MHS的工作原理 采用MHS前后对比 让实验室或工厂车间的多个设备相互通信颇具挑战，更遑论在集成AI方面的额外难度。每种设备通常拥有自己的编程接口，至今尚无标准化整合方案。即使设备*已*连接，也缺乏通用方式让它们与AI智能体共享数据或让智能体安全操控它们。 MHS通过引入标准化驱动程序（一种在计算机操作系统与硬件设备之间进行转译的软件）来解决这些挑战。MHS驱动使用一套简洁的原语——如"读取"（例如"获取温度"）或"写入"（例如"设置温度"）等任何硬件设备都能理解并执行的命令。它还让每个设备以标准格式可被发现，使设备和智能体无需定制"翻译"程序即可在网络中相互发现并通信。 MHS驱动还帮助AI智能体理解如何使用从未接触过的设备，提供仅通过代码可能无法获知的设备特性信息（例如机械臂的重量——这对安全操作至关重要）。以往这些信息多存储于纸质手册、用户电脑中或作为隐性知识存在。但MHS驱动包含允许用户以自然语言直接撰写这些信息的标签（用户可自行填写，也可通过与智能体聊天由其询问硬件设置来完成）。利用这些标签信息，MHS驱动会自动生成参考文件，包含设备通用特性的信息（如可测量参数、可调节功能及需强制执行的安全限制）。该文件为智能体提供了操作设备所需的全部信息。 当设备连接完毕且智能体知晓如何使用每个设备后，便需要控制硬件的方式。MHS提供三种机制：MCP、命令行接口和代码文件（API）。它们协同工作，使单行代码即可实现跨设备的统筹调度。 一旦智能体能够控制设备，便可接收各设备的运行数据，并在高层级监督和指导工作。智能体可以编排多仪器步骤、监控结果，并根据实时条件变化调整参数。当智能体需执行长时间任务或需以超出其在线推理速度操控设备时，它能在代码文件中链接一个或多个设备的驱动命令。这使得设备可自行执行操作，智能体无需在每一步都进行推理。 测试MHS时，我们发现Claude以探索性方式与实验和硬件交互，类似于科学家的工作方式。例如，我们观察到Claude调整激光器参数，通过摄像头观察结果以评估其调整如何影响激光束，重复此过程以理解事件序列。随后Claude将其学习成果封装到代码文件中，编写出确定性脚本使其无需逐步推理即可对准激光器，整个流程可作为单命令运行。 ## MHS的早期应用案例 我们才刚刚开始探索人们如何利用前沿模型与MHS，但我们期望该标准能在任何使用可编程接口设备的领域中，帮助研究人员、工程师及其他实践者加速发现和实验进程。 在开发MHS过程中，我们与生物技术、机器人、量子计算等领域的多个实验室和硬件制造商进行了分享。这些早期项目显示，MHS缩短了设备集成时间，使各类实验设置得以更快迭代，并协助机器的实时操作与故障检测。以下合作伙伴分享了他们涉及MHS的早期项目详情。 ### Genentech：实施MHS用于实验室自动化 *Genentech的研究人员实施并测试了MHS，作为自动化BCA蛋白检测的概念验证——该标准流程用于测量样品总蛋白浓度，需要协调液体处理仪、机械臂和酶标仪。* ### 华盛顿大学Baker与Pinglay实验室：将AI智能体引入实验台 *华盛顿大学Baker与Pinglay实验室的博士生宋子浩利用MHS构建了远程监控仪表盘；一个AI智能体监督的qPCR（通过反复加热冷却循环复制目标DNA序列）系统，可监测扩增曲线并在适当时刻终止流程；以及实现机械臂与液体处理仪无碰撞托盘交接的整合方案。* ### 卡内基梅隆大学：通过快速自动化确定剂量反应曲线 *卡内基梅隆大学的研究人员使用MHS运行系列稀释剂量反应实验，速度比以往快约三倍——AI智能体协调着液体处理仪、酶标仪、机械臂，以及分布在三台具有根本不兼容接口的电脑上的监控摄像头。* ### HHMI Janelia：利用MHS加速显微镜研究 *在HHMI Janelia研究中心，研究人员正使用MHS加速一系列显微镜相关项目。研究睡眠如何帮助身体从压力中恢复的Ahrens实验室科学家Virginie Ruetten在此分享她如何利用MHS统一并统筹一套此前涉及七个不同厂商程序且无共享接口的实验装置。* ### QuEra Computing：在量子激光稳定化中使用MHS *采用中性原子构建量子计算机的QuEra公司使用MHS让AI智能体控制其量子机器内部激光系统的部分组件。该智能体开发了一个控制器，能在99.3%的情况下无需人工干预恢复激光器的"锁定"——激光器与原子相互作用所需的超高精度频率。* ### Tetsuwan Scientific：使用MHS运行qPCR分析局部污染 *Tetsuwan的研究人员将MHS与其自动化生物实验室平台ResearchOS集成。MHS协助编排qPCR工作流，为加州圣佩德罗溪污染特征化的公民科学工作提供支持。* 硬件供应商及其软件合作伙伴也正将MHS支持融入设备，使AI智能体能更便捷地发现和操作它们。例如： - Amazon Web Services将通过Strands Robots（连接AI智能体与物理设备的库）支持MHS。AWS将在MHS研究预览期间为参与者提供Strands Robots包的预发布私有版本。 - Automata正为其LINQ实验室自动化平台添加MHS支持，以实现自主实验室仪器的智能错误处理。 - Danaher与Anthropic正在积极探索MHS支持的功能如何使其智能仪器和自主实验室能够扩展生物医学研究。 - Doosan Robotics正在用其机械臂测试MHS，包括执行自动化质量保证和协调多机器人任务。 - MBF Bioscience正在为ScanImage（全球数百个神经科学实验室使用的激光扫描显微镜软件）构建MHS驱动，以将AI智能体集成到实时数据分析和实验中。 - QIAGEN正在通过其核酸纯化平台QIAsymphony Connect的可运行概念验证试验MHS，展示AI智能体如何帮助实验室更快排查仪器问题、指导操作员进行恢复并提高仪器正常运行时间，同时降低生物样品风险。 - Tecan正为其Fluent液体处理平台添加MHS支持，使AI智能体能直接发现并操作它们。 - Universal Robots已获得MHS早期访问权限，并计划为其机器人平台添加支持。 ## 加入研究预览 合作伙伴的这些早期成果令人鼓舞，但在开源之前我们仍需完善该标准。作为大型语言模型，Claude通过文本和图像了解物理世界，意味着其空间和物理推理能力仍有局限，仍需专家监督。例如，在处理蛋白质样品时，Genentech研究人员不得不引导Claude认识到样品起泡导致的错误是物理故障而非软件缺陷，只能通过适当的物理校正来缓解。 MHS目前也无法用于缺乏可编程接口的硬件，因此我们正与此类设备制造商合作构建MHS驱动。许多开发者已使用Claude Code操作独立物理设备；对于MHS的下一阶段，我们希望扩展该标准以涵盖开发者使用的更多设备。早期采用者包括在其机器人库LeRobot中添加MHS支持的Hugging Face，以及在其Camera MHS驱动测试成功后正跨多产品启用MHS集成的Raspberry Pi。 我们还将利用研究预览与发起合作伙伴构建额外的安全评估，加强AI在物理世界使用的保护措施。我们正在制定物理安全路线图，以进一步强化我们的安全策略和针对滥用风险的执法覆盖。当开源MHS时，我们将发布研究预览成果作为安全部署该标准指南的一部分。 我们邀请各行业利益相关者加入MHS研究预览的等候名单。如欲参与，请在此提交意向（https://www.modelhardwarestandard.com/）。 ## 致谢 MHS始于Anthropic有益部署团队（http://anthropic.com/beneficial-deployments）的Alek Kemeny与HHMI Janelia研究中心博士后科学家Arco Bast的合作。Bast当时在操作一套整合了激光器、电动调焦器和来自不同厂商的专用摄像头的复杂脑成像实验装置，这些设备间无通用接口。为加速实验，他开发了一个共享内存字典，使仪器能以内存速度相互通信。Kemeny与Bast合作将AI模型集成到该接口中。 我们感谢迄今为止为这项工作做出贡献的所有人，包括但不限于：Aaron Boswell、Ben Arthur、Boaz Mohar、Gagan Bhat、Mark Kittisopikul、Nadine Yasser、Nick Purcell、Takashi Kawase和Virginie Ruetten。我们期待与产业合作伙伴共同推进MHS，并很快面向开源社区。 ## 相关内容 ### 资助更优的AI对福祉影响评估 我们启动了一项500万美元资助计划，用于资助关于AI如何影响用户福祉的独立研究。 了解更多（https://www.anthropic.com/news/wellbeing-regrants） ### Claude文本水印的工作原理 在本文中，我们分享了关于所选水印方法工作原理、是否影响Claude输出以及进行此变更原因等问题的解答。 了解更多（https://www.anthropic.com/news/claude-text-watermark） ### 改进Fable 5的生物学安全防护 我们正在以大幅减少误报的方式更新Claude Fable 5的生物学安全防护。Fable 5用户现在将经历更少的"回退"——即用户进行生物学相关查询后系统切换至能力较弱模型的情况。 了解更多（https://www.anthropic.com/news/improving-fable-5-s-biology-safeguards）