东升国际资讯中心

自 MCP 发布至今已过 21 个月，Anthropic 推出第二项标准：MHS，即模型硬件标准。这标志着 Anthropic 首次通过标准来传达 AI 进入硬件领域的立场与构想。

简而言之，MHS 是一套类似于 MCP 的协议，但区别在于 MCP 是模型与模型、应用之间的接口，而 MHS 则连接模型与硬件。借助它，智能体能够并行操控多种实验室、制造设备及硬件。它向上对接模型，向下连接硬件，任何智能体框架均可通过标准协议接入，且不限制模型类型。

Anthropic 还贴心制作了两张前后对比图，能直观展示接入前后的差异。

上图为接入 MHS 前的流程，下图为接入 MHS 后的流程 ｜图源：Anthropic 官网

MHS 的核心是一个标准化驱动程序，即在计算机操作系统与硬件设备之间进行转换的软件层。该驱动通过一组简单指令，例如“读取”获取温度、“写入”设定温度，使任何硬件设备都能理解智能体的需求并配置相关程序。

安装此驱动后，每台设备还能在智能体连接网络中主动进行“自我介绍”，以统一格式说明自身类型及可执行的指令。其他设备一旦搜索到该硬件，便能直接与其通信，类似于电脑搜索局域网中的打印机。

上一次类似标准出现是在 2024 年 11 月 MCP 发布时，当时未受重视，但一年后已不可或缺。MCP 用一年时间统一了 AI 与软件世界的接口，而今，Anthropic 将目标对准了模型与硬件之间的连接标准。

模型走向硬件，Anthropic 已迫不及待。硬件行业同样如此。

01 AI 的“软硬件”转接口

理解 MHS 后，我们来看它如何“统一”模型与硬件间的连接问题。拆解开来，MHS 为每台设备提供三样东西：一份永久说明书、连接转换口以及自修复能力。

先看说明书：MHS 驱动包含一组标签，允许用户直接用自然语言写入机器使用指南。这份指南可自行编写，也可通过智能体聊天，由它询问硬件配置后由 AI 生成。基于这些信息，驱动会自动生成一份参考文件，明确该设备能测量什么、调节什么以及强制执行哪些安全措施。

当智能体获得这份文件后，便掌握了操作设备所需的全部信息，能正确上手。过去在学长学弟间代代相传的使用守则与老工程师的经验，如今由智能体继承。

它并非单一的转换口，而是一对多甚至多对多的接口。除内测阶段已接触的设备外，该接口同样适用于研发中的硬件。MHS 驱动能帮助智能体理解从未见过的设备，并提供仅凭代码无法读取的机器特性。

过去，让实验室或工厂车间中的多台设备相互通信一直是个难题，因为每台设备拥有自己的编程接口，缺乏标准化方法。设备连接后，也无法与 AI 智能体共享数据，更别提让智能体安全操作。因此，实验室或工厂需花费数周甚至数月搭建平台、集成硬件，而 MHS 可将这一过程缩短至数小时甚至数分钟。

设备连接完毕、智能体识别每台设备后，最后一步是控制。

MHS 提供三种机制：MCP、命令行界面和代码文件（API），三者协同，一行代码即可协调多台设备。 智能体获得控制权后，可接收每台设备的运行数据，进行监督与指挥，例如为不同仪器的操作步骤排序、监控结果、根据实时变化调整参数。面对长时间任务或操作节奏快于在线推理速度时，它还能将多台设备的驱动命令写成代码文件，让设备自行执行并向用户汇报。

有趣的是，该接口并非一成不变。接入 MHS 后，硬件控制系统具备自修复能力，智能体能监测硬件运行状况并实时调整参数，某些情况下无需人工干预即可从硬件故障中恢复。研究人员和工程师也成了 24 小时监工，人下班后，程序不仅能继续运行，还能控制机械臂操作或调整温度。

AI 究竟如何操控这些设备？

据官方描述，在测试 MHS 过程中，我们发现 Claude 操作实验硬件的方式其实难以预测。例如，Claude 调整激光器时，先通过摄像头观察结果，评估调整如何移动激光束，然后重复此过程以理解事件发生顺序。之后，Claude 将学习到的信息打包成代码文件，编写了一个确定性脚本，后续重复性操作时，每一步无需推理即可校准激光器，整个过程可作为单独命令运行。但结合下次实验情况，操作顺序也会调整，官方称其为“像科学家”一样思考。

这确实优化了许多实验环节。例如，过去 QuEra 量子计算机依靠激光驱动，激光频率需锁定在万亿分之一精度，温度、震动甚至有人推门都会导致“失效”。因此，只有实验室熟练工才能在 5 到 10 分钟内修复设备锁定状态。他们尝试过 AI 自动化，四人团队花费数月写出的脚本，成功率仅 58%。

如今通过 MHS，四个 Claude 智能体组成工作流，提出假设、修改脚本、在真机上运行、读取日志再修改，一晚能迭代数百轮。第二天早上，设备锁定恢复时间从 150 秒缩短至 6 秒；后续 700 次盲测中，成功率 695 次，达 99.3%。而且，Claude 调出的参数连续运行 19 小时，零失锁，而专家手调参数平均每小时会锁 1.6 次。最终，Claude 交出一个普通的、完全可审查的 Python 脚本，生产环境运行时无需任何 AI 持续在场。

MCP 的开放生态使其成为智能体时代的默认选择。MHS 的发布，似乎意在复刻 MCP 的成功之路。当硬件世界向 MHS 靠拢，Claude 系模型便能最快进入这些设备，智能体执行理解也将加速积累。模型进入硬件后，每台接入设备运转时都会消耗模型推理能力，从而打开模型消耗的需求。

02 OpenAI 与 Anthropic，两条路线

目前 MHS 版本处于 Anthropic 内测阶段，开发者需申请加入内测名单。官方表示，正在与科学、机器人、电子、制造领域的合作伙伴共享早期版本，在标准开源前共同构建安全评估，制定 AI 操作物理设备的最佳方式。

然而，从 MHS 框架看 Anthropic 对硬件的态度，可明显看出两家头部模型公司——Anthropic 与 OpenAI——在硬件方向上几乎走了相反路线。

OpenAI 目前主要走从易到难的路线，先打造可直接执行的 AI 硬件，交互简单、功能简单，从消费终端切入 AI 硬件领域，因此其第一款硬件是家庭智能音箱。

而 Anthropic 明显选择从难到易，一出手便瞄准精密科研设备操控，让 AI 控制量子计算机的激光、药厂的液体平台，这些要求模型对物理世界理解更深刻，操作精细度也更高。不过，这或许与实验室操作流程的固定化、规范化密切相关。

两家公司对硬件中 AI 的主导方向也选择不同。按现有业内爆料，OpenAI 将模型嵌入硬件，以端侧模型为主；Anthropic 则选择让智能体接入硬件。

此外，OpenAI 自造硬件、使用自家模型，在硬件上表现偏向封闭生态，颇有复刻“苹果”路线的意味。而 Anthropic 从这份生态协议看，暂时将生态位重心放在上游的软件层或协议层。

不过，业界此前已有风声，Anthropic 已开始探索硬件研发。CNBC 报道提到，它正组建芯片团队为自家模型设计定制芯片，并挖来了先后在 OpenAI、Meta、苹果负责硬件的高管 Caitlin Kalinowski。

OpenAI 造设备赌的是终端，希望打造下一个 iPhone，赌赢了便是下一个“苹果”。Anthropic 定标准赌的是平台，希望改造 AI 与硬件的连接方式，从而更好地控制现有可编程“硬件”设备。

今年 4 月，我们曾在海外展会现场与 Anthropic 工作人员交流，当时问及为何 Anthropic 不自行造硬件？对方回答是，Anthropic 内部同时有许多事项，看哪个更被用户需要，就优先推进哪个。

如今回看，MHS 的发布或许正是那个信号，在 Anthropic 内部的排序中，AI 上硬件这件事已提上日程。

03 AI 硬件窗口期缩短

如果说 2025 年，AI 硬件热潮在 Plaud 出货破百万台的刺激下被彻底点燃，一时间 AI 吊坠、AI 戒指、AI 眼镜、AI 玩具等各类产品爆发式涌现。那么 2026 年，AI 硬件明显进入去泡沫阶段，投资人出手更谨慎，市场上再未出现大爆款。

但去泡沫这一年，水下的热度并未散去。芯片厂商在解决端侧算力，手机厂商在解决模型跑进终端的工程问题，模型上硬件的基础设施问题正被层层解决。

如今，OpenAI 与 Anthropic 先后下场，一个造设备，一个定标准。当基础设施与头部玩家同时就位，未来两年内，我们可能迎来一波新的 AI 硬件小高潮。

我们或许能提前预判下一波产品的形态。

智能能力将增强，不再只是简单对答交互，大模型能以更优方式进入硬件设备，发挥更大作用；

更多硬件联动，当协议统一后，硬件或许不再孤立存在，可多设备联动；无论是改造后的“AI 硬件”还是新品类，联动下玩法更丰富；

交互体验将有较大升级，模型智能在硬件上增强后，交互反馈不再局限于单一形式，而是更丰富的表现形式。

同时，在上一轮 AI 硬件热潮后，新一轮 AI 硬件必然是对产品形态、功能有审美、能切实带给用户可见价值的产品，才可能再次点燃市场。 仅靠堆料和蹭概念过日子的 AI 硬件，时间或许已不多。

但我们会直接进入 AI 硬件的“iPhone”时代吗？从某种程度上说，或许很难如此类比。iPhone 也是在经历多年功能机时代后，重新定义手机产品形态，从而开启移动互联网时代。而如今的 AI 硬件领域，我们甚至无法确认下一代“AI 手机”会是什么。iPhone 时刻不会在核心产品形态尚未出现时诞生。但“类手机”这类硬件形态创新可能会先冒出，成为此阶段的代表作。

不仅如此，接下来更可能进入类似智能家居时代，会存在一个“智能中枢”中心，既能连接各种 AI 创新硬件，也能通过协议接口连接传统硬件改造后的 AI 入口，然后拉通关键场景的信息数据流，围绕具体场景完成智能体托管。

回到 MHS，尽管它今天还只是一个内测中的标准，对物理世界的理解仍会出现各种 Bug。但模型走向硬件的风向已经改变。

过去两年，业内几乎都是做硬件的人在单方面想办法，进行各种魔改，将模型硬抬上设备。但从现在起，模型厂商也开始为“上”硬件做好准备。

不过，Anthropic 硬件接口的这场战役，或许比 MCP 难打得多。当软件世界接受统一接口时，各方都是受益者；硬件世界则不同，接口就是入口，入口背后是设备、模型、数据和生意，没有哪家大厂会轻易让出。要成为公认接口，MHS 还需具备足够实力、技术落地能力以及远超同行的产品效果。

标准之争，往往比技术之争更漫长。

本文来自微信公众号 “极客公园”（ID：geekpark），作者：徐珊，36氪经授权发布。