距离MCP发布过去21个月，Anthropic拿出了自己的第二份标准：MHS，模型硬件标准。这是Anthropic首次借助标准表明AI走入硬件的态度和想法。简单来说，MHS是一套类似MCP的协议，只不过MCP是模型与模型、应用之间的接口，MHS连接的是模型与硬件。有了它，智能体可以并行操作多种实验室、制造仪器以及硬件。它上接模型，下接硬件，任何智能体框架都能通过标准协议接入，且不限模型。

图源：极客公园 · 文章头图

MHS的核心是一个标准化驱动程序，也就是一层在计算机操作系统和硬件设备之间做转换的软件。这个驱动可以用一组很简单的命令，比如“读取”获取温度、“写入”设置温度，让任何硬件设备都能理解智能体需求，并设置相关程序。装上这个驱动之后，每台设备还可以在智能体连接网络里主动“自我介绍”，用统一的格式说明自己是什么设备、能执行哪些命令。其他设备一搜就能在网络里找到这个硬件、直接跟它对话，就像电脑搜索局域网里的打印机一样。

上一次出现这样的标准是2024年11月，MCP发布，当时无人在意，但一年之后，所有人都在离不开它。MCP用一年时间统一了AI和软件世界的接口，这一次，Anthropic瞄准的是模型与硬件之间的连接标准。模型上硬件，Anthropic等不了了。硬件行业，也是。

图源：Anthropic 官网 · MHS 接入示意

01 AI的「软硬件」转接口

理解MHS是什么之后，我们来看看MHS究竟是怎么“统一”了模型与硬件之间的连接问题。拆开看，MHS给每台设备的，其实就是三样东西：一份永久说明书，连接转换口，以及自修复能力。

先看看说明书。MHS驱动会包含一组标签，允许用户直接用自然语言把机器使用指南写进去。这份指南可以自己写，也可以跟智能体聊天，由它来询问你的硬件配置，让AI写。基于这些信息，驱动会自动生成一份参考文件，写清楚这台设备能测什么、能调什么、会强制执行哪些安全措施。等到智能体拿到这份文件，就有了操作设备所需的一切信息，可以正确上手操作设备。过去在学长学弟之间代代相传的使用守则、老工程师的经验之谈，如今都由智能体继承。

图源：Anthropic 官网 · 接入 MHS 前后的流程对比

它并非是一个单一的转换口，可以一对多，甚至多对多。除了内测阶段已经接触的设备，这个接口同样适合还在研发中的硬件。MHS驱动能帮智能体理解一台它从没见过的设备，并提供仅凭代码读不出来的机器特性。过去，让实验室或工厂车间里的多台设备互相通信，一直是件麻烦事。因为每台设备有自己的编程接口，没有标准化的方法。当设备连上之后，也没有办法让它们和AI智能体共享数据，更别提让智能体安全地去操作。所以，实验室或工厂要花数周甚至数月来搭建平台、集成硬件，MHS相当于把这个过程缩短到了数小时甚至数分钟。

等到设备连好、智能体也认识了每台设备，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，一行代码就能协调多台设备。智能体拿到控制权后，可以接收每台设备的运行数据，给予监督和指挥，比如说，给不同仪器的操作步骤排序，监控结果，根据实时变化调参数。碰到长时间任务，或者操作节奏快过它在线推理速度的时候，它还可以把多台设备的驱动命令写成代码文件，让设备自己执行，给用户汇报。

有意思的是，这个接口也并非一成不变，只能执行。接上MHS之后，硬件的控制系统有了自修复能力，智能体能监测硬件的运转情况，实时调参数，某些情况下不需要人工干预就能从硬件故障中恢复。研究人员和工程师也开始当上24小时监工了，人下班了，不仅是程序可以接着跑，还可以控制机械臂操作实现，或者是调整温度。

AI到底是如何操控这些设备？据官方描述，在测试MHS的过程中，Anthropic发现Claude操作实验硬件的方式其实并不可预测。比如说，Claude调整激光器，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，试图理解事件发生的顺序。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，后续再做重复性操作时，每一步都不需要再推理即可校准激光器，从而整个过程可以作为一个单独的命令运行。但结合下次的实验情况，操作顺序也会有所调整，官方称其为“像科学家”一样思考。

图源：极客公园 · 正文配图

但这确实会优化不少实验环节。举个例子，过去QuEra量子计算机靠激光驱动，激光频率要锁在万亿分之一的精度，如果有温度、震动，甚至有人推门，都会让它“失效”。所以，只有实验室熟练工们才能在5到10分钟内修复设备的锁定状态。他们试过AI自动化，四人团队几个月写出的脚本，但成功率只有58%。

现在通过MHS，四个Claude智能体组成工作流，提假设、改脚本、上真机跑、读日志再改，一个晚上能迭代几百轮。第二天早上，恢复设备锁定的时间从150秒缩到6秒；后续700次盲测中成功率能达到695次，99.3%的成功率。而且，Claude调出的参数连续运行19小时，零失锁，专家手调的参数平均每小时会锁1.6次。到最后，Claude交出来的是一个普通的、完全可以审查的Python脚本，生产环境运行时不需要任何AI持续在场。

MCP的开放生态，让其成了智能体时代的默认选择。MHS的发布，看起来是想要再复刻MCP的成功之路。当硬件世界都往MHS上靠，Claude系的模型就能最快进入这些设备，对于智能体执行理解也会积累更快。当模型进入到硬件之后，每台接入到硬件设备，运转起来都会消耗模型的推理，也将打开模型消耗的需求。

02 OpenAI 与 Anthropic，两条路线

目前这个MHS版本是Anthropic的内测形态，开发者需要申请进入内测名单。官方的说法是，正在和科学、机器人、电子、制造领域的合作伙伴共享早期版本，在标准开源之前，一起构建安全评估、制定AI操作物理设备的最佳方式。不过，如果从MHS的框架看Anthropic对硬件的态度上，我们可以明显看出Anthropic和OpenAI两家头部模型公司对硬件，是两条几乎相反的路线。

OpenAI目前主要走的是从易到难的路线，先造可以直接执行的AI硬件，交互简单，功能简单，从消费终端开始进入AI硬件方向，所以他的第一款硬件是一个家庭智能音箱。而Anthropic明显是自难而易，一出手就是对精密科研设备操控，让AI控制量子计算机的激光、药厂的液体平台，这些都要求模型对物理世界理解更加深刻，操作精细度也高得多。不过，这或许和实验室的操作流程固定化、规范化也离不开关系。

两家公司对于硬件里的AI到底以什么为主也选择不同。按照现有的业内爆料，OpenAI是把模型塞进硬件里，以端侧模型为主。Anthropic则是选择让智能体去接入硬件。此外，自己造硬件，用自己的模型，OpenAI现在在硬件上的表现有点偏向封闭生态，颇有一点复刻“苹果”路线的意思。而Anthropic从这份生态协议上可以看到，暂时生态位重心放在上游的软件层或者协议层。不过业界此前也有风声，Anthropic已经开始探究硬件研发。CNBC的报道提到，它在组建芯片团队为自家模型设计定制芯片，还挖来了先后在OpenAI、Meta、苹果做硬件的高管Caitlin Kalinowski。

OpenAI造设备赌的是终端，想要打造下一个iPhone，赌赢了就是下一个“苹果”。Anthropic定标准赌的是平台，希望改造AI和硬件的连接方式，也能够更好地控制现有的可编程“硬件”设备。今年4月，我们曾在海外展会现场与Anthropic的工作人员交流，当时就谈到为什么Anthropic不自己造硬件？对方当时的回答是，Anthropic内部同时有很多个事项，看哪个更被用户需要，就优先推进哪个。现在回头看，MHS的发布或许就是那个信号，在Anthropic内部的排序里，AI上硬件这件事，开始提上日程了。

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，各种形态的产品爆发式涌现。2026年，AI硬件明显走入了去泡沫时代，投资人出手更谨慎，市场上也再没出现大爆款。但去泡沫的这一年里，水下的热度并没有散去。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开始被一层层解决。现在，OpenAI和Anthropic先后下场，一个造设备，一个定标准，当基础设施和头部玩家同时就位，接下来两年内，我们可能将迎接一波新的AI硬件小高潮。

我们或许可以提前预判下一波产品会长什么样。智能能力会增强，不再是简单对答交互，大模型能够以更好的方式进入硬件设备，发挥更大的作用；更多的硬件联动，当协议统一后，或许硬件不再是单一存在，可以多个设备联动，无论是被改造后的“AI硬件”，还是新品类，联动之下玩法增强；交互的体验会有较大的升级，模型的智能在硬件上增强后，交互的反馈不再局限于某一种形式，而是更丰富的表现形式。同时，在上一轮AI硬件的热潮之后，新一轮的AI硬件一定会是对产品形态、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。只靠堆料和蹭概念过日子的AI硬件，时间或许已经不多了。

图源：极客公园 · 正文配图

但我们会直接进入AI硬件的“iPhone”时代吗？从某种程度上，或许很难这么类比，iPhone也是在经历了多年的功能机时代后，重新定义手机的产品形态，从而开启了移动互联网时代。而现在的AI硬件领域，我们甚至还无法确认，下一代的“AI手机”会是什么？iPhone时刻，不会在一个连核心产品形态没有出现的时候诞生。但“类手机”这类的硬件形态创新可能会先冒出来，成为这个阶段的代表作。

不仅如此，接下来更可能进入的是一个类似智能家居时代，会存在一个“智能中枢”的中心，既能连接各种AI创新硬件，也能通过协议接口去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，能围绕某个具体的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，对于物理世界的理解还会出现各种各样的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，做各种魔改，把模型硬抬上设备。但从现在，模型厂商也开始为“上”硬件做好准备。但Anthropic硬件接口的这一仗，或许会比MCP难打得多。当软件世界接受一个统一接口，各方都是受益者；硬件世界不同，接口就是入口，入口后面是设备、模型、数据和生意，没有哪家大厂会轻易把它让出去，想要成为公认的接口，MHS还需要有足够的实力、技术落地能力以及远超同行的产品效果。标准之争，往往比技术之争更长。