تصور کنید یک برنامه‌نویس بخواهد یک بازوی رباتیک را به هوش مصنوعی متصل کند، اما مجبور باشد برای هر مدل ربات، کدهای کاملاً متفاوتی بنویسد. استاندارد سخت‌افزاری مدل (Model Hardware Standard یا MHS) دقیقاً برای پایان دادن به این کابوس طراحی شده است.
بسیاری از گردش‌های کاری در دنیای امروز در لایه نرم‌افزار متوقف می‌شوند. در حالی که یک مدل هدف را تفسیر می‌کند و یک عامل (Agent) — شبیه به مدیری که برنامه‌ریزی می‌کند اما خودش ابزار در دست ندارد — مراحل اجرا را می‌چیند، گام نهایی یعنی اجرای فیزیکی همچنان پراکنده و تکه‌تکه است. MHS به عنوان پلی برای پر کردن این شکاف عمل می‌کند و بخش‌هایی مانند تولیدات هوشمند، اتوماسیون آزمایشگاهی و سامانه‌های خودمختار را هدف قرار داده است. در همین راستا، تجربیات اخیر آنتروپیک نشان می‌دهد که چگونه این استانداردها زمان ادغام سخت‌افزارهای آزمایشگاهی را از هفته‌ها به دقایق کاهش داده‌اند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، استانداردسازی در لایه‌های زیرین، کلید مقیاس‌پذیری است. طبق گزارشی که در ۱۴ سپتامبر ۲۰۲۶ در وب‌سایت dev.to منتشر شد، اکوسیستم MHS اتصال را در یک جریان سه‌مرحله‌ای سازماندهی می‌کند: مدل هوش مصنوعی $\rightarrow$ عامل هوش مصنوعی $\rightarrow$ سخت‌افزار. این ساختار تضمین می‌کند که سخت‌افزار فیزیکی، عملیات را دقیقاً در محدوده محدودیت‌های دنیای واقعی خود انجام دهد.
برای تضمین قابلیت اطمینان عامل‌ها، این استاندارد بر چهار توصیف‌گر کلیدی تمرکز دارد:
- وضعیت دستگاه (Device States): وضعیت لحظه‌ای و زنده سخت‌افزار.
- عملیات (Operations): کارهایی که دستگاه واقعاً قادر به انجام آن‌هاست.
- محدودیت‌های فیزیکی (Physical Constraints): مرزهای سخت حرکت یا توان مصرفی ماشین.
- حفاظ‌ها (Guardrails): نرده‌های ایمنی حیاتی برای جلوگیری از آسیب فیزیکی.
بر اساس مستندات این پروژه، توسعه‌دهندگان می‌توانند این استانداردها را با استفاده از ابزارهایی مانند LeRobot و Strands Robots پیاده‌سازی کنند. همچنین یک دایرکتوری سخت‌افزاری باز برای پردازنده‌های RISC-V، پروژه‌های FPGA و پلتفرم‌های انسان‌نما در دسترس است. این رویکرد باز، بخشی از یک جنبش گسترده‌تر برای ایجاد زیرساخت‌های ماژولار در برابر اکوسیستم‌های بسته است تا مالکیت داده‌ها و کنترل سخت‌افزار در دست سازمان‌ها باقی بماند.
نکته مهم این است که MHS برای تکمیل پروتکل زمینهٔ مدل (MCP) طراحی شده است. در حالی که MCP عامل‌ها را به ابزارهای نرم‌افزاری و داده‌ها متصل می‌کند، MHS دستگاه فیزیکی پشت آن ابزارها را توصیف می‌کند. برای مثال، یک سرور MCP ممکن است API یک ربات را فعال کند، اما MHS توصیف دقیقی از برد فیزیکی و محدودیت‌های ایمنی آن ربات ارائه می‌دهد.
این چرخش به معنای آن است که توسعه‌دهندگان می‌توانند گردش‌های کاری بازاستفاده برای اتصال هوش مصنوعی به سخت‌افزار بسازند. به جای بازنویسی کد برای هر بازوی رباتیک جدید، عامل می‌تواند توصیفات MHS را استعلام کند و برنامه خود را به‌طور خودکار تطبیق دهد. این رویکرد، بدهی فنی مربوط به نگهداری درایورهای اختصاصی را کاهش داده و صنعت را به سمت عصر «اتصال سریع» (Plug-and-Play) در اتوماسیون هوشمند می‌برد. این استراتژی در واقع یکی از لایه‌های عملیاتی برای پایان دادن به وابستگی سازمان‌ها به فروشندگان ابری و دستیابی به استقلال زیرساختی است.
گام بعدی شما
- اگر در حوزه رباتیک فعال هستید، دایرکتوری سخت‌افزاری باز MHS را بررسی کنید تا ببینید پلتفرم شما پشتیبانی می‌شود یا خیر.
- مستندات LeRobot را برای پیاده‌سازی اولین رابط MHS در پروژه‌های خود مطالعه کنید.
- تفاوت‌های عملیاتی بین MCP و MHS را در معماری عامل‌های خود تعریف کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو