当人们还在猜测Anthropic是否会让Claude拥有实体机器人形态时，这家人工智能公司已经悄然开辟了一条全新路径——通过一套名为MHS（Model Hardware Standard）的硬件标准，让AI直接与现实世界的各类设备建立连接。这项突破性技术正在重新定义智能体与物理世界的交互方式，使Claude无需固定身体即可操控从显微镜到机械臂的多样化设备。
MHS的诞生源于实验室场景的迫切需求。在传统科研环境中，不同厂商的仪器设备往往采用各自独立的控制协议和数据格式，工程师需要耗费数周甚至数月编写定制化代码才能实现设备联动。Anthropic与HHMI Janelia研究园区的合作项目揭示了这一痛点：当需要同时操作激光器、电动调焦器和相机组成的脑成像系统时，设备间的通信障碍严重阻碍了研究效率。MHS通过为每台设备提供标准化驱动接口和机器可读的设备描述文档，成功破解了这一难题。
这套系统的工作原理类似于为物理设备创建"数字护照"。每份设备描述文档不仅包含基础信息，更详细标注了设备的实时状态、可执行操作、物理参数及安全边界。例如，机械臂的文档会明确其运动范围、最大速度和碰撞风险区域；实验仪器的文档则记录可测量参数、调节范围和温度阈值。这种标准化设计使Claude无需预先学习设备接口，即可通过统一接口实现设备发现、状态读取和功能调用。
在官方演示中，接入MHS的Claude展现出了惊人的设备操控能力。当需要追踪游动的细胞时，AI仅用几分钟就编写出追踪程序，并直接控制显微镜自动调整焦距和位置，将科学家从数小时的重复操作中解放出来。更令人瞩目的是，Claude在控制Hugging Face LeRobot生态的SO-ARM101机械臂时，无需任何预训练或人工示范，自主完成了工作区测量、校准和动作执行的全流程。这种能力突破了传统机器人控制的局限，为分布式具身智能的实现奠定了基础。
MHS的架构设计体现了清晰的分层逻辑。底层硬件负责具体的物理操作，如抓取、移动等基础动作；中层控制器处理设备驱动和信号转换；上层Claude则专注于任务理解、设备选择和协同策略制定。这种分工模式使AI能够灵活组合不同设备的能力，就像人类可以同时使用双手、眼睛和工具完成复杂任务。在精密仪器实验场景中，Claude已展现出同时操控多台设备的能力，通过实时数据分析动态调整实验参数，显著提升了科研效率。
目前MHS仍处于研究预览阶段，Anthropic选择与科研机构和硬件厂商合作进行封闭测试。这种谨慎策略旨在建立完善的安全评估体系和使用规范，确保AI与物理设备交互时的可靠性。公司计划在验证系统稳定性后将其开源，推动整个行业建立统一的硬件控制标准。值得注意的是，前OpenAI机器人团队负责人Caitlin Kalinowski的加入，暗示Anthropic正在加速布局物理AI领域，但路径选择与直接制造机器人存在本质差异。
从MCP（Model Context Protocol）到MHS的技术演进，揭示了Anthropic的深层战略：通过构建智能体的基础设施网络，持续扩大AI的环境感知范围和行动边界。每新增一种可连接的设备，就意味着AI能获取更多维度的真实世界数据。这种数据积累策略不仅服务于模型优化，更在塑造一种全新的智能发展范式——当AI能够自由调用无数"临时身体"时，其能力边界将不再受限于特定硬件形态，而是取决于可连接的物理设备总量。
