這一年大家講的「AI 操作電腦」，講的都是它幫你點瀏覽器、填表單、跑試算表。8 月 27 日 Anthropic 官方丟出一份新規格 Model Hardware Standard（簡稱 MHS），要讓 AI 直接去操作實體儀器：顯微鏡、機械手臂、分注機、雷射。這篇把官方那篇公告拆成 4 個重點，順便講一下我自己在教 AI Agent 的時候，為什麼覺得這件事比想像中重要。
誰說的？Anthropic 官方 8 月 27 日發布
來源是 Anthropic 官方新聞頁 2026 年 8 月 27 日那篇〈Previewing the Model Hardware Standard〉。合作對象是 HHMI Janelia Research Campus，一個做神經科學與影像研究的研究園區。
官方一句話定義是這樣：「a shared specification for AI agents to safely operate physical devices」，翻成人話就是「一套讓 AI agent 安全操作實體裝置的共通規格」。
重點在「共通」兩個字。現在不是開放給所有人用，是先開一個研究預覽（research preview），給第一批科研實驗室跟先進製造業者申請。
為什麼要有這個？因為機器彼此不講話
想像一個實驗室裡有六台機器：一台分注機、一支機械手臂、一台顯微鏡、一台讀盤機、一台 qPCR、一台離心機。它們來自不同廠牌，每一台都有自己的軟體、自己的指令格式。
結果是什麼？想讓它們接力做完一整套實驗，就得找專門的人替每一台寫一套客製整合。Anthropic 在公告裡用的字是「bespoke integrations」，量身訂做的接法。一台一台接，時間是用「週」跟「月」在算的。
這個痛點其實不陌生。AI 圈在軟體那一側早就解決過一次一模一樣的問題，那次的答案叫 MCP。
MCP 是什麼？跟 MHS 差在哪
MCP 我之前寫過一篇〈AI 給了答案，還是要自己複製貼上？MCP 新規格上線〉，講的就是幫 AI 接軟體的那組「插座」：AI 要讀你的 Google Drive、要開你的 Notion、要查資料庫，本來每一個都要寫一套，MCP 出來之後大家講同一種話。
MHS 是同一件事搬到硬體那一側。而且它把介面壓得非常簡單，簡單到只有兩個動作：
- read：讀裝置現在的狀態
- write：對裝置下一個指令
官方說法是「any device that has a programmable interface」都能接，也就是只要那台機器有程式介面就行，不管它是顯微鏡還是機械手臂。另外一個我覺得很關鍵的設計是 model-agnostic，規格不綁模型，不是只有 Claude 能用。
快多少？官方給了 3 組實測數字
這一段是整篇最有說服力的地方，因為都是合作單位跑出來的數字，不是估的。
- 8 小時：卡內基美隆大學（Carnegie Mellon）把一整套設定接起來只花八小時，官方寫的對照是「廠商自己建通常要好幾週」。同一組人用 MHS 跑劑量反應曲線的序列稀釋，速度快了 3 倍。
- 不到 1 週：華盛頓大學（Baker / Pinglay 實驗室）把 6 台儀器全部接上 MHS，包含 qPCR 監測跟機械手臂交接盤子。
- 99.3%：量子運算公司 QuEra 拿它做雷射穩定校準，成功率從原本的 58% 拉到 99.3%。
另外兩個案例也值得記一下：Genentech 用分注機加機械手臂加讀盤機，把蛋白質定量分析（BCA assay）自動化，而且會自己調整參數；HHMI Janelia 把七套不同廠牌的顯微鏡程式，整併成同一個操作介面。七套變一套，這對每天要開好幾個軟體的人來說很有感。
安全怎麼顧？限制寫在裝置那一層
AI 動軟體，最糟就是刪錯檔案。AI 動實體機器，最糟是把雷射開到燒掉樣品、或是把幾十萬的儀器撞壞。所以官方在這一塊寫得比功能還細。
第一，MHS 會強制執行裝置層級的安全上限（device-level safety limits），官方舉的例子就是雷射功率，超過上限那個指令根本不會被執行。
第二，使用者可以用自然語言直接標註安全條件，不用另外寫一段程式去擋。系統會自動生成一份參考檔，裡面寫清楚「這台機器會被強制執行哪些安全限制」，人可以直接讀。
第三是實測。卡內基美隆那組人刻意誘發六種故障情境，官方寫的是系統「correctly blocked all six」，六種在機器實際動作之前全部被攔下來。
我在教 AI Agent 時，為什麼覺得這件事很重要
我最近在準備一堂 AI Agent 入門的實體課，設計方式是帶大家實際跑一個任務，從頭做到尾。我一直跟學員強調一個觀念：
「AI Agent 不是儲存訊息的地方，而是處理訊息的地方。」
很多人第一次用 AI Agent，習慣是把一堆資料直接倒進對話框，然後對話一斷、context 一掉，前面訓練的東西全部歸零。正確的用法是把材料放在一個固定的地方，例如 Obsidian、Google Drive，讓 AI 進去存取、處理就好。
順著這個邏輯往下想，一個 Agent 值不值錢，其實看的是它「能接上幾個地方」。我在課裡設計的任務，重點也不是提示詞寫多漂亮，是能不能串接兩到三個步驟：從網頁或檔案庫抓資料、整理、最後寄出去或存檔。串得起來，它才叫 Agent，不然就只是一個會聊天的框。
MHS 做的事情，就是把「能接上的地方」從軟體延伸到硬體。之前寫過的〈機器人做壞了自己知道嗎？Google Gemini Robotics ER 2〉是讓 AI 懂得怎麼動、怎麼判斷進度；MHS 補的是另一半：AI 要動的那台機器，得先聽得懂它在說什麼。
我教企業內部同仁的時候，最常被問的一句是「那我們公司到底能導入什麼」。以前的答案大多停在文件、報表、客服。如果連儀器、產線設備都變成 AI 接得上的東西，那個範圍就完全不一樣了。這也是我覺得這則新聞值得先記在腦袋裡的原因，即使它現在還跟大部分人沒關係。
先別太興奮，官方自己講的 3 個限制
這篇公告有一點我很喜歡，就是它把做不到的地方寫得很清楚。
- 還在研究預覽：只開放第一批科研實驗室與先進製造業者申請，不是誰都能用，開源時間也沒公布。
- 沒有程式介面的機器接不了：那些只有實體旋鈕、沒有 API 的老設備，目前不在範圍內。
- 物理直覺還是弱項：官方原文寫 Claude 是透過文字和圖像認識實體世界，所以「空間與物理推理有限」。碰到需要真實手感的複雜故障排除，還是要人來。
換句話說，這不是「明天實驗室就不用人」的故事，是「接機器這件事從幾週縮到幾小時」的故事。前者是科幻，後者是效率，後者才是真的正在發生的事。
小結：AI 從動螢幕，走到動實體
把這篇濃縮成一句話：AI 操作軟體有 MCP，現在操作硬體有 MHS，讀跟寫兩個動作，接上任何有程式介面的裝置，安全限制寫在裝置那一層。
對一般人來說，這件事短期不會改變你的手機或電腦怎麼用。但如果你在製造業、生技、檢驗、實驗室相關的產業，這可能是未來一兩年會直接打到你工作流程的東西，早點知道不吃虧。
我自己的下一步是把這個案例放進 AI Agent 課的最後一段，當作「串接的極致版本」來講。從串軟體到串機器，中間的邏輯其實一模一樣。
延伸閱讀
本文整理改寫自 Anthropic 官方新聞〈Previewing the Model Hardware Standard〉（2026 年 8 月 27 日發布），文中數據與引述皆出自該篇官方公告。
留言
張貼留言