当 AI agent 开始操作物理设备,硬件层面的标准化比模型能力更先到位 2026 年 8 月 27 日,Anthropic 与 HHMI Janelia Research Campus 联合发布 Model Hardware Standard(MHS)研究预览,把"AI agent 操作物理设备"从单点实验推到了标准化协议层面。这不是又一个新模型或新 demo,而是给整个行业提供了一套共同的接
当 AI agent 开始操作物理设备,硬件层面的标准化比模型能力更先到位
2026 年 8 月 27 日,Anthropic 与 HHMI Janelia Research Campus 联合发布 Model Hardware Standard(MHS)研究预览,把"AI agent 操作物理设备"从单点实验推到了标准化协议层面。这不是又一个新模型或新 demo,而是给整个行业提供了一套共同的接入规范——任何带可编程接口的设备,任何 agent 框架,都能通过 MHS 接入。本文对照 MHS 公告与近期 OpenAI 在生物医学研究中使用 Codex 的应用案例,把"AI 操作物理设备"这件事从概念拉到工程现实来谈。
一、MHS 要解决的问题,不是"agent 能不能动设备",而是"动设备的协议在哪里"
把时间拉到 2026 年中后期,AI agent 操作物理设备的技术演示已经不少见——Claude 用 Computer Use 操作屏幕、Codex 跑 shell 命令、各种具身智能机器人在工厂里搬运零件。但这些演示有一个共同的结构性问题:每个实验室、每家工厂、每台设备,都需要"专人搭建定制集成"。Anthropic 在 MHS 公告里直接点出这个痛点:"It typically takes a lab or manufacturing facility weeks, if not months, to set up and integrate their hardware. Most devices don't communicate with each other, instead requiring specialists to build bespoke integrations."
换句话说,实验室或制造工厂把设备集成起来,通常要几周甚至几个月;而且大部分设备彼此不通信,需要专人构建定制集成。这套现状让 AI agent 即使能力到位,也跑不出"批量部署"的规模。MHS 的定位就是解决这一层——把集成时间从几周/几月压缩到"几小时或几分钟"(MHS reduces this integration work to hours or minutes)。
MHS 公告给出的应用场景非常具体:AI agent 可以并行操作显微镜、液体处理器(湿实验自动化里最常见的两种设备)、机械臂;任务从常规的药物发现实验到量子计算机的激光校准——这些任务都涉及"长时间、多步骤、需要实时参数调整"的执行流程。MHS 的目标不是替代人类实验员,而是让 agent 能"orchestrate autonomous, round-the-clock experiments and workflows",24 小时不间断地运行实验,并在某些情况下"recover from hardware errors without intervention",硬件出错时自动恢复而无需人工介入。
二、MHS 的工程核心:Model-agnostic + 标准协议接入
MHS 的工程设计有两个关键决定。
决定一,MHS 与具体模型解耦。Anthropic 在公告里明确说"MHS is also model-agnostic, and any agent harness can access it using standard protocols, such as the Model Context Protocol"。这意味着 MHS 不是 Claude 专属,任何 agent 框架都能接入;不是 Claude 写一套特殊 API,而是用 MCP(Model Context Protocol)这种已经标准化的协议。这一决定让 MHS 在行业层面具有中立性——OpenAI Codex、Anthropic Claude、Google Gemini、任何自研 agent,理论上都能用同一套协议访问同一台设备。
决定二,MHS 面向"任何带可编程接口的设备"。公告里说"MHS works with any device that has a programmable interface"——只要设备能被编程,MHS 就能接入。这意味着 MHS 的覆盖范围从显微镜、液体处理器、机械臂,自然延伸到 CNC 机床、激光器、3D 打印机、无人机、机器人本体。任何已经被工业自动化的设备,理论上都能被 MHS 标准化接入。
这两个决定加在一起,MHS 不只是一个"AI 操作硬件"的工具,而是一套"硬件可被任何 AI agent 操作"的基础设施。这与 Anthropic 在 2025 年底把 MCP 捐赠给 Linux 基金会成立 Agentic AI Foundation 的动作一脉相承——Anthropic 持续把 agent 生态的关键协议开放给中立机构,让行业共同维护。
三、安全评估:MHS 的研究预览阶段,核心是"建立最佳实践"
MHS 在 2026 年 8 月发布时,定位是"research preview",而不是"production-ready"。Anthropic 在公告里说明:"We're sharing an early version of MHS with partners across science, robotics, electronics, and manufacturing so we can collaborate to build safety evaluations and develop best practices for AI systems operating physical equipment, ahead of making the standard open source."
这一阶段的核心工作不是"再做一个更强的模型",而是"建立 AI 操作物理设备的安全评估与最佳实践"。具体的合作对象覆盖四个领域:科学研究(science)、机器人(robotics)、电子(electronics)、制造(manufacturing)。每个领域都需要独立的评估体系——科学实验室里 agent 操作液体处理器的安全边界,和工厂里 agent 操作机械臂的安全边界完全不同。
MHS 的开源计划被特意放在这一阶段之后。Anthropic 明确说"ahead of making the standard open source",意思是先把安全评估与最佳实践沉淀好,再把标准本身开源。这种"先评估后开源"的路径,与软件领域的"先发布后修补"传统不同——物理设备的错误成本远高于软件,任何 agent 误操作都可能损坏设备、污染实验、伤害人员。MHS 必须先把"安全操作规范"建立起来,才能让整个行业放心使用。
四、应用层的对照:OpenAI Codex 在生物医学研究中的湿实验参与
MHS 解决"硬件接入协议",而 OpenAI 9 月 10 日发布的《How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules》展示了"agent 在科研湿实验中"的具体应用形态。两者放在一起读,可以看到 AI agent 操作物理设备的真实形态。
César de la Fuente 实验室在寻找新型抗菌分子时,使用了一套自有 AI 模型(深度学习识别生物序列模式)+ ChatGPT 与 Codex(头脑风暴假设、编写优化代码、处理数据集、分析结果、跨学科连接)。整条研究链路的关键特征是:AI 不直接操作液体处理器或显微镜,而是通过"生成假设 → 优化代码 → 分析结果 → 提示下一步实验"的方式,与实验员形成协作。
这种协作模式把"AI 操作物理设备"这件事分成了两个阶段。第一阶段(当前),AI 在数字侧做研究——分析数据、生成假设、写实验脚本;人类在物理侧做操作——配置液体处理器、设置显微镜参数、运行湿实验。第二阶段(未来),AI 通过 MHS 这类协议直接操作硬件——agent 写完代码后,自动把脚本提交给液体处理器运行,实验结果自动回传到分析环境。
第一阶段已经在多个实验室落地(像 de la Fuente 实验室这样),第二阶段是 MHS 协议要解决的问题。两者不是替代关系,而是递进关系——第一阶段产生对第二阶段的需求,第二阶段反过来让第一阶段的 AI 工作流更高效。
五、对企业的现实启示
把 MHS 公告和 Codex 在科研中的应用案例放在一起,企业部署"AI 操作物理设备"应该从以下几个维度思考。
启示一,先把"数字侧"agent 做扎实,再考虑"物理侧"接入。MHS 这类协议解决的是硬件接入,但 agent 在物理侧的有效性取决于它在数字侧的能力。如果 agent 在数据分析、代码编写、假设生成上还不够可靠,直接操作硬件只会放大错误成本。先用"数字侧 agent + 人类操作硬件"的工作流跑半年,验证 agent 的可靠性,再考虑物理侧接入。
启示二,优先使用标准化协议,而不是定制集成。MHS + MCP 这类标准化协议的价值,在于"换 agent 不换协议、换设备不换协议"。如果企业内部现在还在为每台新设备做定制集成,应该停下来评估:有没有现成的标准协议可以用?如果答案是否定的,值得参与 MHS 这类标准化工作,把定制集成抽象成标准接入。
启示三,把安全评估放在部署前面。物理设备的错误成本远高于软件。一次 agent 误操作可能损坏一台几十万元的设备、污染一炉几十万元的实验、伤害一位现场操作人员。MHS 在研究预览阶段花了大量精力建立安全评估与最佳实践,这不是 Anthropic 的过度谨慎,而是物理 agent 的现实要求。企业在内部部署物理 agent 时,必须把"安全评估"放在"功能上线"前面。
启示四,关注行业标准而非单一厂商方案。MHS 选择了 model-agnostic + 开源路径,OpenAI Codex 的 Responses API 也选择了端点可配置 + MCP 标准化接入。两家头部厂商都在把 agent 生态推向"标准化"。如果企业内部在评估 agent 方案,优先选择那些支持行业标准协议的厂商,而不是把整套工作流绑定在单一厂商的私有 API 上。
结语:硬件标准化是 agent 进入物理世界的入场券
Anthropic 在 2026 年 8 月发布 MHS,正好回答了"AI agent 操作物理设备"长期被回避的那个问题——硬件接入协议的标准化。这件事比模型能力或工具调用更基础,因为没有标准化协议,每一次新设备接入都要重新做集成,agent 永远跑不出实验室。
MHS 的研究预览阶段聚焦于安全评估与最佳实践,而不是把"看起来很酷的演示"尽快推向市场,这种克制恰恰是物理 agent 落地需要的。OpenAI 在科研湿实验中通过 Codex 实现的"数字侧协作",是通向"物理侧自动化"的必经阶段;MHS 这类协议,则是把两者衔接起来的基础设施。
对于正在评估"AI 操作物理设备"的企业,现阶段最关键的不是判断"agent 够不够强",而是判断"硬件接入协议够不够标准化"。前者每个月都在进步,后者是行业三五年的基础设施建设。把赌注押在标准化协议上,远比押在单一厂商方案上更稳妥。