一張圖，和它最下面那一格
這張圖我整理了一陣子。它想回答一個很單純的問題：當我說「幫我把這件事做完」，這句話要經過哪些協定，才會變成世界上真正發生的一個動作？
由上而下六層，從人類意圖開始，一路落到機器手臂、感測器、PLC。中間每一層都有名字、有職責、有正在成形的規格。
而最下面那一格——MHS，Model Hardware Standard——在這張圖的成熟度表裡只有 ★★☆☆☆，是全圖最低的。
我把它放在最後，不是因為它最不重要。恰恰相反：上面五層講的都是 AI 在資訊世界裡怎麼互通，只有最下面這一層在講它怎麼離開螢幕。 而那一層，八月底才剛剛有了第一個像樣的候選規格。
這篇文章分兩半。上半導讀整張圖，下半只談最下面那一格。
上半：這張圖在說什麼
由上而下，六個協定層
AG-UI / A2UI——人機互動層（Agent ↔ Human）
最貼近人的一層，而且它其實是兩件事。AG-UI 處理的是過程的可見性：即時串流、事件、狀態更新——讓你在代理跑一件長任務時，看得到它跑到哪、在想什麼、卡在哪。A2UI 處理的是介面本身：讓代理去描述要渲染的 UI 組件、表單與動作，而不是只吐一段純文字回來。
一個是「讓我看見它在做什麼」，一個是「讓它決定我看到什麼」。前者是信任問題，後者是表達力問題。
Agent Core——代理核心（大腦）
嚴格說這不是協定層，是被協定包圍的那個東西。圖裡拆成六塊：推理、規劃、記憶、知識、技能、目標。
這六塊值得一個一個念過去，因為它們常常被混為一談：知識是它知道的事實與規則，記憶是它記得的這一次與過去發生過什麼，兩者不是同一件事；技能是它能執行的動作，規劃是它決定用哪些技能、按什麼順序，兩者也不是同一件事。工程上會痛的，通常是把這幾件事塞進同一個抽象裡。
A2A——代理協調層（Agent ↔ Agent）
代理發現彼此、委派任務、同步狀態、交換結果。這一層在解的是一個組織問題而不是技術問題：當你有一百個代理，誰知道誰存在？誰有權叫誰做事？做完之後結果回給誰？
旁邊掛著一個選用的「目錄／發現服務」。圖裡每一層右邊都掛了一個這種灰色的選用註冊服務，這個設計是刻意的——待會兒會回來講。
WebMCP——Web 互動層（Agent ↔ Web）
讓網站對代理暴露機器可執行的介面：宣告式 API、結構化動作、瀏覽器內的代理執行環境。
這一層的存在本身就是一個宣告：整個 Web 是為人眼設計的，代理只能靠爬 DOM、猜按鈕、模擬點擊來用它，既脆弱又昂貴。與其讓代理繼續假裝自己是人，不如讓網站直接說「我這裡有這些動作可以呼叫」。
MCP——工具與資料層（Agent ↔ Tools / Data）
這一層現在最成熟（★★★★☆），也是我實際用得最多的一層。標準化的工具存取、資料操作、上下文管理、通用連接器。
MCP 之所以贏，是因為它解的問題夠窄：它不管代理怎麼想，只管代理伸手拿東西時介面長什麼樣。 職責邊界乾淨的協定，擴散得比什麼都快。
UCP / AP2——商務層（Agent ↔ Commerce）
支付、交易狀態、退款與爭議、對帳與結算。代理要真的替你完成一件事，通常在某個點上得付錢。這一層現在是 ★★★☆☆，卡的多半不是技術，是責任歸屬——代理刷了一筆你不想要的款，那是誰的錯？
MHS——實體世界層（Agent ↔ Hardware）
裝置發現與認證、安全限制與邊界、自然語言指令、安全優先的抽象。下半整篇都在講它。
中間那顆大腦，跟一個容易被略過的迴圈
Agent Core 下面有一條虛線框：經驗回饋迴路（Experience Feedback Loop）。
執行結果 → 反饋 → 知識 → 能力
這條線很容易被當成裝飾，但它其實是整張圖裡唯一一條指回去的線。上面所有的箭頭都在往下走，只有這一條把最下游的執行結果送回最上游的知識與能力。
沒有這條線，這張圖描述的只是一根很長的水管——意圖從上面灌進去，動作從下面流出來，然後就沒了。有了這條線，它才是一個會變好的系統。我在 AI-HIL 那篇裡寫過同一件事，只是當時的說法是「每一次成功的 bug 修復都會被記錄成知識」——閉環的價值不在自動化，在累積。
左邊那五條，為什麼是直的
圖的左側有五塊：身分與授權、授權與策略、安全與信任、稽核與可觀測性、安全與人工監督。標題寫著「跨領域基礎支援（適用於所有層級）」。
它們被畫成一根貫穿的直柱，而不是堆疊裡的某一層。這是整張圖最重要的一個結構決定。
因為這五件事沒有一件能塞進單一層解決。「誰授權這個代理？」在 A2A 是一個問題（代理之間怎麼互信），在 UCP 是另一個問題（誰能刷這張卡），在 MHS 又是完全不同的問題（誰能讓這隻手臂動起來）。你不能在某一層做完身分驗證然後宣告下面都安全了。
同理，「人類檢閱」在人機互動層是一個 UI 元件，在實體世界層是一個安全機制——同一個概念，在不同高度的重量差了一個數量級。
把它們畫成直的，就是在說：這五件事你得在每一層各做一次。
右下角那張表，藏著這篇文章的重點
底部的協定總覽表把六層的成熟度並排：
| 協定 | 用途 | 成熟度 |
|---|---|---|
AG-UI / A2UI |
人機互動 | ★★★★☆ |
A2A |
代理間協調 | ★★★★☆ |
WebMCP |
網頁互動 | ★★★☆☆ |
MCP |
工具與資料 | ★★★★☆ |
UCP / AP2 |
商務與支付 | ★★★☆☆ |
MHS |
硬體與實體世界 | ★★☆☆☆ |
上面五層在 ★★★ 到 ★★★★ 之間，只有 MHS 落在 ★★。
這個落差就是這張圖真正在說的事。 資訊世界那一側，協定已經鋪得差不多了；代理找得到工具、叫得動彼此、看得懂網頁、付得了錢。但要它去轉一個閥、換一片晶圓、調一台顯微鏡的焦距——那一側幾乎是空的。
而空了很久的那一格，八月底剛剛被填上第一塊。
下半：MHS 與 Physical AI
MHS 是什麼：兩個動詞，跟一個檔案
2026 年 8 月 27 日，Anthropic 發布了 Model Hardware Standard（MHS） 的 research preview——一份讓 AI 代理安全操作實體裝置的共通規格。
它的設計極度克制，克制到第一眼會覺得「就這樣？」：
兩個原語。 read 取得裝置上的一個值（「現在幾度」），write 設定一個參數（「設成 37 度」）。就這兩個。
一份參考檔（reference file）。 每個裝置配一份，用自然語言描述硬體特性之後自動生成，告訴代理三件事：
- 這台機器能量什麼
- 這台機器能改什麼
- 這台機器有哪些安全上限——而且是系統會強制執行的那種
而且它不綁模型。 MHS 是 model-agnostic 的，任何代理環境都能透過標準協定存取它——包括 MCP。所以它不是 MCP 的競爭者，是 MCP 的延伸：MCP 把軟體工具標準化了，MHS 想對實體機器做同一件事。
官方給的數字是整合時間從數週壓到數小時。目前是限定名額的 research preview，合作對象橫跨生技（Genentech）、學術研究（華盛頓大學、卡內基美隆、HHMI Janelia）、量子運算（QuEra）與自動化生物實驗（Tetsuwan）；硬體端則有 Universal Robots、Doosan Robotics、Tecan、QIAGEN、Danaher、Automata、MBF Bioscience、AWS。Anthropic 說會在跟首批夥伴一起把安全評估與最佳實務做出來之後開源完整規格。
為什麼這對我是一個「事件」
第一眼看它會覺得太薄。read / write 兩個動詞，能表達什麼？
但這正是它可能會成的原因。回頭看 MCP 為什麼贏：不是因為它表達力強，是因為它職責夠窄。 一個協定要擴散，靠的不是涵蓋所有情況，是讓一萬個不同的實作都願意接上來。read / write 加一份安全邊界宣告，窄到 1970 年代的 PLC 跟 2026 年的六軸機械臂可以用同一個介面描述。
真正的重量在那份 reference file 上。它把一件過去只存在於工程師腦袋裡跟 PDF datasheet 裡的知識——這台機器能做什麼、不能做什麼、超過哪條線會出事——變成了機器可讀、且執行時會被強制檢查的東西。
那正是實體世界跟軟體世界最根本的差別：軟體出錯可以 rollback，硬體出錯會撞壞、會燒掉、會傷人。 一個要接上實體世界的協定，如果安全邊界不是第一等公民，它不配存在。MHS 把 safety limits 直接寫進最基本的裝置描述裡，這個順序我認為是對的。
我對這件事有偏見，而且我知道偏見從哪來
我得誠實說：我對 MHS 的興奮不是中立的。
我在 Ubiquiti 做了十四年邊緣產品，UniFi 攝影機上的 on-device AI、三千萬台受管裝置。我在 〈為什麼我要打造邊緣智能技術棧〉 裡寫過一段話，現在讀起來像在等這件事發生：
讓 AI agent 能直接跟硬體互動的工具。不是要開發者自己寫一堆 glue code 把東西串起來，而是提供乾淨的協定介面，讓 AI 可以直接控制嵌入式裝置——燒錄、除錯、讀取感測器。
那是我列的三個核心需求的第三個。而 AI-HIL（ai-hil-mcp）就是我為了自己用，手工把那一層刻出來的東西：五個 MCP server，JTAG、串口、視覺、音訊、建置燒錄，讓 Claude Code 自己讀 log、自己量電流、自己燒韌體、自己驗證。
所以 MHS 對我來說不是一個陌生的新聞。它是有人用標準的方式，把我半年來手工做的那一層做掉了。
這種時候有兩種反應。一種是「我做的東西被取代了」，另一種是「我賭的方向被驗證了，而且現在有底座了」。我是後者——因為我當初做 AI-HIL 最大的挫折從來不是技術，是每接一個新裝置就要重寫一次 glue code。那不是可以靠努力解決的問題，那是缺標準的症狀。
誠實談 ★★☆☆☆
我把它畫成 ★★，不是客氣。這一層還沒解決的問題很硬：
安全邊界怎麼驗證。 reference file 宣告了安全上限，但宣告不等於正確。誰來保證那份檔案裡寫的邊界，跟這台機器的物理極限是同一件事？ 一份宣告錯誤的安全上限，比沒有宣告更危險，因為系統會信任它。這個問題在軟體世界有個溫和很多的版本（型別宣告錯了頂多 crash），在實體世界沒有溫和的版本。
失效處理。 網路斷了、代理當了、指令送到一半——手臂停在哪裡？read / write 是無狀態的動詞，但實體裝置是有狀態的。這中間的落差得有人補。
即時性。 很多實體控制迴路的容許延遲是毫秒級，而 LLM 的推理是秒級。MHS 適合的是「決定要做什麼」，不是「做的當下的閉環控制」。 這兩件事必須分開，否則會出人命。這也是我一直在講智能要往邊緣搬的原因之一。
責任歸屬。 代理依照一份安全邊界正確的參考檔，下了一個合法的指令，然後產線報廢了一批貨。誰負責？這題法規還沒準備好，而它會比技術更慢。
長尾。 首批夥伴是實驗室設備跟先進製造——高價值、高標準化、有錢做整合。但實體世界的絕大多數是工廠角落那台 2009 年的 PLC，文件不見了、原廠倒了、只有老師傅知道怎麼調。那條長尾才是真正的難題。
★★ 是準確的描述。但 ★★ 跟沒有，差的不是兩顆星，是「有沒有起點」。
All in AI 之後：往下扎，不是往外鋪
過去兩年我的答案是 All in AI，那是一個關於要不要投入的答案。現在這題已經沒有懸念了，於是問題換成了：投入之後往哪裡去？
我的答案是往下，不是往外。
往外鋪，是再多接幾個 SaaS、再多寫幾個 agent、把同一套資訊世界的能力複製到下一個場景。這條路的邊際效益在快速遞減，因為大家都在鋪，而且鋪的是同一片地。
往下扎，是把 AI 接到那些至今還沒被軟體吃掉的地方：產線、實驗室、農場、車隊、電網、倉儲。這些地方有一個共同點——它們的難點從來不是模型不夠聰明，而是資料進不去、指令出不來。 感測器的訊號躺在一台沒有網路的工控機裡，老師傅的 know-how 躺在他腦子裡，設備的操作邊界躺在一本紙本手冊裡。
MHS 這種東西，解的正好是「指令出不來」那一半。而這一半一旦通了，另一半（資料進不去）的價值才真的兌現得出來——因為你終於能閉環了。能讀又能寫，才叫回饋迴路；只能讀，那叫報表。
一想到接下來十年，每一個產業都要重跑一次「把實體流程接上智能」這件事，而現在才剛剛有第一份共通規格——這比再多一個聊天機器人有意思太多了。
接下來我要讀跟做的
不寫時程，但方向是具體的：
讀。 MHS 的 research preview 公告與後續開源的完整規格，重點放在三個地方——reference file 的 schema 長什麼樣、safety limits 是怎麼被強制執行的（是宣告式的檢查，還是執行期的攔截）、以及它跟 MCP 的邊界怎麼劃。
做。 把 ai-hil-mcp 現有的 JTAG / 串口 / 視覺三個 server，拿去對照 MHS 的三件事重寫一版：
- 我現在的工具介面，能不能塌縮成
read/write兩個原語？塌縮不了的部分是什麼？那些塌縮不了的地方，就是 MHS 這個抽象的真實邊界。 - 每個裝置補一份 reference file——能量什麼、能改什麼、安全上限是多少。我猜光是把第三項認真寫出來，就會逼我發現一堆我其實沒想清楚的東西。
- 拿一個裝置做安全邊界的實測：故意下一個超過邊界的指令，看它被擋在哪一層。 擋不住的話，這整套就只是說法。
第 3 點是我最想做的。因為前兩點是紙上作業，只有第 3 點會告訴我這個抽象到底有沒有牙齒。
這條路還很長。但比起半年前我一個人在那邊刻 glue code，現在至少地上有一條線了。
Comments & Feedback