何が発表されたのか
Anthropicが公開した「Model Hardware Standard（MHS）」は、AIエージェントが物理機器を扱うための共通仕様です。同社がソフトウェア側で進めてきたModel Context Protocol（MCP）——AIモデルが外部データやツールに標準的な手順でアクセスする仕組み——の考え方を、そのまま「機械」の側へ拡張したものと位置づけられています。仕様の開発にはHHMI Janelia Research Campusが関わりました。
研究室や工場の機器は、メーカーごとにAPIもデータ形式も制御ソフトもバラバラです。1台つなぐたびに個別の接続作業が発生し、機器と制御側の組み合わせの数だけ実装が増えていく。MHSはここに、機器ごとの「MHSドライバ」という層を置きます。ドライバは読み取りや設定変更といった基本機能を統一し、機器を共通フォーマットで発見可能にし、さらにロボットアームの重量や安全上の可動限界のような、ソフトウェアだけでは表現しきれない情報も持たせられます。利用者が自然言語で機器の情報を書き足すと、MHSがエージェント向けの参照ファイルに変換する仕組みも備えます。
重要なのは、ドライバは機器ごとに1回書けば再利用できる点です。「機器×制御環境」の掛け算で作り直していた実装が、足し算に変わります。エージェントは初見の機器でも、その能力と制約を読み取って単一のインターフェースで操作できるとされます。
三つの実証と、失敗の中身
Anthropicは3件のパートナー事例を挙げています。ただしいずれも同社が提示したもので、第三者検証は経ていません。
Genentechでは、Claudeが分注装置・ロボットアーム・プレートリーダーを協調させ、タンパク質濃度を測るアッセイを自動化しました。液体ごとのピペッティング条件はエージェントが自力で最適化しましたが、粘性の高い溶液で気泡が発生してエラーになった場面ではつまずいています。Claudeは同じ容器のままパラメータを微調整して再開を繰り返し、事態を悪化させました。原因が物理現象であってソフトウェアのバグではないと人間が説明して、ようやく解決策にたどり着いています。
Carnegie Mellon Universityでは、分注装置、プレートリーダー、ロボットアーム、複数の監視カメラを、根本的に互換性のない3台のコンピュータにまたがって接続しました。ドライバとオーケストレーション層の構築に要した時間は約8時間。ベンダー任せの構成なら通常は数週間かかる作業です。Claudeは1回目の実験で測定曲線の質が不十分だと気づき、対象物質の最高濃度を下げて2回目で大幅に良い結果を得ました。
量子コンピュータ企業QuEraでは、数百回の自動実行を通じて、乱れたレーザーを安定動作状態に戻す制御プログラムをClaudeが開発。ブラインドテストで700回中695回成功、成功率99.3%を記録しました。しかもこの実行は言語モデルを外した状態、つまり通常のスクリプトとして動いています。
「モデルを外して回る」ことが本質
QuEraの数字が示すのは、エージェントの役割が運転手ではなく設計者だということです。エージェントが複数機器を協調させ、確立した手順を従来型のスクリプトとして保存すれば、以降はモデル抜きで動く。推論コストもレイテンシも揺らぎも、定常運用からは消えます。LLMは「毎回判断する存在」ではなく「手順を書き起こす存在」として使うのが、物理世界での現実解になりつつあります。
一方でGenentechの失敗は、この技術の限界を正確に示しています。Anthropic自身、Claudeが物理世界をテキストと画像から学んでいるため空間的・物理的推論に限界があり、専門家の監督が依然必要だと認めています。泡立ちという物理現象をソフトウェアの不具合と誤認し続けた事例は、「センサーの向こう側で何が起きているか」を推論する能力がまだ弱いことの証拠です。リサーチプレビュー期間中、Anthropicはパートナーと追加の安全性評価を構築し、悪用を防ぐ物理領域の安全性ロードマップを整備するとしています。
MHSはモデル非依存で、プログラマブルなインターフェースを持つ機器なら動くとされます。すでにAWS、Doosan Robotics、QIAGEN、Tecan、Universal Robots、Hugging Face、Raspberry Piといったメーカー・組織が対応の構築や仕様の検証に着手しています。この顔ぶれは、産業用ロボット、実験機器、そして教育・試作向けボードまで横断しており、MHSが研究室だけを狙った規格ではないことを示唆しています。
💼 事業会社視点：これは自社にどう効くか
日本企業にとって最も直接的な影響を受けるのは、製薬・化学・食品の研究部門と、製造業の生産技術部門です。国内のラボや工場は「装置は最新、つなぎ込みは職人技」という構造が根強く、装置メーカーのSIに数週間・数百万円単位���払う慣行が固定費になっています。Carnegie Mellonの約8時間対数週間という比較が自社でも再現するなら、削られるのはその外注費と待ち時間です。研究開発担当役員は、来期の設備投資稟議で「装置本体の性能」より「プログラマブルなインターフェースを持つか、MHS対応予定があるか」を選定条件に加えるべき局面に来ています。Doosan Robotics、Universal Robots、QIAGEN、Tecanが動いている以上、対応の有無はいずれ調達仕様書に書かれる項目になります。
受託開発・FAシステムインテグレータには、収益構造の警告として読むべきです。装置ごとの個別接続工数——まさに「機器×制御環境」の掛け算で稼いでいた領域——が、再利用可能なドライバに置き換わります。単価の源泉を接続作業から、ドライバ設計・安全設計・現場の物理知識の形式知化へ移す準備が要ります。Genentechで人間が泡立ちの物理原因を説明して初めて解決した事実は、逆に言えば現場の暗黙知がまだ売り物になるという意味です。
SaaS・ソフトウェア事業者は、MCPで起きた「標準に早く乗った側が接続点を取る」展開が物理層で繰り返される可能性を見ておくべきです。リサーチプレビューかつ第三者検証なしという段階なので、全社投資ではなく、自社に1台ある機器でドライバを書いてみる小さな検証から始めるのが妥当です。