2026年8月27日、Anthropicが「Model Hardware Standard（MHS）」研究プレビュー版を公開した。2024年11月にMCP（Model Context Protocol）でソフトウェアの世界を統一した同社が、今度は物理世界──顕微鏡、液体処理器、ロボットアーム、レーザー──をAIエージェントの制御下に置く統一規格を打ち立てた。
Anthropic科学協力責任者のJonah Cool氏は、この規格の意味を次のように述べた。
「ここでの概念の飛躍は、Claudeエージェントがデジタル世界でデータを分析し仮説を生成するところから、物理世界の実験室で実験を行うところへ移行したことだ」
本稿は、MHSの技術構造、3つのパートナー事例、エコシステム、残された課題、そして「ツール提供者」から「ルール制定者」への転換まで徹底解説する。
1. MCPの次──「ソフトウェア」から「物理」への飛躍
2024年11月、AnthropicはMCPを公開した。AIモデルと外部ソフトウェア（ファイル、データベース、ビジネスツール）を標準的に接続する規格だ。以来、MCPは業界標準として急速に普及し、2026年8月にはOpenAIとの共同開発でv2.0草案が公開されるに至った（post-227参照）。
MHSは、その同じアーキテクチャ転換を1階層下へ──ソフトウェアではなく、モーターとピペットとレーザーを持つ物理マシンへ──持ち込む。MCPが「AIとソフトウェア」をつないだなら、MHSは「AIと物理ハードウェア」をつなぐ。
MHSの発祥は、HHMI Janelia Research Campusとの協力だ。Janeliaの研究者たちは、複雑な顕微鏡システムに新規デバイスを追加するのに以前は数日かかっていたが、MHS導入後は数分になったという。
2. MHSの技術構造──ドライバ層が全てを解決する
MHSの中核は「標準化ドライバ」だ。これはコンピュータのOSと物理デバイスの間を翻訳するソフトウェア層で、3つの要素で構成される。
2.1 プリミティブセット
各デバイスは「read」（例：温度を取得）と「write」（例：温度を設定）という基本コマンドを共通フォーマットで公開する。これにより、デバイスとエージェントは、間に特注の翻訳プログラムを挟まずにネットワーク越しにお互いを発見できる。
2.2 自然言語タグ→機械参照ファイル
より野心的なのはここだ。ドライバは、ソフトウェアだけでは表現できない物理的特性──ロボットアームの重量、安全限界、調整可能なパラメータ──を保持する。ユーザーは自然言語で「このアームは2kgまで」と書き、MHSがそれを機械可読の参照ファイルに変換する。ユーザーが設備についてインタビュー形式で説明してもよい。
一度ドライバが書かれれば、あらゆるデバイス×コントローラの組み合わせで再利用できる。毎回ゼロから書き直す必要はない。
2.3 制御の3経路と安全設計
制御は3つの経路で行われる：MCPプロトコル、CLI、コードファイル。MHSはモデル非依存（Claude以外のLLMでも使用可能）で、マルチデバイスのワークフローをLLM不在でも動く従来スクリプトとして保存できる。
安全設計が重要だ。安全閾値はプロンプトではなくドライバの下層に書き込まれ、境界を越える指令をハードウェアレベルで遮断する。推論層と実行層が分離され、オンライン（モデル常時接続）とオフライン（決定論的スクリプト実行）の2モードでクラウド遅延を回避する。
3. 実証結果──3つのパートナー事例
Anthropicは3つのパートナー事例を提示した。いずれもAnthropicが選定したパートナーによるもので、独立検証はまだない点に注意が必要だ。
3.1 Genentech──タンパク質アッセイと「泡」の壁
バイオテクノロジー企業Genentechでは、Claudeが液体処理器、ロボットアーム、プレートリーダーを協調させ、BCAタンパク質アッセイ（タンパク質濃度測定）を自動化した。
Claudeはピペッティング・パラメータを自主最適化し、水について約140 µL/s（RMSE 0.016）、粘性の高いBSA溶液について10 µL/s（RMSE 0.181）に収束させた。Genentechの自動化専門家は「妥当な範囲」と確認した。
しかし限界も露呈した。粘性溶液で泡が生じてエラーが発生した際、Claudeはこれを「ソフトウェアのバグ」と誤認し、同じ容器でパラメータを微調整しながら再実行を繰り返した──結果的に状況を悪化させた。人間が「泡」という物理的原因を説明してはじめて、Claudeは別のアプローチに切り替えた。
テキストと画像から学習した空間的・物理的推論の限界が、ここで具体的に現れた。Anthropicはこの点を率直に認めており、専門家の監視が依然として必須としている。
3.2 カーネギーメロン大学──8時間で完了、実験速度3倍
CMUの研究チームは、液体処理器、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──MHSで統合した。
従来のベンダー設定なら数週間かかるところ、ドライバから完成した用量反応曲線まで約8時間で到達した。さらにClaudeは、1回目の実行で測定曲線の適合度（R²）が0.9未満と判断し、自主的に濃度の上限を下げて2回目の実行でより良い結果を得た。
安全性の検証も行われた。6種類の人为的故障条件は全て、いかなるデバイスの動作前に遮断された。これはMHSの安全閾値がドライバ層で機能していることの証明だ。
3.3 QuEra Computing──58%→99.3%、150秒→6秒
量子計算会社QuEraの事例が最も衝撃的だ。レーザーの安定動作状態への復旧（laser re-lock）を制御するスクリプトは、4人チームが数ヶ月かけて構築し、成功率58%・1回あたり約150秒（最悪の場合5〜10分）だった。
MHSを通じて同じ問題を与えられた4役割のエージェントループは、一晩中無人で実行し、決定論的Pythonスクリプトを生成した。このスクリプトは700回中695回成功──99.3%の成功率──を達成した。最も困難なケースでも10〜14秒で復旧した。
さらに、PIDパラメータ調整では16時間で363回の実験を実行し、サーボの残留誤差を専門家の15.7mVから1.55mVに削減。19時間の連続実行で一度もロックを失わなかった（専門家のチューンは1時間に約1.6回ロックを失っていた）。
このスクリプトはLLMを起動せずに単独で動作する──MHSの「オフライン・モード」の威力だ。AIが書いたコードが、AIなしで物理世界を制御する。
4. エコシステム──すでに動いている
MHSのリリース時点で、以下の企業・組織が対応を構築またはテスト中だと表明している。
| 分類 | 企業/組織 | 役割 |
|---|---|---|
| クラウド | AWS | Strands Robotsライブラリで対応 |
| バイオ/製造 | ダナハー (Danaher) | 統合を検討中 |
| ロボット | 斗山ロボティクス | ドライバ開発中 |
| バイオ | ケミジェン (QIAGEN) | 対応開発中 |
| バイオ | テカン (Tecan) | 対応開発中 |
| ロボット | ユニバーサルロボッツ | ドライバ開発中 |
| OSS | Hugging Face | LeRobotライブラリに統合中 |
| 組み込み | Raspberry Pi | 複数製品で統合中 |
HHMI Janelia Research CampusはMHSの発祥地であり、現在では複雑な顕微鏡システムに新規デバイスを追加するのに以前は数日かかっていたものが数分になった。ワシントン大学の博士課程学生は6つの計器を1週間以内に接続し、Tetsuwan ScientificはMHSをResearchOSプラットフォームと組み合わせてqPCR汚染プロファイリングを行った。
5. 残された課題──物理世界はまだ難しい
MHSは画期的だが、限界も明確だ。
- 物理的推論のギャップ：Claudeはテキストと画像から物理世界を学習している。Genentechの「泡」の事例が示すように、物理的因果関係の理解には本質的な限界があり、専門家の監視が依然として必須
- プログラム可能インターフェース限定：MHSはプログラム可能なインターフェースを持つデバイスのみ対応。旧式の機械にはドライバが書けない。Anthropicはメーカーと協力してドライバを組み込むよう促進している
- 研究プレビュー段階：現在は申請制の限定公開。Anthropicは安全評価をパートナーと共に構築した上でオープンソース化する計画。物理的安全ロードマップも策定中
- サイバーセキュリティ：AIが物理デバイスを直接制御することは新たな攻撃ベクトルを生む。堅牢なセキュリティフレームワークの詳細はまだ十分に公開されていない
6. 産業的意味──「ツール提供者」から「ルール制定者」へ
MHSの意義は、単なる新機能発表にとどまらない。AnthropicはMCPで「AIエージェントとソフトウェア」の標準化を握り、MHSで「AIエージェントと物理ハードウェア」の標準化を握った。企業の役割が「ツール提供者」から「業界のルール制定者」へと進化している。
重要なのは、MHSがモデル非依存である点だ。採用にClaudeへの切り替えは不要で、MCP/CLI/コードのいずれかでアクセスできる。これは、ベンダーロックインを避けたい企業にとって大きな採用障壁を下げる。
さらに、AWS・ダナハー・ユニバーサルロボッツという中立な大手がバックアップする規格は、単一ベンダーが握るプロトコルよりも永続的なインフラ層になる可能性が高い。
7. まとめ──「物理AI」元年の始まり
2026年8月27日、AIエージェントが物理世界で「観察─判断─実行─反復」のループを回すための共通言語が生まれた。
- 規格名：Model Hardware Standard (MHS)
- 発表日：2026年8月27日（研究プレビュー）
- 対象：プログラム可能な全物理デバイス
- 統合時間：数週間/数ヶ月 → 数時間/数分
- QuEra成果：レーザー復旧 58%→99.3%、150秒→6-14秒
- CMU成果：4デバイス統合8時間、実験速度3倍
- エコシステム：AWS/Danaher/Doosan/QIAGEN/Tecan/Universal Robots/Hugging Face/Raspberry Pi
- オープンソース：安全評価完了後に予定
MCPがソフトウェア世界の統合を数ヶ月から数時間に短縮したように、MHSは実験室と工場の統合を数週間から数時間に短縮する。Claudeが画面の中から出て、ピペットを持ち、ロボットアームを動かし、レーザーを安定させる。その世界はまだ不完全だ──泡を見抜けないAIに、人間が「これは物理的な故障だ」と教えなければならない。
しかし、QuEraの99.3%という数字は、一晩で人間の専門家を超えた制御スクリプトをAIが書き上げたことを示している。Anthropicの次の一手は、この規格をオープンソース化し、安全評価の成果を公開することだ。そうなれば、MHSは「物理AI」のUSB-Cになる──どんなデバイスも、どのAIモデルでも、一つの共通インターフェースで繋がる世界。
本記事は、Anthropic公式発表（2026-08-27）、The Decoder解説、Pondero.ai分析、TPS Report解説、VibecodedThis分析、CSDN AI熱点日報、Fruition The Frontier（2026-08-31）、および AgentAI 編集部の独自取材に基づいて作成。