当地时间 8 月 27 日，Anthropic 发布 " 模型硬件标准 "（MHS，Model Hardware Standard），宣布 Claude 智能体将能够自主操作显微镜、液体处理仪、激光器和机械臂等可编程设备。这是 Anthropic 首款专为物理世界设计的 AI 工具，也是这家正在筹备 IPO、估值传闻冲向 2 万亿美元的 AI 公司，第一次把战场从对话框延伸到真实世界。
而在大洋彼岸，华大智造旗下子公司涌生智能与上海人工智能实验室联合发布的 ProtoPilot 与 BioLab Bench，已经悄然交出了生命科学实验室的全球首份 Physical AI 答卷。一场围绕 "AI 能不能真正做实验 " 的竞赛，正在两条路径上同时展开。
一、Anthropic 的 " 概念飞跃 "：AI 从会想到会做
按照 Anthropic 的公告，MHS 让 Claude 完成了从 " 数字世界中分析、生成假设 " 到 " 物理世界中做实验 " 的跨越。过去，一个实验室或工厂要花数周甚至数月配置和集成硬件，MHS 声称将这一过程压缩到几小时甚至几分钟。
细节颇值得玩味。Anthropic 负责科学领域合作伙伴关系的 Jonah Cool 直言，Claude 现在能直接与先进显微镜中数百个独立的镜片、电机和激光器通信并控制；神经科学实验中，Claude 甚至操控反光镜和激光器，把光束聚焦到在场的神经科学家都认可的 " 海马白质 " 上。
更重要的是生态卡位。霍华德 · 休斯医学研究所、卡内基梅隆大学、基因泰克、量子计算公司 QuEra 参与了测试；AWS、斗山机器人、凯杰、优傲机器人等硬件厂商正把设备接入 MHS 标准。Anthropic 计划最终将其开源——这与其说是一次产品发布，不如说是一次行业标准之争的抢跑。
对资本市场而言，这条新闻的信息量在于：AI 巨头开始为 " 物理世界执行 " 这一层基础设施定价了。在制造业、机器人、制药等 To B 叙事下，MHS 是 Anthropic 向投资人讲述的下一个增长曲线。
二、行业共识已现：模型平权之后，稀缺的是真实世界
AI for Bio 的竞争焦点正在换轨。过去行业问的是 " 模型能不能回答生命科学问题 "，现在问的是 " 模型能不能进入科研流程、把实验真正做出来 "。
答案并不乐观。AI 可以生成一份看似合理的实验方案，却很难将其转化为机器能理解执行的动作，更难在湿实验失败后总结原因、调整方案、再次尝试——这是行业长期停留在 " 会想不会做 " 阶段的根本原因。
这恰恰构成了新的估值分水岭：模型那一侧正在被所有人买到、迅速拉平；而模型够不到的 " 物理那一半 " ——真实设备、真实湿实验、真实失败、真实约束——不能下载、难以蒸馏，只能通过一次次实验试错获得。当模型平权，差距只会落在谁手里握着真实世界这一侧。
三、华大智造的落子：一张已经跑通闭环的答卷
正是在这个坐标下，华大智造的人工智能布局值得重新审视。
8 月，华大智造子公司涌生智能与上海人工智能实验室联合发布两项成果：自进化多智能体系统 ProtoPilot，以及生命科学领域首个从用户需求到设备可执行的全流程 Agent 评测体系 BioLab Bench。
BioLab Bench 则解决另一个行业痛点——度量衡。它按 L1-L3 难度分层，考察的不再是 " 模型说得对不对 "，而是实验意图能否转化为方案、设备无关 SOP、设备相关 SOP 和机器可执行代码，并支持跨品牌设备迁移检验。这套体系已对外开放。
值得注意的是，这不是孤立的单点发布，而是体系联动：涌生智能此前推出的 αLab Brain 智能体系统以 Bio Agent Harness 为核心，ProtoPilot 与 Benchmark 直接反哺其任务理解与协议生成能力；SE-Fab 干湿闭环平台进一步向 AI-native biofoundry 演进；而华大智造现有的 PrepALL、AlphaTool、AIO 一体机等实验室自动化产品，正通过 Protocol2Code 能力接入更智能的实验任务链路。此外，团队还在推进对现有设备的 AI 原生改造——从操作系统和固件底层升级，让移液工作站、蛋白纯化仪、色谱仪从 " 执行指令的工具 " 变为 " 能自主提出检测需求、排查故障的协作伙伴 "，首台 AI 原生移液工作站已经落地，AI 重新设计的 PCR 设备电路板已进入打样。
四、契合点：一个补标准，一个跑闭环
华大智造与 Anthropic 的布局，在方向上高度共振，在路径上错位互补。
共振在于三点：一是同一个判断—— AI 的下一站在物理世界，尤其是设备可代码驱动的实验室场景；二是同一个闭环——从实验意图到方案、代码、设备执行、反馈修正，Anthropic 用 MHS 接上 " 手 "，涌生智能用 ProtoPilot 跑通全链路；三是同一个生态雄心—— Anthropic 拉拢 AWS、优傲机器人等厂商共建 MHS 标准，涌生智能则以 BioLab Bench 为行业提供共同坐标系，推动评价标准从 " 知识正确 " 走向 " 实验可用 "。
差异则在于路径。Anthropic 是模型公司的自上而下：以 MHS 做硬件接口的标准层，最终开源抢占生态位；涌生智能是产业公司的自下而上：背靠华大智造真实的应用场景、领域专家与设备体系，先在测序建库等聚焦场景把干湿闭环做扎实，再逐步走向端到端。用涌生智能 CEO 杨梦的话说：" 模型公司偏自上而下，我们偏自下而上，大家最终追求的目标都一样。"
这种错位恰恰意味着机会而非竞争：MHS 若成为设备接口的通用标准，涌生智能所构建的 " 意图—方案—代码—执行—反馈 " 闭环将更易接入更广泛的设备生态；而中国生命科学实验室场景的深度数据，也是任何海外模型巨头都难以下载的稀缺资源。
结语
Anthropic 入局，把 "AI 进实验室 " 从产业叙事推向了资本市场的主线。而华大智造的答卷表明，中国公司在这条赛道上并非跟随者——在生命科学这一垂直场景，从评测体系到执行闭环，已经实现了局部领先。
当 AI 巨头们开始为物理世界重估估值，那些手里握着真实实验室、真实设备与真实数据闭环的公司，值得被重新定价。对投资者而言，接下来值得跟踪的催化点包括：BioLab Bench 的第三方采用情况、十到二十台核心设备的 AI 原生改造进度，以及干湿闭环数据在多大程度上转化为可验证的商业合同。
