Der står en maskine i en dansk produktionshal lige nu, og det vigtigste dokument om den er et ringbind, der ligger ved siden af. Robotarmens vægt står i ringbindet. Grænsen for, hvor hurtigt den må svinge med en fuld bakke, står der også. Resten ved den tekniker, der har passet den i seks år, og det er aldrig blevet skrevet ned.
Anthropic offentliggjorde den 27. august en standard, der handler om præcis det ringbind.
Den hedder Model Hardware Standard, forkortet MHS. Kender du MCP fra 2024, er det den samme bevægelse en etage længere nede. MCP gjorde det billigt at forbinde en AI-agent til software. MHS gør det billigt at forbinde den til ting, der kan gå i stykker.
Dækningen har været ret entydig: nu kan AI styre laboratoriet. Jeg har læst Anthropics egen side, de fem partnerberetninger under den, og QuEras og Tetsuwans egne blogindlæg oveni. De fortæller en anden historie end overskrifterne, og den er mere brugbar.
Hvad MHS er, helt konkret
Model Hardware Standard er en driver, altså det stykke software, der sidder mellem et styresystem og en fysisk enhed og oversætter mellem dem. Tre ting gør den anderledes.
Den skærer alt ned til to slags kommandoer. En læsning, »hvad er temperaturen«, og en skrivning, »sæt temperaturen«. Enhver enhed med et programmerbart interface kan svare på den slags, uanset hvor gammelt eller mærkeligt dens eget interface er.
Den gør enheden synlig på netværket i et fast format, så enheder og agenter kan finde hinanden og tale sammen uden et særligt oversætterprogram imellem.
Og så er der tagsene. Driveren indeholder felter, hvor man skriver maskinens egenskaber i almindeligt sprog. Vægten på robotarmen. Hvad den kan måle. Hvad der kan justeres. Hvilke sikkerhedsgrænser der bliver håndhævet. Man kan skrive dem selv, eller lade en agent interviewe sig om opsætningen. Ud af det bygger driveren automatisk en referencefil, som er alt det, en agent skal vide for at betjene maskinen.
Det er ringbindet. Skrevet ned, ét sted, i tekst en maskine kan læse.
Styringen kan derefter foregå ad tre veje: gennem MCP, gennem en kommandolinje, eller gennem kodefiler. Når en agent skal køre noget, der tager lang tid, eller noget der skal gå hurtigere end den selv kan nå at ræsonnere, kæder den driverkommandoer sammen i en kodefil. Så kører maskinerne selv, uden at agenten skal tænke ved hvert skridt.
Sikkerhedsgrænserne bliver håndhævet på selve enheden, uafhængigt af modellen. Den detalje er nem at læse hen over. Grænsen ligger i hardwareinterfacet og ikke i agentens dømmekraft.
Tallet, alle citerer
Uger eller måneder bliver til timer eller minutter. Det er sætningen, der er gået igen overalt, og den stammer fra partnernes egne opgørelser over deres egne laboratorier.
Carnegie Mellon byggede drivere til en væskehåndteringsrobot, en pladelæser, en robotarm og overvågningskameraer fordelt på tre computere med indbyrdes uforenelige interfaces. Den første styres gennem en mappe, man lægger jobfiler i. Den anden gennem et ældgammelt Windows-COM-script. Den tredje har intet programmerbart interface overhovedet, kun en skærm, så MHS betjener den grafiske brugerflade på samme måde som et menneske ville. Fra rå, ikke-automatiseret hardware til en færdig dosis-respons-kurve, inklusive en autonom omkørsel undervejs: otte timer. En leverandørleveret opsætning tager typisk flere uger.
University of Washington. Zihao Song, ph.d.-studerende i Baker- og Pinglay-laboratorierne, forbandt seks instrumenter på under en uge, inklusive den tid han brugte på at skrive driverne til dem.
HHMI Janelia. Virginie Ruetten beskriver en mikroskopiopstilling, der fylder et helt rum og krævede syv programmer startet i en bestemt rækkefølge. Detektorerne kørte i MATLAB, kameraerne i Python, elektrofysiologien i C#. Efter MHS tog det hende få minutter at koble et nyt kamera på og føre dets output tilbage til de spejle, der styrer laserstrålen.
QuEra, der bygger kvantecomputere på neutrale atomer, har det mest dramatiske tal. Et hold på fire havde brugt flere måneder på et script, der kunne genskabe laserens lås. Det virkede i omkring 58 procent af tilfældene og tog cirka 150 sekunder per forsøg. De gav Claude adgang gennem MHS og lod den køre natten over i en løkke med fire roller: én foreslog en hypotese, én skrev ændringen ind i scriptet, én kørte den mod den levende laser og loggede hvert skridt, én læste logbogen og besluttede næste træk. Om morgenen tog en genopretning omkring seks sekunder og lykkedes i 96 procent af tilfældene. I en efterfølgende blindtest over 700 forsøg ramte scriptet den rigtige lås 695 gange. 99,3 procent. Et menneske ved bænken bruger fem til ti minutter.
Alle tal her er partnernes egne opgørelser om deres eget arbejde.
Det, alle forsøgene løb ind i
Her ligger den del, overskrifterne ikke tog med.
Genentech automatiserede en BCA-analyse, som måler proteinkoncentration, og som kræver en væskehåndteringsrobot, en robotarm og en pladelæser i samspil. Claude kørte protokollen igennem, men valgte den samme gennemstrømningshastighed til vand og til en tyktflydende proteinopløsning. Det gav bobler, og bobler ødelægger målingen fra tre sider på én gang: luften fylder i pipettespidsen, så der overføres mindre væske end protokollen foreskriver, væskesensorerne fejler når spidsen rammer skum i stedet for væske, og boblerne forvrænger den optiske aflæsning, som er hele forsøgets resultat.
Da Claude fik fejlkoden, prøvede den igen i den samme brønd med andre parametre. Det piskede væsken yderligere og lavede flere bobler.
Genentechs egen forklaring: Claude forstod ikke fysikken bag fejlen. De måtte fortælle den, at fejlkoden kom af fysiske bobler, og at den skulle flytte til en ren brønd og skære ned på antallet af blandingscyklusser. Derefter holdt den fast i den viden resten af kørslen, og de skrev erfaringen ind i genbrugelige skills, så den fremover valgte fornuftige udgangsparametre til væsker med forskellige fysiske egenskaber.
Tetsuwan Scientific, som bygger et automatiseret biologilaboratorium, beskriver det samme fra en anden vinkel. Deres agent havde svært ved at ræsonnere om fysiske effekter som fordampning og krævede en del skub og korrektion undervejs. Da de gjorde deres måledata op, viste omkring en tredjedel af den variation, de havde tilskrevet pipetteringen, sig at være fordampning fra kanten af pladen.
QuEra, som har det pæneste tal i hele udgivelsen, skriver det mest direkte. Claude vidste ikke, hvordan den skulle fejlsøge, når noget gik galt med den fysiske hardware, fordi dens forståelse af opstillingen var programmatisk og ikke fysisk. Den stoppede ofte og ventede på en menneskelig godkendelse, før den gjorde noget, den vurderede som bare en smule risikabelt, så forsøg kunne stå stille natten over, mens den ventede. På deres egen blog skriver de, at menneskets rolle som den, der sætter rammen, gennemgår hvert skridt og afgør hvad der tæller som bevis, blev vigtigere og ikke mindre vigtig. De nævner deres tekniske ansvarlige, Evgeny Ostroumov, som gentagne gange nåede at fange agenten, før den brugte kræfter på noget, der så rigtigt ud og ikke var det.
Anthropic skriver det selv, i afsnittet om at deltage i forhåndsvisningen: Claude lærer den fysiske verden gennem tekst og billeder, så dens rumlige og fysiske ræsonnement har begrænsninger, der stadig kræver ekspertopsyn.
Fire uafhængige hold. Samme fund. Integrationen var den synlige omkostning, og den faldt med to størrelsesordener. Dømmekraften om det fysiske var den reelle omkostning, og den flyttede sig ikke en meter.
Universal Robots står på listen
Blandt de leverandører, der er i gang med at bygge MHS-understøttelse ind i deres udstyr, står Universal Robots. Cobot-virksomheden fra Odense, ejet af amerikanske Teradyne siden 2015. Den har haft tidlig adgang til standarden og planlægger at understøtte den på sin robotplatform.
Resten af listen: Amazon Web Services gennem Strands Robots, Automata i deres laboratorieplatform LINQ, Danaher, sydkoreanske Doosan Robotics, MBF Bioscience i ScanImage (softwaren, der styrer laserscanningsmikroskoper i hundredvis af neurovidenskabelige laboratorier verden over), QIAGEN på deres QIAsymphony Connect, og Tecan på deres Fluent-platform. Hugging Face lægger MHS ind i deres robotbibliotek LeRobot, og Raspberry Pi er i gang på flere af deres produkter efter en vellykket test af deres kameradriver.
Det er den danske krog i historien, og den er mere konkret, end den ser ud. En dansk producent kan ikke gå ud og købe MHS i dag. Det er en forhåndsvisning med venteliste. Men grænsefladen mellem fysiske maskiner og AI-agenter bliver defineret lige nu, af en gruppe man skal søge om at komme med i, og den leverandør, der står i rigtig mange danske produktionshaller, sidder med ved bordet.
Det konkrete skridt for en dansk producent er ikke at søge om adgang til forhåndsvisningen. Det er at spørge sin egen leverandør, om de er med, og hvad de har tænkt sig at understøtte. Det svar afgør, hvor meget arbejde der ligger foran jer den dag, standarden bliver åben for alle.
En standard, ingen kan læse, er indtil videre et produkt
Ordet standard gør et stort stykke arbejde i den her udgivelse, og jeg synes man skal holde øje med det.
Der findes ingen offentlig specifikation. Intet skema, ingen licens, intet versionsnummer, ingen forvaltningsmodel, ingen konformitetstest, ingen reference-implementering man kan læse. Anthropic siger, at de vil frigive den som open source, når de er færdige, og at de bruger forhåndsvisningen til at bygge sikkerhedsevalueringer sammen med partnerne først. Det er en fornuftig rækkefølge. Den gør bare ikke MHS til en standard endnu. Den gør den til et produkt med en hensigtserklæring.
Modeluafhængigheden er på samme måde en påstand om design snarere end noget, der er vist. Anthropic skriver, at enhver agent kan tilgå MHS gennem almindelige protokoller. Hvert eneste detaljerede forsøg i udgivelsen kørte på Claude.
Og så er der de standarder, der allerede findes. Laboratorieverdenen har SiLA 2. Industrien har OPC UA. Robotverdenen har ROS 2. Anthropic beskriver ikke, hvordan MHS forholder sig til nogen af dem. Der er en reel forskel, som taler til MHS' fordel: de eksisterende standarder blev bygget til, at maskiner skal tale med maskiner, deterministisk, med skemaer defineret på forhånd. At skrive ned i almindeligt sprog, hvor tung en robotarm er, og hvilke handlinger der er farlige, så en model kan læse det, er ikke noget de gør. Men OPC Foundation meldte i april 2026 ud, at de gør over 430 af deres companion-specifikationer klar til RAG og MCP. De bevæger sig mod det samme kryds fra den anden side, med tyve års konformitetsarbejde i bagagen.
Hvis jeg selv skulle vælge, hvad jeg ville se næste gang, ville det ikke være flere partnerresultater. Det ville være ét af forsøgene gentaget af nogen uden for listen, på en anden model.
Hvad der bliver knapt, når det er gratis at forbinde noget
Det her er anden gang på under to år, at Anthropic standardiserer bindeleddet og forærer det væk. MCP gjorde det for software. Model Hardware Standard gør det for fysiske ting. Mønsteret siger noget om, hvor værdien flytter hen.
Når en omkostning falder med to størrelsesordener, forsvinder arbejdet ikke. Det flytter sig hen til det, der ikke faldt. I alle fem partnerberetninger peger det på det samme sted: personen, der kan forklare hvorfor maskinen fejlede.
Den mekanik gælder også, hvis du aldrig kommer i nærheden af en væskehåndteringsrobot. Den er den samme for et ordreflow, en fakturakontrol eller et onboarding-forløb. Når integrationen bliver billig nok til, at I automatiserer noget, I ikke havde automatiseret før, holder spørgsmålet op med at være, om det kan lade sig gøre teknisk.
Prøv den her over jeres egen liste. Skriv de processer op, I planlægger at lade en agent køre. Sæt et navn ud for hver enkelt: hvem i huset ville kunne forklare, hvorfor den gik galt, hvis den gik galt klokken tre om natten. Ikke hvem der ejer processen, og ikke hvem der har skrevet den ned. Hvem der forstår hvorfor.
De linjer, hvor der ikke står et navn, er dem, I skal tage fat i først. Ikke fordi automatiseringen nødvendigvis vil fejle, men fordi ingen vil kunne se det, når den gør.
Det er den samme grænse, jeg skrev om i går i forbindelse med auto mode i Claude Code, flyttet ud i den fysiske verden. Dengang handlede den om, hvad en agent må gøre i jeres systemer uden at spørge. Her handler den om noget, der kan vælte en bakke.
Det er også præcis den slags arbejde, jeg laver som fast ekstern AI-ansvarlig: finde ud af hvor grænsen går, skrive den ned, og sikre at der står et navn ud for hver linje.
Hvis der skulle stå én sætning på et slide fra hele den her udgivelse, ville det være denne. Gør integrationen gratis, og flaskehalsen flytter til den, der ved hvorfor maskinen fejlede.
Kilder
Anthropic: Previewing the Model Hardware Standard (27. august 2026) →
modelhardwarestandard.com: ansøg om adgang til forhåndsvisningen →
QuEra: Holding the light, teaching an AI to lock and tune our quantum computers lasers →
Tetsuwan Scientific: MHS og ResearchOS →
Anthropic: Model Context Protocol (MCP) →
Fortune: Anthropic makes first move into physical AI →
CNBC: Anthropic pushes into physical world with new standard →
Universal Robots: om virksomheden i Odense →
FAQ
Ofte stillede spørgsmål
En fælles specifikation fra Anthropic, der lader AI-agenter betjene fysisk udstyr som mikroskoper, væskehåndteringsrobotter og robotarme. Den bygger på en standardiseret driver, som skærer alle enheder ned til læse- og skrivekommandoer, gør dem synlige på netværket, og lader brugeren beskrive maskinens egenskaber og sikkerhedsgrænser i almindeligt sprog. Den blev offentliggjort den 27. august 2026 som en forhåndsvisning for et første hold af forskningslaboratorier og avancerede producenter.
MCP forbinder en AI-agent til software og data. MHS forbinder den til fysiske enheder. MHS kan tilgås gennem MCP, så de to arbejder sammen frem for at konkurrere. Anthropics Alek Kemeny har beskrevet MCP som noget i retning af et USB-stik for forbindelsen mellem AI og software, og MHS er den samme idé anvendt på hardware.
Nej, ikke frit. Det er en forhåndsvisning med venteliste, og man søger om adgang gennem modelhardwarestandard.com. Anthropic har åbnet den for et første hold af videnskabelige laboratorier og avancerede producenter og arbejder samtidig med hardwareleverandører om at bygge understøttelse ind i deres udstyr.
Ikke endnu. Anthropic siger, at de vil frigive den som open source, men først vil bruge forhåndsvisningen til at bygge sikkerhedsevalueringer og bedste praksis sammen med partnerne. Der er på nuværende tidspunkt ingen offentlig specifikation, licens, forvaltningsmodel eller konformitetstest.
Anthropic beskriver standarden som modeluafhængig og skriver, at ethvert agent-setup kan tilgå den gennem almindelige protokoller. Det er dog en påstand om design: hvert eneste detaljerede forsøg i udgivelsen blev kørt med Claude, og der er endnu ikke offentliggjort resultater fra en anden model.
Anthropic beskriver ikke, hvordan MHS forholder sig til dem. Den reelle forskel er, at de eksisterende standarder blev bygget til deterministisk maskine-til-maskine-kommunikation med skemaer defineret på forhånd, mens MHS lader brugeren beskrive fysiske egenskaber og faregrænser i almindeligt sprog, så en model kan læse dem. OPC Foundation meldte i april 2026 ud, at de gør over 430 companion-specifikationer klar til RAG og MCP, og bevæger sig dermed mod det samme kryds fra den anden side.
Anthropic nævner Amazon Web Services (gennem Strands Robots), Automata, Danaher, Doosan Robotics, MBF Bioscience, QIAGEN, Tecan og Universal Robots. Hugging Face tilføjer understøttelse i robotbiblioteket LeRobot, og Raspberry Pi er i gang på flere produkter efter en test af deres kameradriver.
To ting på én gang. Integrationstiden faldt dramatisk: Carnegie Mellon gik fra rå hardware til en færdig dosis-respons-kurve på otte timer mod typisk flere uger, og QuEra fik laser-genopretning fra 58 procent på 150 sekunder til 99,3 procent på sekunder. Samtidig løb alle hold ind i den samme grænse, nemlig modellens forståelse af fysik. Genentech måtte forklare Claude, at bobler var et fysisk problem og ikke en softwarefejl, Tetsuwan fandt ud af at en tredjedel af deres variation var fordampning, og QuEra skriver, at menneskeligt opsyn blev vigtigere og ikke mindre vigtigt.
