Anthropic เปิด Model Hardware Standard — มาตรฐานให้ AI agent สั่งงานเครื่องมือในแล็บจริง ต่อผ่าน MCP ได้ทุก harness

Anthropic ประกาศเมื่อวันที่ 27 สิงหาคม 2026 เปิด research preview ของ Model Hardware Standard (MHS) — สเปกกลางที่ให้ AI agent ค้นหา สื่อสาร และสั่งงาน อุปกรณ์จริง ได้อย่างปลอดภัย ทั้งกล้องจุลทรรศน์ เครื่องดูดจ่ายของเหลว (liquid handler) แขนกล ไปจนถึงระบบเลเซอร์ในคอมพิวเตอร์ควอนตัม โครงการนี้เริ่มจากความร่วมมือระหว่าง Anthropic กับ HHMI Janelia Research Campus

ประเด็นที่นักพัฒนาควรจับให้ชัดคือ MHS ไม่ใช่โมเดลและไม่ผูกกับ Claude — Anthropic ระบุตรง ๆ ว่ามันเป็น model-agnostic และ agent harness ตัวไหนก็เข้าถึงได้ผ่านโปรโตคอลมาตรฐานอย่าง Model Context Protocol (MCP) พูดง่าย ๆ คือถ้า MCP คือชั้นที่ให้ agent คุยกับซอฟต์แวร์ MHS คือชั้นที่ให้ agent คุยกับ ฮาร์ดแวร์

ปัญหาที่มันแก้: ทุกเครื่องมีภาษาของตัวเอง

การติดตั้งและเชื่อมฮาร์ดแวร์ในแล็บหรือโรงงานหนึ่งแห่งปกติกินเวลา หลายสัปดาห์ถึงหลายเดือน เพราะอุปกรณ์แต่ละตัวมี programming interface ของตัวเอง ไม่มีวิธีมาตรฐานให้เชื่อมกัน และต่อให้เชื่อมได้แล้วก็ยังไม่มีวิธีกลางให้มันส่งข้อมูลให้ agent หรือให้ agent สั่งงานได้อย่างปลอดภัย

MHS แก้ด้วยแนวคิด standardized driver ที่ใช้ primitive ง่าย ๆ แค่ชุดเดียว:

• read — เช่น “อ่านอุณหภูมิ”
• write — เช่น “ตั้งอุณหภูมิ”

แล้วทำให้อุปกรณ์ทุกตัว discoverable ในรูปแบบมาตรฐาน อุปกรณ์กับ agent จึงหากันเจอและคุยกันข้ามเครือข่ายได้โดยไม่ต้องมีโปรแกรม “ล่าม” คั่นกลางเป็นราย ๆ ไป

จุดที่น่าสนใจกว่านั้นคือ driver ของ MHS ยังพก แท็กภาษาธรรมชาติ ไว้ด้วย สำหรับข้อมูลที่อ่านจากโค้ดไม่ได้ — เช่น น้ำหนักของแขนกล ซึ่งจำเป็นต่อการรู้ว่าจะจับมันอย่างไรให้ปลอดภัย ข้อมูลพวกนี้เดิมอยู่ในคู่มือกระดาษ ในเครื่องของใครสักคน หรืออยู่ในหัวคนเท่านั้น ผู้ใช้เขียนเองก็ได้ หรือให้ agent สัมภาษณ์เอาจากปากตัวเองก็ได้ แล้ว driver จะสร้าง reference file บอกว่าอุปกรณ์วัดอะไรได้ ปรับอะไรได้ และมี safety limit อะไรบังคับอยู่

การควบคุมจริงมีสามช่องทาง: MCP, command line interface และไฟล์โค้ด (API) ทำงานร่วมกันจนสั่ง orchestration ข้ามอุปกรณ์หลายตัวได้ด้วยโค้ดบรรทัดเดียว และเมื่อต้องรันงานยาวหรือเร็วเกินกว่าที่การ reasoning แบบ online จะตามทัน agent จะ ร้อยคำสั่ง driver เป็นไฟล์โค้ด ให้อุปกรณ์วิ่งเองโดยไม่ต้องให้โมเดลคิดทุกสเต็ป — รูปแบบนี้คุ้นมากสำหรับคนที่เขียน agent อยู่แล้ว: ให้โมเดลค้นหาวิธี แล้ว ตกผลึกเป็นสคริปต์ deterministic

ตัวเลขจากพาร์ตเนอร์ชุดแรก

Anthropic เผยผลจากพาร์ตเนอร์ที่ได้ทดลองก่อน ซึ่งเป็นส่วนที่มีน้ำหนักที่สุดของประกาศนี้:

Carnegie Mellon University — ทำการทดลอง serial dilution หา dose-response curve เร็วขึ้นราวสามเท่า โดยให้ agent (ระบุชัดว่าเป็น Claude Opus 4.8) คุม CyBio FeliX liquid handler, Varioskan LUX plate reader, แขนกล และกล้องมอนิเตอร์ ที่กระจายอยู่บน คอมพิวเตอร์สามเครื่องที่ interface เข้ากันไม่ได้เลย ทีมเขียน driver ใหม่หมดทุกตัวบวก orchestration layer ใช้เวลา ราวแปดชั่วโมง เทียบกับชุดติดตั้งจากเวนเดอร์ที่ปกติกินเวลาหลายสัปดาห์

QuEra Computing — บริษัทควอนตัมแบบ neutral atom ให้ agent คุมระบบเลเซอร์เพื่อทำ relock เดิมทีมสี่คน (วิศวกรระบบเลเซอร์ วิศวกรซอฟต์แวร์ ผู้เชี่ยวชาญอัลกอริทึม และ tester) ใช้เวลา หลายเดือน เขียนสคริปต์เฉพาะกิจ พอส่งโจทย์เดียวกันให้ Claude ผ่าน MHS ผลคือจากค่า residual error ที่ผู้เชี่ยวชาญจูนไว้ 15.7 mV ลดลงเหลือ 1.55 mV — เงียบลงราวสิบเท่าบนมาตร RMS — ผ่าน 363 การทดลองใน 16 ชั่วโมงที่ไม่มีคนเฝ้า

Genentech — ทดสอบ automate BCA protein assay ที่ต้องประสาน liquid handler + แขนกล + plate reader โดย Claude ปรับ flow rate เองจนลงตัวที่ น้ำ ≈ 140 µL/s และ สารละลาย BSA ที่หนืด ≈ 10 µL/s ซึ่งเป็นตัวเลขที่ต้องหาจากการทดลองจริง ไม่ใช่จากการเดา

ยังมี University of Washington (แล็บ Baker และ Pinglay) ที่ทำแดชบอร์ดมอนิเตอร์เครื่องมือทางไกลและ qPCR ที่มี agent กำกับ และ Tetsuwan Scientific ที่ต่อ MHS เข้ากับแพลตฟอร์มแล็บอัตโนมัติ ResearchOS

ใครกำลังรองรับ และข้อจำกัดที่ต้องรู้

ฝั่งผู้ผลิตฮาร์ดแวร์ที่ประกาศแล้ว: Tecan เพิ่ม MHS ให้แพลตฟอร์ม Fluent, Doosan Robotics ทดสอบกับแขนกลของตัวเอง, Universal Robots วางแผนเพิ่มการรองรับ และ AWS จะให้ผู้เข้าร่วม preview ใช้แพ็กเกจ Strands Robots เวอร์ชัน pre-release แบบส่วนตัวตลอดช่วง preview

ที่น่าจับตาสำหรับสาย open source คือ Hugging Face กำลังเพิ่มการรองรับ MHS ใน LeRobot ไลบรารีหุ่นยนต์ของตัวเอง และ Raspberry Pi กำลังเปิดการเชื่อม MHS ในผลิตภัณฑ์หลายตัวหลังทดสอบ Camera MHS Driver ผ่าน — นี่คือสัญญาณว่ามาตรฐานนี้ตั้งใจจะไม่จบแค่ในแล็บระดับ Genentech

แต่ต้องพูดให้ตรง: ตอนนี้ MHS ยังไม่ open source มันเปิดเป็น research preview ให้กลุ่มแรกเท่านั้น ต้องสมัครขอเข้าร่วมที่ modelhardwarestandard.com Anthropic บอกว่าจะเปิดซอร์สในภายหลัง และจะปล่อยผลจากช่วง preview ออกมาเป็นแนวทางการ deploy อย่างปลอดภัยพร้อมกัน โดยระหว่างนี้จะใช้ช่วง preview สร้าง safety evaluation ร่วมกับพาร์ตเนอร์ และทำ physical safety roadmap เสริมนโยบาย safeguards เรื่องการใช้ AI ในโลกกายภาพ

มุมมอง AI Curator

ปีที่ผ่านมา MCP กลายเป็นมาตรฐานโดยพฤตินัยสำหรับให้ agent เอื้อมไปหา “ของที่เป็นซอฟต์แวร์” — ฐานข้อมูล API เครื่องมือภายใน MHS คือความพยายามเดินซ้ำรอยเดิมกับ “ของที่เป็นเหล็ก” และเหตุผลที่มันอาจสำเร็จก็ด้วยตรรกะเดียวกัน: มันไม่ได้พยายามฉลาด มันแค่ลดทุกอย่างเหลือ read/write แล้วผลักความซับซ้อนที่เหลือไปไว้ในไฟล์ metadata ที่เขียนด้วยภาษามนุษย์

แต่ประเด็นที่ผมคิดว่าถูกมองข้ามในประกาศนี้คือ ตัวเลขของ QuEra ไม่ใช่เรื่อง “AI เก่งกว่าคน” — มันคือเรื่องที่ agent ได้ทดลอง 363 ครั้งใน 16 ชั่วโมงโดยไม่มีใครต้องนั่งเฝ้า ผู้เชี่ยวชาญมนุษย์จูนได้ 15.7 mV เพราะเขามีเวลาจูนได้เท่านั้น สิ่งที่ MHS ให้จริง ๆ คือ จำนวนรอบการทดลองต่อวัน ไม่ใช่ IQ ซึ่งบังเอิญเป็นตัวแปรที่แล็บส่วนใหญ่ในไทยขาดที่สุดเช่นกัน

สำหรับบริบทไทยและ SEA มีสองด้าน ด้านที่น่าตื่นเต้นคือ ต้นทุนของ “การมีแล็บอัตโนมัติ” เดิมทีเป็นต้นทุน integration ซอฟต์แวร์ ไม่ใช่แค่ค่าเครื่อง — แล็บมหาวิทยาลัยไทยจำนวนมากมีเครื่องมือดี ๆ ที่ต่อกันไม่ได้เพราะไม่มีงบจ้างวิศวกรระบบมาเขียน integration ให้ ตัวเลข “แปดชั่วโมงแทนหลายสัปดาห์” ของ CMU คือตัวเลขที่เปลี่ยนสมการนั้นได้จริง และการที่ Raspberry Pi เข้ามารองรับหมายความว่าเส้นเริ่มต้นอาจไม่ได้อยู่ที่แขนกลราคาหลักล้าน

ด้านที่ต้องระวังคือ มันยังไม่เปิด และรอบนี้ต่างจาก MCP ตรงที่ MCP เปิดสเปกตั้งแต่วันแรก MHS เลือกเดินทางกลับกัน — คัดพาร์ตเนอร์ก่อน สร้าง safety evaluation ก่อน แล้วค่อยเปิด ซึ่งเป็นเหตุผลที่เข้าใจได้เมื่อความผิดพลาดของ agent แปลว่าแขนกลจริงเคลื่อนที่ผิดจังหวะ แต่มันก็แปลว่าใครที่อยู่นอกวงพาร์ตเนอร์ตอนนี้ ทำอะไรไม่ได้นอกจากลงชื่อรอ และ “จะเปิดซอร์สในภายหลัง” ยังไม่มีวันที่กำกับ ทีมที่คิดจะวางแผนระบบรอบ MHS ควรถือว่ามันเป็นทิศทาง ไม่ใช่ dependency ที่พึ่งได้ในปีนี้

ข้อสุดท้ายที่อยากฝากไว้: การที่ Anthropic เขียนเรื่อง safety limit ที่ถูกบังคับใน driver ไว้ในชั้นสถาปัตยกรรมตั้งแต่แรก ไม่ใช่เขียนไว้ในคู่มือ เป็นรายละเอียดที่ควรถูกลอกไปใช้ ไม่ว่ามาตรฐานตัวไหนจะชนะในที่สุด — เพราะบทเรียนจาก prompt injection ในโลกซอฟต์แวร์บอกเราชัดแล้วว่า ข้อจำกัดที่ไม่ได้บังคับด้วยโค้ด คือข้อจำกัดที่ไม่มีอยู่จริง

แหล่งข่าว

• Previewing the Model Hardware Standard — Anthropic (27 ส.ค. 2026)
• Model Hardware Standard — เว็บไซต์ทางการ / สมัครเข้าร่วม research preview
• Model Context Protocol — โปรโตคอลที่ MHS ใช้เชื่อมกับ agent harness