Claude开始操控机械臂：新接口想把硬件集成压到分钟级

8月27日，Anthropic把Claude接进了真实世界。在基因泰克（Genentech）一个蛋白定量流程的自动化测试里，样本起了泡，模型第一反应是软件出了bug，直到研究人员提醒，它才确认这是物理故障而非代码问题。Anthropic把这处失误写进了同一天上线的公告。

它想说明的事很直白：让AI操控真实设备，难点不在“会动”，而在“知道动一下是有代价的”。这项名为Model Hardware Standard（MHS）的规范以研究预览版上线，被形容成“AI领域的USB-C接口”：让显微镜、机械臂、激光器这些互不兼容的设备，能被任何AI代理用同一套方式指挥，把硬件集成从按周计算压向按分钟计算。

接口标准改不了模型能力的上限，却可能改写硬件集成的成本结构，以及谁来收这笔钱。

一、变化发生：驱动层被拿出来重做

MHS的内核并不玄。按Anthropic的定义，它是一份共用规范，核心实现是一个标准化驱动：设备用统一的read/write原语下发指令，用标准格式被发现识别，并用自然语言“标签”描述自身物理属性，比如一台机械臂有多重；驱动同时生成一份参考文件，写明会强制执行哪些安全限制。

AI代理有三条通道接入：MCP协议、命令行接口、代码文件。第三种最关键：多个设备的动作可以写进同一个代码文件链式执行，不必每动一步都回大模型问一次，省下的正是推理轮次和等待时间。

效果口径全部来自Anthropic自己：硬件集成从“数周乃至数月”降到“数小时甚至数分钟”；卡内基梅隆大学的剂量-反应实验快了约3倍，那套设备原本分散在三台接口完全不兼容的电脑上；QuEra的量子计算机上，AI控制器重新锁定激光器频率的成功率达99.3%。

二、旧规则：卡在最后一公里的不是算法

机器人行业过去二十年不缺算法，缺的是一门共同语法。一台实验室仪器往往只有一套官方上位软件和私有指令集，跨厂商协作靠集成商写桥接代码——按人月计价，交付即贬值。

Anthropic不是第一个伸手的人。工业界早有标准组织托管的OPC UA处理设备互操作，机器人圈有开源中间件ROS；2024年Anthropic自己开源的MCP，第一次给“AI连外部系统”定了通用接口，但它解决的是连数据源和工具，不是会切样本、会撞镜头的执行器。

MHS的位置在此显形：它不做大模型，也不做机器人操作系统，只补“模型到硬件之间那一层驱动规范”。旧规则是每个厂商为每个模型写一遍适配，新变量是这层适配被搬上公共基础设施。

三、新变量：主动开放换来的位置

最值得算的一笔账是：MHS被明确写成model-agnostic，任何代理框架都能接入，用户不必绑定Claude；Anthropic承诺未来开源但未给时间表，公开SDK也尚未放出，眼下只有一份等待名单和参与者专用的私有预发布包。

一家被媒体密集报道正在筹备上市的公司，为什么把可能最赚钱的一层让出去？因为Anthropic手里没有硬件。OpenAI与亚马逊已在AI原生设备和制造工具上投入数十亿美元，前者更以约64亿美元收购Jony Ive团队的设备公司；Anthropic则自建芯片团队、从OpenAI挖来硬件高管Caitlin Kalinowski，把软件层做成公共入口。模型会换代，接口标准一旦被采纳就有网络效应——把驱动层做成基础设施的人，收的是过路费。

Anthropic Beneficial Deployments负责人Elizabeth Kelly对CNBC表示：“我们做这个首先是为了科学，用它展示AI的可能性，但这里对企业与工业同样有巨大好处。”科学场景是低风险的试验田，工业自动化才是订单池。

四、产业结果：谁受益，谁承压

试点名单像一张产业链地图：Tecan（液体处理）、QIAGEN（核酸纯化）、MBF Bioscience（激光扫描显微镜）、Universal Robots与Doosan Robotics（机械臂）、Automata（自主实验室）做的其实是同一件事——为自家设备写一份MHS驱动。Hugging Face（LeRobot）和Raspberry Pi（摄像头驱动）则代表下一步：从实验室走向开发者桌面。

这桩生意对两类人是解药。一是缺软件团队的中小仪器厂：与其自建AI团队，不如交一份驱动换一张入场券。二是自动化集成商：报价里“写桥接代码”的工时被压缩，价值必须向方案设计和工艺知识迁移，否则利润随接口一起标准化。承压的是把封闭软件生态当护城河的厂商——接不上标准就失去客户，接上去议价权就变薄。

实验室里的人最先感到变化。远程仪表板操控仪器、按扩增曲线自动终止的qPCR实验，把科研人员从“守在仪器边”变成“审流程”，也让设备第一次有了24小时被调用的可能。

五、持续性：三个尚未回答的问题

第一，99.3%在实验室是成绩单，放到产线上可能是一次停线事故的概率；“约快3倍”来自单所大学的单个实验，Anthropic承认这些是内部与合作伙伴测试，没有第三方复现口径。

第二，Anthropic自己写明，Claude目前主要靠文本与图像理解物理世界，空间与物理推理存在局限，专家监督仍不可省——基因泰克那次起泡误判就是证据。MHS也只支持具备可编程接口的设备，而工厂和老实验室存量的大头恰恰不是这一类。

第三，MHS还没有中立托管机构，仍握在Anthropic手里。标准的第一版由一家模型公司定义，这既是它推进快的原因，也是同行和厂商迟疑的理由。

模型能力的天花板决定AI能想多深，接口标准决定AI能伸多远。Anthropic这一步，是把AI商业化从“卖一次回答”推向“参与每一次动作”。物理AI会不会起量，取决于设备厂商是否愿意在别人的规范上写自己的驱动——眼下，名单上已经有十几家。