【科技资讯】Anthropic推出MHS：AI的下一场竞争，不在屏幕里，而在设备上

过去三年AI一直”生活在屏幕里”，写文档、做PPT、生成代码、操作企业软件；但工厂机器人、实验室显微镜、液体处理设备、检测仪器、摄像头、激光器、传感器等物理设备，仍运行在各自封闭的控制体系中。2026年8月27日，Anthropic发布Model Hardware Standard（MHS），要解决的正是AI如何从数字世界进入物理世界。

MHS被定义为让AI智能体安全操作物理设备的共享规范，目前处于研究预览阶段，先面向科研实验室和先进制造企业开放、计划开源，已用于连接显微镜、液体处理机器人、机械臂、摄像头及量子计算激光系统。如果说MCP解决的是”AI如何连接软件和数据”，MHS解决的就是“AI如何获得操作物理世界的手”。

MHS解决什么问题

企业不缺自动化设备，痛点是设备彼此不”认识”：不同厂商各有软件、API、SDK和控制语言，多设备协同需大量定制接口，难以端到端自动化。MHS在设备上增加一层标准化Driver，统一描述设备能力、状态、可调参数和禁止操作，最基础控制可抽象为”read/write”（读写温度、机械臂位置、摄像头状态、激光参数），还支持用自然语言定义物理属性与安全边界。智能体因此获得的不只是API，而是”机器说明书+实时状态+可调用能力+安全边界”。MHS标准化的不是硬件，而是AI理解和操作硬件的方式。

从”信息生产力”进入”物理生产力”

AI创造价值的对象将从人力转向生产资料，核心指标从”员工用AI效率提升多少”转向”设备利用率、产线停机、实验周期、故障提前发现、人工干预占比”，ROI从人的生产率扩展到资产与流程生产率。两个早期实验：

• 卡内基梅隆大学：用MHS连接液体处理设备、读板机、机械臂、摄像头，原本需供应商数周的集成，从设备准备到完成含自主重跑的完整实验仅用8小时，剂量反应实验提速约3倍。
• QuEra量子计算：激光失锁自动恢复程序曾开发数月、成功率约58%、单次恢复约150秒；Claude经MHS操作真实设备迭代出的确定性程序，700次盲测成功率达99.3%，简单故障恢复仅0.9—5.4秒。

重新分配”集成”的价值，催生新软件层

MHS成熟后，连接将从”每个项目重连一次”变为”每种设备适配一次、全场景复用”，系统集成商价值从”把系统连起来”上移到”把业务跑起来”（流程理解、权限、安全边界、工艺重构）。大模型与传统OT之间将催生“物理智能体控制平面”（Physical Agent Control Plane）新软件赛道，覆盖设备发现、权限、任务编排、监控、审计、异常恢复。

“AI Ready”成为硬件竞争新标准

未来设备选购将新增核心指标“AI可调用性”：提供机器可读能力描述、开放状态与控制接口、输出实时遥测、支持细粒度权限与审计。合作名单已释放生态信号：Doosan Robotics（机械臂质检/多机协同）、Universal Robots、Tecan、QIAGEN、Danaher、Hugging Face（LeRobot）、Raspberry Pi。未来或出现类似”支持USB/Wi-Fi”的”Agent Ready”标签，”被全球AI生态调用的能力”将成为硬件国际竞争力核心。

不取代现有工业协议，Anthropic在争夺”接口”

MHS不替代OPC UA、ROS 2、SiLA 2等成熟标准，而是位于其之上：底层保留Modbus/工业以太网/OPC UA/ROS，MHS在其上建立AI可理解的设备语义，对接MCP与智能体。它复制MCP路径（MCP已超1万个活跃服务器、SDK月下载超4亿次，后捐赠给Linux基金会），且模型无关、将开源。模型领先通常只维持数月，接口一旦成为通用标准生命周期可达十年。它也拓展了Physical AI边界——未来逻辑从”AI+机器人”转向”AI+机器”，全球数十亿台存量工业/实验/医疗设备都可成为AI执行终端，市场远大于人形机器人。

企业现在该做什么

MHS仍是研究预览版，大模型空间/物理推理仍有局限（曾误把液体泡沫的物理问题当软件问题反复重试）。企业应：①优先选边界清晰、设备已数字化、风险可控、结果可量化的场景切入（实验室自动化、质检、校准、预测性维护、异常恢复、物料搬运），暂不让大模型直接控制高风险核心设备；②提前梳理存量设备资产清单（哪些有API、支持开放协议、哪些操作可开放给AI、哪些必须人工批准）。

核心判断：MHS现在还很小，但方向很大——AI正从连接知识走向连接软件、再走向连接机器。未来企业竞争比拼的不再是模型参数，而是谁拥有更多可被AI调用的数据、流程、软件和机器。过去几十年数字化是”让物理世界变成数据”，未来十年AI将推动反向变革：让数字智能重新回到物理世界。