Anthropic открыла ранний доступ к Model Hardware Standard (MHS) — спецификации, с помощью которой ИИ-агенты смогут работать не только с файлами, кодом и веб-сервисами, но и с физическими приборами: микроскопами, дозаторами жидкостей, камерами, лазерами и роботизированными манипуляторами.
Звучит как шаг к лаборатории, где нейросеть сама ставит эксперименты. Но по сути MHS решает более приземлённую — и очень дорогую — проблему: современная лаборатория часто собрана из оборудования разных производителей, у каждого свой интерфейс, программа и набор команд. Чтобы заставить камеру, лазер, роботизированную руку и измерительный прибор работать вместе, инженерам приходится писать индивидуальные «переходники». На это уходят недели или месяцы.
Не новое зрение, а общий язык для приборов
MHS предлагает каждому устройству стандартный программный драйвер. В упрощённом виде он сообщает системе: что прибор умеет измерять, какие параметры можно менять, как получить данные и какие ограничения нельзя нарушать. Базовые действия напоминают привычные инженерам «прочитать» и «записать»: получить температуру, снять изображение, изменить мощность лазера, переместить манипулятор.
Важная часть — описание физического контекста. Для робота это могут быть масса, рабочая зона и ограничения движения; для микроскопа — режимы съёмки; для лазера — допустимые параметры. Такие данные часто живут в бумажных инструкциях и в голове специалиста. В MHS их предполагается оформлять так, чтобы агент мог учитывать их при работе.
Отсюда и роль компьютерного зрения. MHS не создаёт новую технологию распознавания изображений. Но он позволяет включить камеру или микроскоп в замкнутый цикл: камера фиксирует положение лазерного луча, модель анализирует изображение, а затем корректирует зеркала или настройки в разрешённых границах. То же возможно для микроскопии: система замечает интересующую область в образце и предлагает или запускает следующий этап наблюдения.
Как это может выглядеть в реальности
Представим биологическую лабораторию. Робот переносит образцы между приборами, дозатор добавляет реагент, микроскоп снимает результат, а программа анализирует изображения. Если данные показывают, что нужная реакция ещё не достигла порога, агент не «изобретает химию», а выполняет заранее описанный сценарий: продлевает измерение, помечает образец или зовёт человека.
Anthropic приводит несколько ранних примеров. В Университете Вашингтона агент следил за кривыми qPCR-анализа и останавливал процесс в нужный момент; также тестировалась передача лабораторных планшетов между роборукой и дозатором без столкновений. В исследовательском центре HHMI Janelia MHS использовали для объединения установки, которой раньше требовалось семь отдельных программ от разных поставщиков. В QuEra агент участвовал в восстановлении точной настройки лазера для квантового компьютера.
Это не означает, что модель получает свободный доступ к оборудованию. Речь идёт о заранее ограниченных действиях, журналах событий и человеческом контроле. Сама Anthropic признаёт: модель может понимать интерфейс установки, но не распознать физическую причину сбоя — например, проблему с образцом, а не с программой. В пилотах агент также иногда останавливался и ждал подтверждения человека перед рискованным действием.
Не первая попытка, но новый уровень связки с ИИ
Идея общего языка для оборудования существует давно. В лабораторной автоматизации действует открытый стандарт SiLA 2: он связывает приборы, лабораторные информационные системы и электронные журналы. В промышленности уже много лет используется OPC UA — архитектура для обмена данными между машинами, контроллерами и корпоративными системами.
Новизна MHS не в отмене этих подходов, а в попытке добавить к ним слой, понятный ИИ-агенту. Агент должен не просто получить поток данных, а обнаружить доступные устройства, прочитать их возможности и ограничения, составить последовательность действий и передать команды через стандартизированный интерфейс. Здесь MHS похож на продолжение Model Context Protocol (MCP), который Anthropic ранее предложила для связи моделей с цифровыми инструментами и данными: только теперь «инструментом» становится физический прибор.
Пока это именно research preview, а не готовый универсальный стандарт. Его спецификация ещё не открыта публично, а заявленные результаты получены в партнёрских пилотах. Главный вопрос впереди — сможет ли MHS стать нейтральным отраслевым языком, а не ещё одним интерфейсом, который придётся поддерживать рядом с уже существующими.
Если ответ окажется положительным, самым важным эффектом будет не робот, который эффектно берёт пробирку. Настоящая перемена — сокращение времени между идеей эксперимента и работающей установкой. В науке и высокотехнологичном производстве это иногда ценнее ещё одной впечатляющей демонстрации ИИ.