Anthropic 已以研究預覽形式推出其 Model Hardware Standard（MHS），這標誌著該公司首次涉足所謂的實體 AI——也就是能在物理世界中感知並採取行動的 AI 系統新興領域。這項框架於週四發布，將 Anthropic 的 Claude 等進階大型語言模型（LLMs）與實體物件連接起來，涵蓋從製造設備到實驗室顯微鏡等各類設備。

MHS 背後的願景，是一座工廠中機械手臂與產線能以自己的共享語言「溝通」，或是一間科學實驗室裡的顯微鏡能全天候自動搜尋某種分子，而無需人力介入。

Anthropic 表示，透過 MHS，企業可在「數小時或數分鐘」內將 AI 整合進設備。一般而言，這個流程需要「數週，甚至數月」，並且必須由專家進行客製化開發。公司指出，擴大取得先進 AI 工具的機會，將有助於推動「自主、全天候的實驗與工作流程」，而科學研究與先進製造是主要應用場景。

MHS 也可協助多台裝置彼此連接，使其能透過一組指令進行溝通，例如「read」。任何硬體裝置都能理解這些指令並執行相應動作。

該標準具備模型無關性，亦即它不只支援 Claude，也可與任何 LLM 搭配，包括其他公司開發的模型以及開源模型。MHS 建立在 Model Context Protocol (MCP) 之上，這是一個通用、開放的資料來源連接標準，Anthropic 於 2024 年推出。Anthropic 技術團隊成員 Alek Kemeny 告訴 Fortune，MCP「有點像是 AI 與軟體連接的 USB」。自從 Anthropic 開源 MCP 之後，OpenAI 與 Google 等競爭對手也已開始支援，因此 MHS 所依托的基礎，已被相當多的 AI 產業採用。

並非所有既有設備都能開箱即接入 MHS，因為不是每一台裝置都具備程式介面，Kemeny 表示。作為這項計畫的一部分，Anthropic 正與「很多設備製造商」合作，打造配備必要介面、且預先載入 MHS 的新產品。公司也在協助製造商為既有產品加入 MHS 連接。這些硬體何時能抵達實驗室與工廠現場，將影響研究人員與製造商何時能從客製化整合，轉向 Anthropic 所構想的即插即用模式。

Kemeny 說：「那就是我們想像並正在走向的未來。未來，科學家可以購買這些裝置，開箱即用。這就是採用標準的過程。」

Anthropic 科學合作與部署負責人 Jonah Cool 補充說，科學設備往往「受到專有解決方案的限制，這些方案非常脆弱，而且常常無法滿足科學家的需求」。MHS 提供一個標準化、易於程式化的介面，目標是幫助科學家將任何模型連接到其設備上。Cool 說：「我們希望避免科學家被供應商綁定。」

在 AI 與機器人結合的潛力愈來愈受到關注之際，MHS 研究預覽也同步發布。Hugging Face 週四也推出其首款實體 AI 產品，一隻 robotic duck，但 Anthropic 表示該產品並未使用 MHS。Nvidia 也長期倡議實體 AI，該公司將以 13 billion 美元收購 Hugging Face set to purchase Hugging Face for $13 billion。今年 3 月，Nvidia 執行長 Jensen Huang 預測，未來「每一家工業公司都會變成一家機器人公司」。Google DeepMind 也已為機器推出自家的 Gemini Robotics 模型，顯示硬體就緒型 AI 正迅速成為競爭戰場。

Anthropic 與位於維吉尼亞州的生物醫學研究中心 HHMI Janelia Research Campus 共同開發了 MHS。開發期間，少數實驗室與硬體製造商獲得早期存取權，領域涵蓋生物科技、機器人與量子運算。

合作夥伴包括 Genentech、Carnegie Mellon University、量子運算公司 QuEra、Universal Robots、Amazon Web Services、Doosan Robotics、Danaher，以及 Hugging Face。

This story was originally featured on Fortune.com.