Anthropic推出MHS框架：让AI智能体直接接管实验仪器

关键要点

• Anthropic与Janelia联合开发MHS框架，消除了跨厂商仪器的通信壁垒。
• 该框架允许AI智能体直接控制硬件，自主统筹从移液到检测的实验流程。
• 卡内基梅隆大学团队借助MHS，将自动化实验搭建耗时从数月缩短至数小时。
• 不同于传统的SiLA标准，MHS实现了实验仪器与AI智能体的直接双向通信。

全自动实验新形态

在卡内基梅隆大学（Carnegie Mellon University）的实验室里，机械臂在无人干预的情况下自主移动，将多孔板送入加液设备，随后又将其转移到远端仪器完成组分检测。这套流畅协同的流程依托于 Anthropic 与 Janelia 园区联手打造的软件框架——模型硬件标准（Model Hardware Standard, MHS）。该系统充当了连接异构实验仪器的桥梁，让 AI 智能体（Agent）能够直接指挥物理硬件，全面统筹各项实验操作。

终结定制化开发痛点

促成不同科研设备协同工作向来是实验室的顽疾。这些仪器往往来自不同的厂商，依赖互不兼容的编程语言。过去研究团队必须依靠自动化工程师编写专用的胶水代码，或者额外采购复杂的连接硬件来打通链路。Anthropic 项目负责人 Alek Kemeny 指出，MHS 能够接入任何带有可编程接口的设备，它像结缔组织一样把实验室计算机系统与各类硬件融为一体，让所有接入设备都能自由互联。

从数月缩短至数小时

以往把科研设想落地为可运转的自动化实验，通常动辄耗费数月时间。卡内基梅隆大学的计算生物学家 Jose Lugo-Martinez 与博士生 Sina Barazandeh 参与了 MHS 的实测，他们借助该框架仅用数小时就完成了实验搭建。尽管此前国际组织 SiLA 也曾推出过实验室自动化通信标准，但它无法让硬件直接与 AI 智能体交互，而 MHS 则真正赋予了人工智能调度物理实验的能力。

对研究者的意义

对于从事高通量测序、单细胞分析及空间组学的研究者而言，实验瓶颈往往集中在繁琐的样本制备与移液环节。MHS 极大降低了硬件调度的工程门槛，将实验仪器封装为 AI 能够理解的标准化接口。这使得人工智能不再仅仅停留在干实验的数据挖掘层面，而是真正迈向了从假说生成、自主加样到结果分析的湿实验端到端闭环。