レーザーが外れた実験台で、何が起きたか
実験台の上に、原子を宙に浮かせて捕まえておくためのレーザーが並んでいる。その光の周波数が、ちょっとした振動や温度変化でわずかにずれる。捕まえていた原子は逃げ、それまで走っていた実験は無駄になる。研究者は装置の前に立ち、つまみを順に回して光を元の色へ戻していく。慣れた人でも5分から10分かかる。
米国の量子コンピュータ企業QuEra Computingは、この復旧作業を自動化しようとして、レーザー技術者とソフトウェア技術者とアルゴリズムの専門家とテスト担当の4人がかりで、数か月かけてプログラムを書いた。人間が装置の前でやることを、そのまま手順として書き写したものだ。それでも成功率は58%。1回あたり150秒かけて、半分近くは失敗して終わる。
同じ装置にClaudeをつないで、装置を触らせながら復旧プログラムを書かせた。出来上がったものを700回試したところ、695回、正しくロックが戻った。成功率99.3%。単純なずれなら1秒足らずから5秒台、いちばん厄介なケースでも10秒から14秒で復帰する。人間の5分から10分と比べると、桁が二つ違う。
もう一つ、地味だが重要な結果がある。レーザーを安定させるための制御パラメータを専門家が手で追い込んだとき、残る誤差は15.7ミリボルトだった。Claudeが調整すると1.55ミリボルト、およそ10分の1に静かになった。19時間連続で動かしても一度もロックを失わなかった。専門家が調整したパラメータは、1時間に1.6回ほど外れていた。
そして、最終的に納品されたのはAIそのものではない。人間が中身を全部読める、決まった手順どおりに動くだけのスクリプトだった。AIは開発を手伝って去り、現場に残ったのは普通のプログラムである。この一連の作業を成立させた土台が、Anthropicが8月27日に公開したMHS、Model Hardware Standardだ。
MHSとは何か——「ドライバ」を噛み砕く
パソコンにプリンタをUSBで挿すと、たいていそのまま印刷できる。挿した瞬間にOSがドライバを見つけ、「これはプリンタだ」「A4が使える」「両面印刷ができる」と理解するからだ。ドライバというのは、機械の都合と、ソフトの都合の間に立つ通訳である。
研究室や工場の装置には、この通訳の共通の作法がない。顕微鏡にはメーカー独自のSDKがあり、分注ロボットには独自のスクリプト言語があり、ロボットアームにはまた別の制御プログラムがある。どれも「動かすことはできる」が、動かし方が全部違う。だから装置を3台つなごうとすると、3通りの方言を覚えて、その間をつなぐ手作りの変換プログラムを書くことになる。
MHSがやるのは、この通訳の書式を1本に決めることだ。中身は驚くほど単純で、操作の動詞は基本的に「読む」と「書く」の二つしかない。温度を読む、温度を設定する。位置を読む、位置を指定する。どんな装置も、この二つの動詞の組み合わせとして表現する。そしてMHSに対応した装置はネットワーク上で自分から名乗りを上げるので、エージェントの側は「そこに何がいるか」を探しに行ける。
もう一つの柱が、この記事のタイトルにした部分である。MHSのドライバには、装置についての説明書きを自然言語のタグとして直接書き込める。何が測れるのか、何を変えられるのか、このアームは何キロあるのか、そして——ここが肝心だが——どこから先はやってはいけないのか。書き込むと、その装置の取扱説明書に相当する参照ファイルが自動で生成され、エージェントはそれを読んでから作業計画を立てる。
これまで、この種の知識はどこにあったか。分厚い紙の手順書と、10年その装置を触ってきた担当者の頭の中である。「この液は粘るから吸引をうんと遅くしろ」「このアームはこの角度から先に振ると隣の装置に当たる」。属人的で、口伝で、引き継ぎのたびに欠落する情報だった。MHSはそれを、機械が読める形でドライバの中に置く。エージェントはそれを守り、守れない指示は装置が動く前に弾かれる。
Anthropicが2024年に公開したMCP（Model Context Protocol）と混同されやすいが、役割は違う。MCPはアプリとツールをつなぐ配線であり、MHSは装置そのものの自己紹介書だ。エージェントはMCP経由でもコマンドラインからでもコードからでも、MHS対応の装置に触れる。そして設計上、特定のモデルに縛られない。Claude以外のエージェントからも標準的なプロトコルで到達できる、というのがAnthropicの説明である。
なぜそこにこだわるのか。同社で科学分野のパートナーシップと展開を統括するジョナ・クール氏は、Fortuneに対し、科学の現場は「非常に脆く、科学者のニーズを満たさないことも多い独自仕様に苦しんでいる」と述べ、こう続けている。「我々は、科学者がベンダーに囲い込まれる事態を避けたい」。
なぜ、装置は今までつながらなかったのか
MHSの出発点は、Anthropicの社内ではなく、ハワード・ヒューズ医学研究所ジャネリア・リサーチ・キャンパスの実験台だった。脳のイメージング実験をしていた博士研究員のアルコ・バスト氏は、レーザーとモーター駆動の焦点調整機構と特殊なカメラを組み合わせた装置を扱っていた。全部メーカーが違い、共通の入り口がない。実験のたびに7つの別々のプログラムを立ち上げていた。
バスト氏は、装置同士がメモリの速度でやり取りできるように、共有メモリ上の辞書を自作した。これがMHSの原型になる。そこにAnthropicの技術スタッフ、アレク・ケメニー氏が関わり、AIエージェントから触れる形へ育てていった。
ケメニー氏はR&D World誌に、この1年の実感をこう語っている。「この1年、我々は研究室の中でAIを働かせようとしてきた。そして毎回、同じ壁にぶつかった。モデルを物理的な装置につなぐ共通の方法が存在しないのだ」。
バスト氏の側の説明はもっと端的だ。「MHSなら、各装置は一つのインターフェースを通じて一度だけつながればいい。MHSを話す装置は、MHSを話す他のどんな装置とも会話できる」。
現場で何が起きたか——8時間と、泡の話
リサーチプレビューには、ジャネリアのほか、ジェネンテック、カーネギーメロン大学、ワシントン大学、QuEra、そして自律実験ロボットを開発する米スタートアップTetsuwan Scientificが参加した。
カーネギーメロン大学の例が、時間短縮の分かりやすさで際立つ。自動化されていない生の装置を並べた状態から、薬剤の濃度を段階的に薄めて効き目の曲線を描くところまで、8時間で到達した。装置メーカーに自動化を発注すれば数週間かかる仕事である。しかもこの8時間には、エージェントが自分で判断したやり直しが1回含まれている。最初に描いた曲線の当てはまりが悪いと自分で判定し、人間に相談することなく、そのプレートを捨て、いちばん濃い濃度を半分に下げて新しいプレートでやり直した。二度目は文句のない精度で通った。
同大では意地悪なテストもしている。プレートが無い、プレートが向きを間違えている、測定器が別の作業中、カメラが外れている、非常停止が入っている——といった6種類の異常状態をわざと作った。6つとも、装置が1ミリも動く前に止まった。ドライバに書かれた制限が効いた形だ。
一方、限界がはっきり出たのがジェネンテックの事例である。タンパク質の定量作業で、Claudeは液体の粘り気に応じて吸引速度を自分で最適化した。水なら毎秒140マイクロリットル、粘るタンパク質溶液なら毎秒10マイクロリットルと、14倍の差をつけた。ここまでは良かった。
ところが液の中に泡が立ち始めると、話が変わる。40マイクロリットル吸うつもりでも、泡が混じっていれば実際に運ばれる液は足りない。エラーが返る。このときClaudeが最初にやったのは、同じ穴の中でパラメータを変えて再試行することだった。当然、液はさらに撹拌され、泡は増えた。エラーコードは読めるが、そのコードの裏側で起きている物理現象が分かっていない。研究者が「これは泡だ、きれいな穴に移って混ぜる回数を減らせ」と教えて初めて、Claudeは正しい対処を覚え、その後は自分で守り続けた。
Anthropic自身も、発表の中でこの限界を明示している。Claudeは物理世界をテキストと画像から学んでいるため、空間的・物理的な推論には限界があり、専門家の監督が要る。QuEraでは逆方向の副作用も出た。Claudeが少しでも危険と判断した操作の前で人間の承認を待つため、実験が一晩止まってしまうことがあった。
向いている用途
まず前提として、MHSはプログラム経由で操作できる口を持った装置にしか使えない。つまみとレバーしかない古い機械は対象外だ。そのうえで、効きが良さそうな領域ははっきりしている。
一つ目は、装置を何台も並べて、その間でサンプルを受け渡していく工程だ。ワシントン大学は、装置間でプレートをぶつからないように受け渡す動きを組み、遠隔から監視できる画面まで作るのに1週間かからなかった。従来はプラットフォームの比較検討とメーカーへの問い合わせだけで数週間が飛んでいた作業である。ジャネリアでは、新しいカメラを1台追加する作業が数分で終わった。以前は数日がかりのプロジェクトだった。
二つ目は、パラメータの探索とチューニングである。QuEraの制御パラメータ調整や、ジェネンテックの液体ごとの吸引速度がこれにあたる。人間が勘と経験で追い込んでいた数値を、装置を実際に動かしながら総当たりに近い形で詰められる。これはAIが得意な作業だ。
三つ目は、異常の検知と復帰。夜間や休日に走らせている実験が転んだとき、朝まで止まったままか、その場で立て直せるかの差は大きい。Automataは自社のラボ自動化基盤LINQにMHS対応を加え、装置の賢いエラー処理をやらせようとしている。QIAGENは核酸精製装置QIAsymphony Connectで概念実証を作り、装置の不調を早く切り分けてオペレーターを復旧手順まで案内する使い方を試している。稼働率を上げ、貴重な生体サンプルを無駄にしないという、地味だが金額の大きい話だ。
そして四つ目が、いちばん筋の良い使い方かもしれない。QuEraの事例が示したのは、「探索はエージェント、本番は決定論的なプログラム」という二段構えである。エージェントは開発フェーズで装置と対話しながら制御ロジックを見つけ出し、出来上がったスクリプトは人間が読んで検証したうえで、AIなしで本番に載せる。常時AIが判断を握る運用よりも、検証も監査も規制対応もはるかにやりやすい。MHSはこの流れを最初から設計に織り込んでいる。
向いていない用途
逆に、今のMHSを持ち込むべきでない場所も、事例を読むとかなり明確に浮かび上がる。
マイクロ秒単位のリアルタイム制御は対象外だ。QuEraでも、Claudeが書いたプログラムはマイクロ秒で回るサーボループの上に乗って監視しているだけで、ループそのものには入っていない。言語モデルの応答時間は、この種の制御の要求とは何桁も離れている。ここを混同すると危険である。
物理的な直感が要る判断も苦手だ。泡、粉の詰まり、液の垂れ、部品のわずかな歪み。エラーコードとしては同じでも、原因が物理現象であることを見抜けない。人が横で「それは泡だ」と教えれば以降は守るが、教える人がいない現場では止まるか、悪化させる。
認証や規制対応が必要な安全機能にも、まだ使えない。MHSのドライバに書き込む「安全上限」は、あくまでAnthropicとパートナーが作っている仕組みであって、第三者認証を受けた安全機能ではない。公開されている情報の範囲では、認証方式、権限管理、ネットワーク分離、ドライバの完全性検証、監査ログといったサイバーセキュリティの設計は説明されていない。装置を動かせる口を開けるということは、その口が乗っ取られたときに装置が動くということでもある。
さらに、仕様書そのものがまだ手に入らない。ダウンロードできる仕様やスキーマ、ライセンス、ガバナンスの取り決め、適合試験、ドライバの認定制度——標準を名乗るために必要な道具立ては、いずれも公開待ちの状態だ。応募して選ばれた組織だけが触れる。長期の互換性やサポートを調達条件に書き込みたい組織にとっては、まだ早い。
安全上限そのものの性質にも注意が要る。制限はローカルだ。あるロボットアームに対して妥当な上限は、そのアームの先端の工具を替えた瞬間に妥当でなくなる。ドライバに書いた制約が正しいかどうかを検証できる担当者が現場にいない組織では、書いた本人が思っているほど守られない。
そして、悪用の側面がある。The Registerは、この標準を紹介する記事の冒頭で、ウラン濃縮用の遠心分離機をMHSで管理する研究者、という仮定を持ち出した。2010年のStuxnetを引き合いに出しての皮肉である。装置を動かす標準は、動かされたくない装置にも等しく使える。Anthropicは物理安全のロードマップを別途整備中で、オープンソース化の際にはプレビューで得た知見を安全な運用の手引きとして出すとしている。
シリコンバレーのVCはどう見ているか
背景として、この1年、米ベンチャーキャピタルの資金は「フィジカルAI」へ猛烈に流れ込んだ。Crunchbase Newsの集計では、2026年上半期のフィジカルAI関連への出資は521件で474億ドル（約7兆6,000億円）。2025年下半期の約4倍で、2022年から2024年までの3年間の合計を、半年で追い抜いている。
象徴的だったのが、MHS発表の翌8月28日にアンドリーセン・ホロウィッツ（a16z）が発表した11億ドル（約1,760億円）の新ファンド「Machine Age Fund」だ。半導体、メモリ、ネットワーク、ストレージ、データセンター、ロボティクスといった、AIが乗る物理層だけを狙う同社初の専用ファンドである。ゼネラルパートナーのマーティン・カサド氏は「技術の時代が変わるたびにインフラに圧力がかかるが、これほど劇的なものは誰も見たことがない」と述べている。ソフトウェアが世界を食べると言っていた会社が、ハードウェアにも専用の財布を用意したという構図だ。
ベッセマー・ベンチャー・パートナーズは2026年のロボティクス予測で、この分野に「バブルは無い」と断じた。理由は資金が足りないからで、過去5年で3,000万ドル（約48億円）以上を調達したロボティクス企業はわずか42社、同じ条件のソフトウェア企業745社と比べれば桁が違う、という主張である。同時に、当面価値を取るのは基盤モデル単体ではなく、独自データと現場知識を持つ垂直統合型だとも書いている。
MHSの位置づけを最も鋭く言い当てているのは、英IQ Capitalが自律実験ラボについてまとめた論考だ。彼らはこの領域の本質を「コモンズ問題」と呼ぶ。相互運用性が実現すれば全員が得をするのに、それを自腹で作る動機を持つ個社が存在しない、という構造である。そのうえで進む道を三つに整理している。委員会主導で標準を作る道は堅牢だが遅い。垂直統合で自社専用に全部作り込む道は速いが、恩恵はその1社に閉じる——シード段階で3億ドル（約480億円）を集めたPeriodic Labsや、NVIDIAの出資を受けて企業価値が13億ドル（約2,080億円）を超えたLila Sciencesがこれにあたる。三つ目の、クラウドのように誰でも使える多テナント型の実験基盤は、まだ担い手がいない。
MHSは、この一つ目の道の遅さを、一社が仕様を書いてしまってから開くという手順で飛び越そうとする動きだと読める。そしてこれは、Anthropicが一度成功させたやり方でもある。MCPは2024年11月に公開され、2025年3月にはOpenAIが全面採用し、翌4月にはGoogleが続き、2025年12月にはLinux Foundation傘下のAgentic AI Foundationへ寄贈された。仕様を先に置いた者が、その後の全員の書き方を決める。
VCの実務的な関心はもっと即物的だ。MHS対応のドライバを最初に出荷した装置メーカーが、研究者がこれから書くスクリプトの既定の語彙を握る。ローンチ・パートナーにDanaher、Tecan、QIAGENという分析機器の大手が並んでいる意味は、そこにある。同じ日、ロボティクスの基盤ソフトLeRobotを持つHugging FaceもMHS対応を表明した。そのHugging Faceについては、NVIDIAが129億ドル（約2兆600億円）で買収することで合意したと複数の米メディアが報じ、一方で最終契約の署名には至っていないとも報じられている。物理AIの足回りを誰が押さえるかという争いは、標準の層でもチップの層でも同時に進んでいる。
Anthropic自身の事情も無関係ではない。同社は5月に650億ドル（約10兆4,000億円）を調達し、ポストマネー評価額は9,650億ドル（約154兆円）に達した。7月時点の年換算売上高も同じ650億ドル規模に乗ったとBloombergが報じており、6月にはSECへ非公開でS-1を提出済みだ。上場を目前にした時期に、ソフトウェアの外側へ標準を伸ばして見せたことになる。8月には自社チップの設計チーム発足も公表し、OpenAI、Meta、Appleを渡り歩いたハードウェア幹部のケイトリン・カリノウスキー氏を迎えている。物理層への傾斜は、MHS単発の話ではない。
そして、これを科学者向けの善行としてだけ見るのは、たぶん間違いだ。AIを社会的に有益な用途へ広げる部門を率いるエリザベス・ケリー氏は、CNBCにこう述べている。「我々はAIの可能性を示すために、これを科学のために作った。だがここには企業や産業にとっての大きな利益もある」。研究室で通用した装置の共通言語は、そのまま工場のラインに持ち込める。
標準化の主導権争い——SiLA 2、OPC UA、そしてLAP
ここで冷静に見ておくべきなのは、装置をつなぐ標準は今までも存在した、という事実だ。
ライフサイエンス機器の世界にはSiLA 2という成熟した標準がある。gRPCの上で動き、装置が受け付けるコマンドを型付きで列挙でき、ネットワーク上での自動発見にも対応する。工場側にはOPC UAがあり、業界ごとの詳細な情報モデルが何百と積み上がっている。ロボットにはROS 2がある。
違いは設計思想だ。これらはいずれも、機械同士が誤解なく話すために作られた。言語モデルが初めて見る装置を理解するために作られてはいない。ロボットアームの重さを平文で書き添えておき、どの操作が危ないかを人間の言葉で説明しておく、という発想がそもそも無い。MHSが埋めようとしているのは、まさにその隙間である。
もっとも、既存陣営も手をこまねいてはいない。OPC Foundationは2026年4月20日、430を超えるコンパニオン仕様をRAGやMCPで扱える形式へ変換すると発表した。マークダウン化、トークン最適化したチャンク、ベクトル埋め込み、そしてエージェント向けのMCPサーバまで用意する内容だ。数十年かけて積み上げた意味モデルと適合性認証を持つ側が、AIの入り口だけを付け替えに来ている。
学術側からの提案も、実はMHSより先に出ている。2026年6月2日にarXivへ投稿された「LAP」という論文は、エージェントと計測機器の間を埋めるプロトコルを提案している。署名付きで装置の能力と物理的限界を記述する「InstrumentCard」、装置とサンプルを排他的に予約する仕組み、危険操作の前に人間の確認トークンを要求する安全フェンス、校正情報と不確かさを型として持つ測定結果——構成要素はMHSと驚くほど似ている。決定的に違うのは、LAPがSiLA 2やOPC-UAを置き換えず、それらを包み込む設計を明言している点だ。
MHSの弱点はここにある。既存標準とどう対応づけるのか、橋渡しをどうするのかを、Anthropicはまだ示していない。工場や規制対象のラボでは、既存の適合性認証を捨てるという選択肢が存在しない。「読む」と「書く」だけの簡潔さは導入の速さと引き換えに、積み上がった意味の厳密さを持っていない。
日本の現在地
日本でも、実験の自動化そのものは動いている。東京科学大学は2026年4月15日、湯島キャンパスに「ロボット未来創造センター」を開設した。産業技術総合研究所と安川電機が共同開発した双腕ロボット「まほろ」を中心に、7つのロボットシステムを備え、オルガノイド培養や次世代シーケンサー向けの前処理を自動で回す。運用を担うのは、安川電機グループでバイオ実験の自動化を手がけるロボティック・バイオロジー・インスティテュートだ。ロボットを使ったラボ自動化の研究拠点としては世界最大級とされる。島津製作所も神戸大学との共同研究で、実験結果から次の仮説を自動で立てる自律型実験システムの有用性を実証している。
ただし、MHSのローンチ・パートナーの一覧に、日本の装置メーカーの名前は無い。分析機器の世界市場で日本企業の存在感は決して小さくないが、AIエージェントから見た「既定の装置」の座を最初に押さえるのは、今のところDanaher、Tecan、QIAGENということになる。研究者がこれから書くスクリプトが、どのメーカーの語彙で書かれるか。標準の争いとは、要するにそういう話だ。
一方で、「まほろ」型のアプローチには別の意味がある。まほろは、人が使う既存の実験器具を、人の手順のまま二本の腕で扱う。MHSが今いちばん困っている「プログラムから触れる口を持たない装置」を、装置側を改造せずに取り込む道でもある。この二つは競合というより、噛み合わせ方の問題として見るのが正しい。
今後、いつ、どんな動きが出てくるか
観測できる節目は、いくつかはっきりしている。
まず、MHSのオープンソース化だ。Anthropicは、パートナーと安全性評価やベストプラクティスを作り上げたうえで公開するとしており、時期は明示していない。MCPの前例をなぞるなら、公開から数か月で他社エージェントが対応し、1年ほどで中立的な財団へ移管される、という流れになる。仕様書、ライセンス、ガバナンスの取り決め、そして適合試験。この4点が出てきた時が、MHSが「標準」を名乗れるようになった時だ。
次に、Claude以外での実証である。設計上モデルに依存しないと説明されている一方で、公開された事例は今のところ全部Claudeで動いている。他社のモデルで同じ結果が出るという第三者の報告が出るかどうかは、この標準の中立性を測る最も分かりやすい物差しになる。
規制の側にも日付が入っている。EUの機械規則2023/1230が2027年1月20日から適用される。機械学習にもとづく自己進化的な挙動と、安全機能へのサイバー攻撃対策について、明文の規定を初めて置いた規則だ。ソフトウェアがロボットの動作や製造ラインの停止を決めるなら、この規則の射程に入る。MHSのドライバに書き込む安全上限が、単なる便利機能ではなく適合性評価の対象になっていく可能性がある。欧州へ装置を出すメーカーにとっては、これが実装の締め切りになる。
装置メーカーの製品としての露出は、2027年1月30日から2月3日にサンディエゴで開かれるラボ自動化業界の年次見本市SLAS2027が、最初のまとまった機会になる。TecanのFluentやQIAGENのQIAsymphony Connectが概念実証から出荷可能な製品へ進むなら、そこで形が見える。
QuEraが試験装置から実機の量子プロセッサへ、あの復旧システムを載せられるかどうかも要注目だ。「次の段階」とだけ書かれている。
そして、対抗の動きである。OpenAIやGoogleが同種の仕様を出すのか、それともOPC UAやSiLA 2の陣営がMHSへの橋を架けて包み込む方を選ぶのか。学術側からはすでにLAPという別案が出ている。標準というものは、優れているから勝つのではなく、最初に十分な数の装置が話し始めたものが勝つ。だから見るべきは仕様の美しさではなく、MHSのドライバを同梱して出荷される装置が何機種になるか、その一点である。
装置の安全な動かし方が、紙と人の記憶からドライバの中へ移り始めた。移し終えた頃に、その語彙を誰が決めていたのかが効いてくる。
