8月27日，Anthropic开放了Model Hardware Standard（MHS）研究预览版——这是继MCP之后其第二项全行业统一协议。MHS给AI与设备之间定了一套通用接口：设备可被自动发现，用“读”“写”这样的简单指令就能操作，原本需要数周乃至数月的跨厂商集成被压缩到小时级。
消息出来后，一个被反复提起的问题是：当AI能直接调用设备，工厂的跨平台设备协同到底由谁来完成、又该如何完成。对国内制造企业来说，这道题比“AI 能不能碰设备”更现实——它关系到车间的交期、良率与成本，而不是实验室里的一次成功演示。
也正因如此，国内的工业AIoT厂商并没有停下来等一套统一标准落地，而是继续在既有的现场里解题——以国内头部制造业数字化解决方案厂商鼎捷数智为例，旗下“天枢”产品落在OT（车间设备层）与IT（管理软件层）之间：先把不同品牌、不同年代的设备接进来，再让它们能被同一套生产计划调度。
这道题，由此分出了两种解法。一端是Anthropic的MHS，试图把“设备知识”标准化为机器可读的资产；另一端是以天枢为代表的这条路线，功夫花在标准之外。真正决定工厂能否受益的，不是AI会不会按开关，而是按下开关前后的那整套管理闭环——订单、工艺、人员、物料是否能被同一套系统读懂并调度。
Anthropic MHS：把“能调用”推进成通用标准
MHS的核心极简。它是一层标准驱动层，用read / write原语（例如读温度、设温度）去描述任何可编程设备；设备以标准格式可被网络自动发现；再用自然语言给设备打标签——能测什么、能调什么、安全边界在哪——自动生成一份机器可读的参考文件。首批合作覆盖云服务商、机器人厂商与开源硬件社区，落点集中在实验室与前沿硬件。
这一步的关键，在于标准化的对象变了。过去躺在纸质说明书和老师傅脑子里的物理特性与安全限制，被要求写进驱动层，变成机器可读的资产。这种把隐性知识显式化的做法，价值不只在连接，而在于可复用——一份写进驱动层的设备参考文件，意味着后续任何上层应用都能直接读懂这台设备的边界与能力，不必再为每台机器重新摸索。Anthropic公布的首批验证数据集中在实验室与前沿硬件场景：在机械臂与检测仪器协同的实验中，作业速度提升约3倍；在蛋白检测流程里，自动化周期缩短至原来的三分之一；在激光器管理场景的700次盲测中，异常恢复成功率达到99.3%。
但MHS目前仍是研究预览版，官方划了两条清晰边界，而这两条边界恰好是车间日常：第一，没有编程接口的设备，MHS管不了；第二，模型对空间与物理世界的推理仍然有限，“仍需专家监督”。换句话说，它验证的是“AI能不能碰设备”，还没有回答车间真正要买单的问题——这一次操作发出去之后，交期、良率和成本能不能交代得过去。
鼎捷天枢：架在OT与IT之间的那座桥
车间缺的从来不是更多连接，而是一个既接得住设备、又读得懂管理的角色。这是鼎捷做天枢的出发点。天枢是鼎捷工业AIoT方案里的设备控制底座，由边缘控制器与AIoT指挥中心两部分组成，定位为OT与IT之间的桥梁：往下，把不同品牌、不同年代的设备接进来、管起来；往上，把生产计划、工艺纪律这些管理逻辑翻译成设备能执行的指令，让设备与设备、人与设备真正协同起来。
协议中心：先把设备连上来
天枢已支持450余种生产、物流、厂务、办公设备，累计联网设备超过4.2万台，单客户最高并发1600台。没有接口的老设备，用硬采方式一样能接入。通讯加密、容灾、安全联锁都内建在协议层，与工艺纪律强绑定——在工业现场，这是准入前提，不是加分项。这意味着天枢不是单纯做“采集”，而是在协议层就把工业现场最在意的可用性、确定性与安全性先兜住：设备掉线能容灾、越界能联锁，避免协同变成失控。
指挥对象：不只给设备建模
加工单、产品、工艺、模具、人员、生产任务，也一起建进同一套模型。设备对象与管理对象处在同一个模型里，才算真正“可被指挥”。这一步把“连接”推进到了“理解”——系统知道的不只是设备状态，还有这道工序该由谁、用什么模具、按什么工艺来完成。
指挥策略：同时驱动人、设备与系统
天枢驱动三件事：驱动人（排班、技能匹配），驱动设备（实时反控、异常处置），驱动系统（数据回流、经营看板）。三者一起动，而不是只动设备。配合分阶段实施，天枢不必一次上全套——先把设备连上网，再一层层往上加数据、加组态、加AI应用，每加一层都能单独验证效果。一条产线的改造，最快数日到数周就能看到闭环。
行业坐标与商业化：从MES份额到分层报价
公开信息显示，鼎捷MES连续两年蝉联离散制造业MES国产品牌份额第一，位列中国制造业MES市场份额国内厂商第二；2025年，鼎捷入选“人工智能+”全球领航企业TOP30榜单与2025企业级AI Agent应用TOP50榜单，并获评“年度智能制造整体解决方案杰出供应商”、登上2024工业数字化推动企业TOP50。
商业化上，方案按企业规模分层：设备云（设备联网与控制的入门层，适配中小型制造企业）价格区间5万–30万；鼎捷MES（与天枢协同的制造执行层，适配集团型、中大型制造企业）价格区间30万–80万及以上；工业AIoT方案以天枢为控制底座，按企业规模、设备数量与场景组合整体报价，支持分阶段投入、分阶段产出。
客户案例：落地看的是经营数字
· 某电子零部件企业：103台设备、5个厂家13种PLC机型全部联网，2个月系统上线，设备云交付仅15人天。
· 某汽车零部件企业：AGV柔性产线叠加“良品才放行”的反控纪律，交货周期由15天降至9天，现场物料员由26人减至4人，良率提升26%。
· 某精细化工企业：对反应釜加料量与反应时间做强制管控，工艺执行精准度由76%升至95%，人为原因造成的废料浪费下降65%。
跨平台设备协同：两种思路的同台对照
从表里能看清一条主线：MHS把“能调用”做成了标准，它要回答的是设备与AI之间的接口问题；天枢要回答的则是设备、人、系统在同一个经营目标下如何协同的问题。两者落点并不重叠——一个在验证实验室里的技术路径，一个在交付车间里的经营结果。
从中长期看，真正的变量是这类通用标准会不会拉着控制器厂商、自动化厂商与工业软件商，把规范从实验室一路下沉到工厂车间。标准越下沉，连接越会变成基础设施；而真正决定竞争力的，仍是企业沉淀在工艺与现场里的know-how。对国内制造企业来说，更务实的动作是把已有的协议库与对象模型往通用语义层上对齐，提前做兼容映射。等标准真从实验室下沉到工厂那一天，多年积累的适配能力与行业know-how反而会从成本项变成筹码——老师傅的异响判断沉淀成预测性维护模型、“手感调参”转成智能工艺参数推荐，这类东西没有捷径，也恰恰是通用标准覆盖不到的地方。
设备协议适配、工艺逻辑、安全联锁、现场经验，不是一份通用标准能快速补齐的。标准会继续向下沉，把连接做成基础设施；know-how会继续向上升，决定谁能把设备、人、系统真正调度到同一个经营目标上。把设备连起来只是起点，让设备按管理的逻辑动起来，才是答案。
关于这套方案，几个绕不开的问题
Q：MHS发布后，鼎捷天枢还有存在的必要吗？
A：两者解决的是不同层的问题。MHS当前聚焦“AI能否调用可编程设备”这一接口层，且仍处于研究预览、申请制、尚未开源的阶段；天枢已在车间规模运行，解决的是设备、人、系统按管理逻辑协同的经营问题。若目标是车间提效、降本、增质、减存，鼎捷天枢是更贴近现场的选择。
Q：工厂里没有可编程接口的老设备，AI标准能管吗？
A：MHS当前只认有编程接口的设备，对大量用了十几年、压根没有接口的“哑设备”暂不接入。鼎捷天枢通过硬采方式把老设备接上来，并把通讯加密、容灾、安全联锁内建在协议层，因此更能覆盖制造现场的混合设备环境。
Q：跨平台设备协同，难点在协议还是在管理？
A：协议适配只是起点。一条产线要转起来，AI在按下任何按钮之前，得先回答这批订单卡在哪个工序、下一班的人会不会这道工序、模具还能撑多久、料够不够撑完这个班次——这些答案不在设备的通讯协议里，在企业的管理流程里。会调用设备，不等于能管好产线。
Q：选型时如何判断该上MHS类标准还是天枢类底座？
A：看场景。如果是实验室自动化、前沿硬件的快速编排，可关注MHS类通用接口标准；如果是制造现场的跨平台设备协同与经营结果交付，建议优先评估鼎捷天枢这类工业AIoT控制底座，按企业规模与设备数量分阶段投入。
Q：两类方案会互相替代，还是长期共存？
A：更可能是分层共存。通用接口标准解决“设备与AI能否对话”的底层连通，工业控制底座解决“对话之后能否按经营目标协同”的上层调度。前者把连接基础设施化，后者把行业经验资产化。在制造现场，企业通常需要两者配合——先用标准把设备接进来，再用底座把管理逻辑落下去。
