官方网站-首页

　　（来源：DOLC）

　　AI不只回答问题，也开始尝试直接指挥机器。 Anthropic近日推出“模型硬件标准”（MHS）研究预览，希望给AI代理与实体设备之间增加一套通用接口。显微镜、机械臂、液体处理设备等只要具备可编程接口，就有机会被同一个AI工作流调度，而不必为每台机器重新开发一套连接方案。它要解决的，是工业现场最不起眼却最费时间的问题。 实验室和工厂里的设备来自不同厂商，指令格式、数据结构和控制软件往往互不兼容。MHS项目的起点正来自这种困境：研究人员曾把约八成时间花在设备集成上。Anthropic称，部分原本需要数周甚至数月的接入工作，可缩短到数小时或数分钟。 目前的测试已进入真实设备环境。德荷生命科学企业Qiagen正尝试将其用于QIAsymphony Connect平台，希望AI能提前发现仪器异常、分析原因并辅助员工排障。另一项与Genentech开展的概念验证，则让液体处理机、机械臂和酶标仪协同完成蛋白质检测流程。但“机器会自己干活”仍远未实现。 Anthropic公开的案例显示，AI在搅拌液体时未能理解泡沫的物理影响，调整后反而制造出更多气泡。没有可编程接口的老旧设备也无法直接接入。因此，MHS现阶段仍需要专业人员监督，更像一个开放的实验性连接层，而不是拿来即用的工业操作系统。Anthropic计划在研究预览结束后将其开源。对德国工业而言，真正的竞争不是一台机器人，而是谁来定义接口。 西门子等德国企业在PLC、数字孪生、工厂网络、设备安全和现场集成上仍有深厚积累，也已经在真实工厂测试人形机器人的物流作业。Anthropic的优势则是模型能力和跨设备的统一入口。两者短期内既可能竞争生态主导权，也可能形成互补。 德国机械制造掌握大量设备知识和工业数据，风险并非突然失去制造能力，而是未来的软件入口、标准和增值服务由海外平台控制。越早参与开放、厂商中立标准的测试与制定，越有机会把实体AI变成新工具，而不是下一轮受制于人的接口。