Anthropic AI 硬體控制在測試中達到 99.3% 的成功率

Anthropic 決定其人工智慧不再僅限於聊天窗口內。8 月 27 日，該公司推出了 Model Hardware Standard (MHS)，這是一項旨在將 Anthropic AI 的硬體控制擴展到屏幕之外，進入工廠、實驗室和實際生產線的軟體規範。這不僅僅是一次技術更新：這是將 Claude 和其他模型從文本助手轉變為能夠操作機械手臂和科學工具的操作員的嘗試。
摘要

• 主要要點
• Anthropic 推出硬體標準以連接 AI 與實體設備
  • 硬體標準的主要特徵
  • 獨立於模型的計劃以實現廣泛的 AI 兼容性
• 首批合作夥伴顯示出性能優勢和效率改進
  • QuEra 在激光重鎖方面的成功
  • 硬體整合時間大幅縮短
  • 在 Project Fetch 第二階段中，使用 Claude Opus 4.7 的編程速度優勢
• 在公開發布之前的安全整合和戰略夥伴關係
  • 為安全的硬體控制整合的操作限制
  • 與科學和工業機構的合作以評估安全性
• 常見問題
  • Anthropic 提出的 Model Hardware Standard 是什麼？
  • 如何提高硬體整合的效率？
  • Model Hardware Standard 是否僅限於 Anthropic 的 AI 模型？
  • MHS 包含哪些安全功能？

主要要點 {#主要要點}

• Anthropic 於 8 月 27 日推出了 Model Hardware Standard，這是一項將 AI 代理連接到實體設備的軟體規範
• MHS 使像 Claude 這樣的模型能夠發現、連接和控制機械手臂和實驗室工具
• QuEra 在激光重鎖任務中達到了 99.3% 的成功率，較之前的 58% 有顯著提升
• 需要數週工程工作的任務現在可以在幾小時內完成
• Claude Opus 4.7 在 Project Fetch 第二階段中執行機器人編程任務的速度約為人類團隊的 20 倍

Anthropic 推出硬體標準以連接 AI 與實體設備 {#Anthropic_推出硬體標準以連接_AI_與實體設備}

Model Hardware Standard 是 Anthropic 對一個非常具體問題的回應：讓語言模型與實際機器對話，至今需要數週的定制代碼。MHS 旨在消除這一瓶頸，提供一個通用基礎設施，使 Anthropic AI 的硬體控制 能夠在不同環境中複製，從先進製造中的機械手臂到科學實驗室中的精密儀器。

硬體標準的主要特徵 {#硬體標準的主要特徵}

MHS 的基礎是一個通用驅動程序接口、自然語言設備標籤以及與 Model Context Protocol 的原生兼容性，這是 Anthropic 在 2024 年已經開源的標準，用於將 AI 代理連接到軟體和數據源。MHS 將這一邏輯從數字世界擴展到物理世界：如果 MCP 教會模型如何與軟體工具對話，那麼 MHS 則教會它們如何與在現實世界中移動、測量和行動的物體對話。Anthropic 的有益部署負責人 Elizabeth Kelly 將該標準比作 USB-C 線，能夠統一不同設備之間信息的傳輸方式。

獨立於模型的計劃以實現廣泛的 AI 兼容性 {#獨立於模型的計劃以實現廣泛的_AI_兼容性}

一個不可忽視的戰略細節：MHS 是 模型無關 的。Anthropic 設計它以便能與不同於 Claude 的模型運作，這一選擇使標準遠離了成為專有的風險，並將其轉變為整個行業潛在共享的基礎設施。目前 MHS 只作為研究預覽提供給一小部分活躍於科學、機器人技術和製造業的組織，但 Anthropic 已經宣布未來將其開源，遵循與 MCP 相同的路徑。

性能優勢與效率提升的初步合作夥伴 {#性能優勢與效率提升的初步合作夥伴}

來自初步測試的數據難以忽視，這裡是 Claude AI 與硬體整合的承諾不再是理論，而是可測量的數據。

QuEra 在激光重鎖中的成功 {#QuEra 在激光重鎖中的成功}

作為測試階段的合作夥伴之一，QuEra 在使用通過 MHS 整合的 AI 進行激光重鎖任務時，達到了 99.3% 的成功率。之前基於手寫自定義腳本的基準僅為 58%。這一跳躍並非漸進式的：它是系統幾乎每兩次就失敗一次與幾乎總是運行正常之間的差異。

硬體整合時間的顯著減少 {#硬體整合時間的顯著減少}

對工作時間的影響同樣顯著。根據 Anthropic 的說法，過去需要數周工程時間才能將設備連接到 AI 模型的任務，如今只需幾小時。這裡正是這一 AI 硬體標準的真正價值所在：不在於單一實驗的壯觀，而在於消除迄今為止阻礙 AI 在工業和科學環境中採用的瓶頸。

使用 Claude Opus 4.7 在 Project Fetch 第二階段的編程速度優勢 {#使用 Claude Opus 4.7 在 Project Fetch 第二階段的編程速度優勢}

整體情況在 Project Fetch 第二階段中得到了補充，這是 Anthropic 測試 AI 輔助機器人編程的項目：Claude Opus 4.7 完成機器人編程任務的速度約為人類團隊的 20 倍。MHS 是應該使這種生產力增益在不同硬體上可複製的基礎設施層，而不是與單一實驗室相關的孤立結果。

安全整合與戰略夥伴關係在公開發布前 {#安全整合與戰略夥伴關係在公開發布前}

Anthropic 並不會將 MHS 發放給任何人。謹慎行事的選擇充分反映了當 AI 停止生成文本並開始移動物理物體時所感知的風險水平。

為安全的硬體控制整合的操作限制 {#為安全的硬體控制整合的操作限制}

機器人 AI 的安全性 並不是事後添加的層級，而是直接融入標準中：MHS 包含操作約束，如速度限制和機器人系統的角度限制，以確保 AI 代理無法簡單地指示設備在預定的安全參數之外運作。

與科學和工業機構的合作以評估安全性 {#Le_collaborazioni_con_enti_scientifici_e_industriali_per_la_valutazione_della_sicurezza}

在更廣泛的發布之前，Anthropic 正在與一群精選的合作夥伴進行安全性評估，包括 HHMI Janelia、Genentech 和卡內基梅隆大學。這是一條反映風險的道路：聊天機器人的計算錯誤會產生錯誤的回答，而機器手臂的計算錯誤可能會導致事故。難怪該公司還在建立自己的矽晶團隊，以設計專門用於其模型的晶片，並最近聘請了曾在 OpenAI、Meta 和 Apple 任職的硬體高管 Caitlin Kalinowski，這顯示出 Anthropic 希望將其策略根植於物理世界，而不僅僅是軟體領域。

競爭環境有助於理解為何這一舉措比單純的技術公告更重要：OpenAI 和亞馬遜已經在設計原生於 AI 的設備和製造工具上投資了數十億美元。通過 MHS，Anthropic 並不打算建造自己的硬體，而是希望成為其他硬體依賴的標準，如果這一標準真的能夠大規模採用，將使該公司獲得比單一設備製造商更持久的基礎設施地位。

FAQ {#FAQ}

Anthropic 提出的 Model Hardware Standard 是什麼？ {#Che_cose_il_Model_Hardware_Standard_presentato_da_Anthropic}

這是一個設計用來將 AI 代理（如 Claude）直接連接到物理設備的軟體規範，允許控制和整合如機器手臂和實驗室工具等硬體。

如何提高硬體整合的效率？ {#Come_migliora_lefficienza_dellintegrazione_hardware}

MHS 通過提供通用驅動程式介面和自然語言標籤來簡化和加速硬體整合，將工程工作所需的時間從數週縮短到數小時。

Model Hardware Standard 是否僅限於 Anthropic 的 AI 模型？ {#Il_Model_Hardware_Standard_e_limitato_ai_modelli_AI_di_Anthropic}

不。該標準旨在獨立於模型，並且可以與不同於 Claude 的 AI 系統一起運作。

MHS 包含哪些安全功能？ {#Quali_funzioni_di_sicurezza_include_MHS}

MHS 整合了操作約束，如速度限制和角度限制，以防止設備在預定的安全參數之外運行。

內容由人工智慧協助生成並經過人工編輯審核。