Anthropicが2026年8月27日、MHS（Model Hardware Standard） のリサーチプレビューを公開しました。AIエージェントが顕微鏡やロボットアーム、分析装置といった物理機器を直接操作するための共通仕様です。同社が2024年にオープンソース化したMCPがソフトウェア側の標準になったのに続き、ハードウェア側で同じことをやろうとしています。
私たちはエッジAI・フィジカルAIを製造や物流の現場に置いてきました。この発表は他人事ではありません。ただし、報じられている成果をそのまま自分たちの現場に当てはめると、見誤ります。何が変わり、何が変わらないのかを整理します。
何が変わるのか
MHSの核は、AIと機器のあいだに置く共通の翻訳層です。機器ごとにバラバラだったコマンドを「状態を読む」「設定を変える」という単純な命令に統一します。ロボットアームの重量上限や薬品の扱いといった物理的な制約は、自然言語のタグとして参照ファイルに書けるようになっています。
効果は、ドライバ開発にかかる時間として現れています。カーネギーメロン大学の事例では、互換性のない3台のPC構成に対して新規ドライバを約8時間で開発しました。ベンダーに依頼すれば数週間かかっていた作業です。
量子計算のQuEraでは、レーザー周波数の復旧作業が従来の150秒から約6秒に短縮され、700回中695回が成功したと報告されています。19時間の連続運転でエラーはゼロでした。
この数字は本物だと思います。手順が確定していて、環境が安定していて、失敗しても人が死なない領域では、AIエージェントは人間より速く、正確に、疲れずに動きます。
ただし、実績はすべて研究室である
報じられている3つの事例は、量子計算の実験装置、大学の研究設備、製薬会社の分析機器です。いずれも研究室の中の話です。
研究室と製造現場の違いは、精度ではなく環境の安定性にあります。
- 研究室は照明が一定。工場には窓から西日が差す
- 研究室は装置が固定されている。工場では作業員によって置き方が変わる
- 研究室は清浄。工場ではレンズが粉じんで曇る
- 研究室は静か。工場では装置の振動で画像がブレる
ラボで98%出ていた検出率が、現場に置いた初日に大きく落ちる。原因を追うとモデルではなく環境だった——エッジAIを現場に置いたことがある人なら、一度は経験しているはずです。MHSはこの問題を解きません。MHSが解いたのは「機器をどう操作するか」であって、「環境の変動をどう吸収するか」ではないからです。
Anthropic自身が限界を明示している
この発表で評価すべきなのは、限界を隠していない点です。同社は、現行モデルが物理世界をテキストと画像から学んでいるため、空間認識や物理的な推論には限界があり、人間の監督が必要だと明言しています。
もう一つ、日本の製造現場にとって重要な制約があります。PCやネットワークからプログラムで操作できない機器には対応しません。
日本の工場には、この種の設備が大量に残っています。20年前の装置が現役で、外部インタフェースを持たず、操作はパネルのボタンだけ。これはMHSの対象外です。
ここに残るのが、私たちのような立場の仕事です。センサーを後付けし、カメラで状態を読み、PLC経由で制御に戻す。既存設備を更新せずにAIを載せる部分は、標準仕様が整っても自動化されません。
MCPの前例から時間軸を読む
とはいえ、様子見でよいとは思いません。
AnthropicはMCPを2024年にオープンソース化し、業界標準の座を取りました。今回も、安全評価と運用指針を固めたうえでオープンソース化する方針が示されています。AWSはロボットエージェント向けライブラリで対応し、Universal Robots、Danaher、QIAGEN、Tecanといった機器メーカーが検証を表明。Hugging Faceはロボット学習ライブラリへ、Raspberry Piは自社製品への組み込みを進めています。
Anthropicの技術スタッフは、MCPがソフトウェアに対して果たした役割を、MHSはハードウェアで果たすと述べています。2年以内に既成事実になる可能性は十分にあります。
私たちはどう動くか
三つに整理しています。
1. 検証する立場にいることを活かす
MHSが想定している一次ターゲットは科学実験室です。私たちは大阪大学、奈良先端科学技術大学院大学、産業技術総合研究所、理化学研究所などと産学官連携プロジェクトを進めており、まさにMHSが対象とする実験装置に日常的に触れています。日本国内でこの検証ができる企業は多くありません。
2. 「環境を殺す」技術は陳腐化しない
遮光カバーを付ける。照明を固定する。カメラ位置を治具で固定する。撮影条件を朝昼夕で揃える。地味ですが、この部分はMHSが標準化されても必要であり続けます。順序も変わりません。まずハードウェアで環境を安定させ、残った変動をAIで吸収する。逆にすると、際限なくデータが要ります。
3. 標準に乗る部分と、乗らない部分を分ける
新規に導入する機器で、プログラム制御できるものは標準に乗せる。外部接続を持たない既存設備は、従来どおり個別に作り込む。この線引きを顧客に説明できることが、これからの提案では効いてくるはずです。「全部AIでできます」でも「まだ早いです」でもなく、どこまでが標準で、どこからが作り込みかを示す。
結局のところ
MHSは、AIエージェントが物理世界に手を伸ばすための配管を整えるものです。配管が通れば、そこを流れるものの価値が上がります。
ただし、配管が通っただけでは工場は動きません。西日は差し続けるし、レンズは曇り続けます。精度を出してからが長いという現場の性質は、標準仕様では変わりません。
私たちがやってきたのは、まさにその「精度を出してから先」の部分です。標準が整うほど、そこに集中できるようになります。歓迎すべき発表だと考えています。
出典：Anthropic発のフィジカルAI「成功率99％」 MCPに次ぐ「物理の共通語」規格MHSの衝撃（ITmedia ビジネスオンライン／初出：エクサウィザーズ AI新聞）
＼ 最新情報をチェック ／
