AI挣脱对话框束缚,自主操控实验设备时代来临

2026年8月27日左右，Anthropic 推出了一个新的模型硬件规范——Model Hardware Standard（简称：MHS），其核心目标是使 AI 智能体能够直接操控显微镜、机械臂、液体处理器以及其他可编程实验室/工厂设备，有望实现完全自主的科学实验和24小时/7天连续运转的生产流程。

初步成果已经令人震撼：在波士顿一家量子计算企业，一个 AI 设计的调控器以 99.3% 的成功率修复了关键量子装置的激光锁定，而其他测试项目则将实验周期从数周缩短至一天。

一旦人工智能企业深入投身科学、医学、工程以及物理世界探索领域，它们的想象空间、营收潜力以及市场对它们的估值预期都将会发生改变。而现在它们已经开始行动了。例如 OpenAI、Anthropic、谷歌，估计 SpaceX 也会很快加入。科技进步的节奏，即将迎来质的飞跃。

MHS 并不是说"直接赋予 Claude 操控物理设备的能力"，它实际上是一套信息规范——目的是让硬件厂商以结构化的形式描述"这台设备是什么、能做什么、该如何安全操作"，从而让 AI 模型不必依赖纸质说明书，也不必依赖只掌握在少数专家脑中的隐性知识，就能理解并操控相应的机械硬件。

举一个典型场景：机械臂。硬件厂商可以在 MHS 规范文档中明确该机械臂允许的运动速度上限、角度范围等安全限制条件，模型在操控时会遵循这些规则，而不是自行摸索或凭空猜测安全边界。

我们也在积极布局

对于具身智能的探索，我们同样不是旁观者。深圳合成生物学研究所的"天工实验室"，早已搭建了全自动的实验平台。机械臂在超净工作台内灵活穿梭，液体处理器依照算法优化的方案精确加样，部分设备一晚上就能完成过去一个月的工作量。中国科学院自动化研究所的机器人研究中心，也在尝试让大模型直接操控实验设备，用自然语言描述所需达成的目标，让 AI 自动理解指令、拆解步骤，亲自动手执行。

这些平台和 Anthropic 的 MHS 方向一致，只是路径不同。我们的思路更多是"从设备端向上集成"——先把自动化硬件部署到位，再往上叠加智能层。他们则是"从模型端向下延伸"——先让 AI 获得操控物理世界的能力，再适配各种硬件。两条路径最终将在某个节点汇合：一个能自主设计实验、自主操作设备、自主分析数据的"赛博实验室"。

扎心了，朋友们

按照 AI 现有的能力及发展速度，它们对于科学的发现速度，可能会超出我们的认知范围，这个闭环一旦启动运转，就不再受限于科研人员的工作时间和认知宽度。

以前我们说 AI 取代白领工作，指的是客服、翻译、文案等岗位。现在 MHS 意味着，AI 开始瞄准实验室里的蓝领和灰领工作了——那些需要动手、但经过反复训练才能胜任的技能、操作流程和规范，曾经需要半年才能熟练掌握的工作，AI 很快就能学会，而且不会手抖、不会疲劳、不会情绪波动。

写在最后

灵魂一问：如果当 AI 开始自主发现新知识时，人类还看得懂它发现了什么吗？

📌📌📌 昨天发了一篇关于 OpenAI 抢英伟达蛋糕的文章。有兴趣的朋友，可以回顾一下：《英伟达最大的客户，正在悄悄造"铲子"》。

文章下方可以留言探讨~（切记文明用语）

朋友们，点击关注！不要走失！

追踪马斯克、黄仁勋、扎克伯格、山姆奥特曼等十位科技巨头及硅谷的每日动态。关注我们，透视全球最有想象力的科技密码。

暗戳戳观察

追踪全球动态