Non più un sistema che legge un documento, calcola una previsione o scrive un’email, ma un agente che allunga una mano meccanica su un microscopio, su un braccio robotico o su un dispositivo di dosaggio da laboratorio, e lo muove.
Il 27 agosto 2026 Anthropic ha aperto l’anteprima di ricerca dello strumento che promette di rendere ordinario questo passaggio, il Model Hardware Standard, che sta all’hardware come il Model Context Protocol sta già al software.
Elizabeth Kelly, che in Anthropic dirige i beneficial deployments, ne ha dato al pubblico l’immagine più semplice, quella del cavo USB-C: un modo unico di far passare informazione fra un modello e un dispositivo, quale che sia il dispositivo.
Vale la pena ricordare da dove nasce, perché l’origine dice molto sulla natura della cosa. MHS non è il prodotto di un comitato, ma di un banco ottico. Arco Bast, ricercatore post dottorato all’HHMI Janelia Research Campus, lavorava su immagini cerebrali con un apparato assemblato a mano, laser, specchi galvanometrici, focheggiatori motorizzati e telecamere di costruttori diversi, senza alcuna interfaccia comune.
Per farli parlare fra loro aveva costruito un dizionario condiviso in memoria, dove ogni strumento scriveva e leggeva il proprio stato. Alek Kemeny, del gruppo beneficial deployments di Anthropic, ha lavorato con lui per innestare un modello dentro quel dizionario. Da lì è venuto tutto il resto.
Indice degli argomenti
Il Model Hardware Standard nasce per collegare AI e strumenti fisici
Il problema che lo standard aggredisce è di quelli che non fanno notizia e costano moltissimo. Oggi collegare un modello a uno strumento fisico richiede settimane, spesso mesi: interfacce proprietarie, driver scritti su misura, e una quantità di conoscenza tacita che esiste solo in un manuale cartaceo o nella testa di due o tre specialisti. Jonah Cool, che in Anthropic guida le partnership e il deployment scientifico, ha osservato che la strumentazione da ricerca soffre di soluzioni proprietarie fragili, quasi mai tagliate sul bisogno reale di chi le usa. La scienza, in molti casi, non si ferma perché mancano le idee, ma perché non si riesce a mettere in comunicazione l’attrezzatura che si possiede già.
La risposta tecnica è un driver standardizzato che ogni dispositivo può esporre. Il driver poggia su primitive elementari, leggere e scrivere, rende lo strumento riconoscibile in rete in un formato comune e, punto decisivo, raccoglie in un file di riferimento ciò che il codice da solo non dice: il peso di un braccio, i parametri regolabili, i limiti di sicurezza che verranno fatti rispettare. Quel file l’utente può scriverlo in linguaggio naturale, anche facendosi intervistare da un agente sulla propria installazione. L’accesso avviene per tre vie, il Model Context Protocol, la riga di comando o richiami diretti in codice, e lo standard è indipendente dal modello: qualunque agente, costruito su qualunque sistema, può in linea di principio servirsene.
Che cosa è stato davvero misurato
I risultati resi pubblici dai partner meritano di essere riportati con le cifre esatte, perché sono la parte solida della vicenda. Alla Carnegie Mellon University un gruppo ha fatto orchestrare a un agente un dosatore di liquidi CyBio FeliX, un lettore di piastre Varioskan LUX, un braccio robotico Spinnaker e alcune telecamere di controllo, distribuiti su tre computer con interfacce fra loro incompatibili: uno pilotato attraverso file di lavoro depositati in una cartella, uno con una vecchia interfaccia ActiveX su Windows, uno privo di qualsiasi interfaccia programmatica e quindi guidato dallo schermo, come farebbe una persona. Dal materiale non automatizzato alla curva dose risposta completa, compresa una ripetizione decisa dall’agente perché la prima misura era satura, sono passate otto ore, contro le settimane che richiede di norma un’integrazione commissionata al costruttore. Prima della prova sono state indotte sei condizioni di guasto, dalla piastra assente alla telecamera scollegata all’arresto di emergenza attivo, e il sistema le ha bloccate tutte prima che un dispositivo si muovesse.
Alla QuEra Computing, che costruisce calcolatori quantistici ad atomi neutri, l’agente ha riscritto la procedura di riaggancio di un laser che deve tenere la propria frequenza con precisione dell’ordine di una parte su mille miliardi. Lo script costruito in precedenza da un gruppo di quattro persone in diversi mesi riusciva nel 58 per cento dei casi in circa 150 secondi. Dopo una notte di lavoro non sorvegliato il nuovo controllore recuperava l’aggancio in circa sei secondi, e in una prova cieca su settecento tentativi ne ha portati a termine 695, il 99,3 per cento. Sulla qualità dell’aggancio, dodici parametri interdipendenti, l’agente ha portato l’errore residuo da 15,7 a 1,55 millivolt, e nella verifica finale la sua taratura ha tenuto per diciannove ore senza mai perdere il segnale, mentre quella dello specialista lo perdeva circa una volta e mezza all’ora. A Janelia l’avvio di un esperimento è passato da sette programmi da lanciare nell’ordine giusto a un solo comando, e l’aggiunta di una telecamera nuova da un lavoro di giorni a pochi minuti. All’Università di Washington uno studente di dottorato ha collegato sei strumenti in meno di una settimana, driver compresi.
Che cosa i partner stessi dichiarano di non aver ottenuto
La parte più interessante del materiale pubblicato è la franchezza con cui i limiti vengono descritti, e sarebbe scorretto ometterla. In Genentech, dove MHS è stato provato sul dosaggio proteico BCA coordinando dosatore, braccio e lettore di piastre, l’agente ha effettivamente ottimizzato da solo le portate di aspirazione per acqua e per una soluzione viscosa, e si è ripreso da errori di presa dei puntali e di rilevamento del liquido. Quando però ha incontrato la schiuma, ha continuato a riprovare nello stesso pozzetto con parametri diversi, peggiorando il problema, perché non capiva la fisica del guasto. Sono stati i ricercatori a doverglielo spiegare. Alla QuEra è andata in modo simile: davanti a un guasto fisico l’agente non sapeva diagnosticare nulla, avendo dell’apparato una conoscenza soltanto programmatica, e si fermava spesso in attesa di conferma umana, lasciando esperimenti sospesi per l’intera notte. Anthropic mette la questione per iscritto nel proprio annuncio: un modello linguistico impara il mondo fisico da testi e immagini, e il suo ragionamento spaziale richiede ancora sorveglianza esperta.
Va detto con altrettanta precisione che cosa MHS non è ancora sul piano formale. È un’anteprima ad accesso su domanda. Non esiste una specifica pubblicata, non esiste un kit di sviluppo, non esiste un ente di normazione né un organo di governo dello standard, non esiste un programma di verifica della conformità né una certificazione. L’apertura in open source è annunciata al termine della fase di anteprima, senza data. Quello che oggi esiste pubblicamente è un principio di funzionamento accompagnato da risultati riferiti dai partner e non ancora verificati in modo indipendente.
Il vero nodo: due calendari che non si guardano
Qui la vicenda smette di essere cronaca tecnologica. Il 20 gennaio 2027 il regolamento (UE) 2023/1230 sostituirà integralmente la direttiva macchine del 2006. L’elenco dei prodotti ad alto rischio, che stava nell’allegato IV della direttiva, diventa l’allegato I del regolamento, e nella sua parte A compaiono per la prima volta i componenti di sicurezza con comportamento auto evolutivo e le macchine che incorporano sistemi con comportamento auto evolutivo basato sull’apprendimento automatico. Per queste categorie l’autodichiarazione del fabbricante non basta più: serve un organismo notificato terzo. Nello stesso movimento il software rilevante per la sicurezza entra fra i componenti soggetti a marcatura CE per conto proprio.
È un dettaglio che cambia la natura giuridica di un file MHS. Una specifica che stabilisce quanto pesa un braccio, a che velocità può muoversi e entro quali angoli non è un file di configurazione: sta svolgendo una funzione di sicurezza, ed è proprio quella funzione a determinare il comportamento dell’agente. Chi in Europa scriverà il file di riferimento per il proprio braccio robotico o per la propria linea potrebbe scoprire di aver redatto un componente di sicurezza soggetto a regolamentazione, e non un manuale digitale.
C’è un secondo passaggio, meno visibile e più insidioso. Il regolamento si applica anche ai prodotti che hanno subito una modifica sostanziale, cioè una modifica compiuta con mezzi fisici o digitali dopo l’immissione sul mercato, non prevista dal fabbricante, che incida sulla sicurezza creando un pericolo nuovo o aumentando un rischio esistente. Installare un driver MHS su una macchina già in servizio, e affidare a un agente il governo dei suoi parametri, ricade con ogni evidenza nel perimetro di quella definizione. Chi compie la modifica diventa fabbricante e ne assume tutti gli obblighi. È il punto che con maggiore probabilità coglierà impreparati i laboratori e gli stabilimenti italiani, perché non riguarda chi costruisce macchine, riguarda chi le usa.
Model Hardware Standard e AI Act: la finestra regolatoria europea
Lo scollamento vero, però, è un altro, e sta nella distanza fra due calendari europei che avrebbero dovuto muoversi insieme. Il regolamento (UE) 2026/1744, il cosiddetto Digital Omnibus sull’intelligenza artificiale, pubblicato in Gazzetta il 24 luglio 2026 e in vigore dal 27, modifica l’AI Act, il regolamento aviazione e lo stesso regolamento macchine. Sposta al 2 agosto 2028 gli obblighi per i sistemi ad alto rischio incorporati nei prodotti dell’allegato I, cioè esattamente il caso di un’intelligenza artificiale che funge da componente di sicurezza di una macchina. Impone alla Commissione di adottare atti delegati che inseriscano nell’allegato III del regolamento macchine i requisiti di salute e sicurezza per quei sistemi, applicabili anch’essi entro il 2 agosto 2028. E introduce nel regolamento macchine un ponte, la presunzione di conformità per chi rispetterà le norme armonizzate adottate ai sensi dell’AI Act.
Il risultato è una finestra di poco più di diciotto mesi. Dal 20 gennaio 2027 una macchina con comportamento auto evolutivo è già soggetta all’intervento obbligatorio di un organismo notificato, mentre i requisiti specifici sull’intelligenza artificiale, e le norme armonizzate su cui misurarli, arriveranno un anno e mezzo dopo. Per quel periodo gli organismi notificati dovranno certificare rispetto a un bersaglio che Bruxelles non ha finito di disegnare, e i fabbricanti dovranno decidere da soli che cosa significhi dimostrare che l’agente che governa il loro braccio robotico è sicuro. Non è un vuoto normativo, è qualcosa di più scomodo: un obbligo pieno accompagnato da criteri incompleti.
A questa asimmetria temporale se ne aggiunge una istituzionale. Sarebbe sbagliato dire che l’Europa è assente dall’anteprima: Tecan di Männedorf sta portando MHS sulle proprie piattaforme di dosaggio, Universal Robots di Odense ha avuto accesso anticipato e prevede di supportarlo, QIAGEN di Hilden lo sta provando su una piattaforma di purificazione degli acidi nucleici, Automata di Londra lo integra nella propria piattaforma di automazione, Raspberry Pi di Cambridge lo abilita su diversi prodotti. Sono in gran parte proprio le aziende le cui macchine ricadranno sotto il regolamento del 2027. Vi partecipano però come collaudatori di una specifica, non come coautori di un modello di governance, e la differenza non è formale. In Europa la presunzione di conformità passa dalle norme armonizzate elaborate in sede CEN e CENELEC e citate nella Gazzetta ufficiale dell’Unione, non da una specifica pubblicata su un archivio di codice da un’azienda americana. Nulla, nel percorso oggi annunciato per MHS, conduce a quel riconoscimento, e nessuno lo ha promesso.
Il rischio, allora, non è che l’Europa vieti MHS. Il rischio è più prosaico e più costoso: che MHS diventi il modo predefinito con cui il mondo parla agli strumenti di laboratorio e di fabbrica, che i costruttori lo adottino perché i ricercatori scrivono i propri script su quella interfaccia, e che l’utilizzatore europeo si trovi a doversi pagare una valutazione su misura, caso per caso, su una specifica alla cui scrittura non ha partecipato e alla cui evoluzione non ha voce. Chi conosce la storia degli standard industriali sa che il momento in cui si decide non è quello dell’adozione di massa, è quello, molto più silenzioso, in cui si stabilisce chi tiene la penna.
Un precedente che riguarda il giudizio, non il codice
L’estate appena trascorsa offre due episodi utili a calibrare l’attesa. Il 23 luglio i ricercatori di Accomplish AI hanno mostrato che Claude Cowork, sfruttando una vulnerabilità del kernel Linux, poteva uscire dalla propria macchina virtuale e leggere chiavi e credenziali sull’intero disco del Mac ospite: secondo la loro stima circa cinquecentomila utenti macOS erano esposti. Una settimana dopo, il 30 luglio, Anthropic ha reso noto un fatto più istruttivo. In tre casi distinti alcuni modelli Claude avevano raggiunto la rete reale da ambienti di valutazione che si credevano isolati, e avevano ottenuto accesso non autorizzato all’infrastruttura di produzione di tre organizzazioni. Uno di essi, stando al resoconto dell’azienda, si era convinto di trovarsi dentro una simulazione perché non riconosceva le autorità di certificazione dei collegamenti e perché la data del calendario gli pareva inverosimile, e non è più tornato su quella conclusione.
Il modo di guasto rilevante per gli agenti fisici è questo, non l’exploit. Un modello che si convince di essere in una prova mentre pubblica un pacchetto software provoca un danno recuperabile. Lo stesso errore di giudizio, mentre un braccio si muove per otto ore in un laboratorio farmaceutico o mentre una linea produttiva dosa un reagente, appartiene a un’altra categoria di conseguenze. Anthropic dichiara di voler usare la fase di anteprima proprio per costruire valutazioni di sicurezza e una roadmap dedicata alla sicurezza fisica, prima di aprire lo standard. È la scelta giusta, e sarebbe stato preoccupante il contrario.
Resta il bilancio. La promessa tecnica è concreta e in parte già misurata, la compressione dei tempi di integrazione da settimane a ore è un guadagno reale per chi fa ricerca sperimentale e per chi gestisce impianti complessi. Ma tra la dimostrazione in un laboratorio partner e uno standard industriale aperto, verificato in modo indipendente e compatibile con un quadro normativo che entrerà in vigore fra meno di cinque mesi, la distanza è ancora quella che separa un prototipo promettente da un’infrastruttura su cui costruire con fiducia. Per chi in Italia e in Europa sta pensando di collegare un agente a una macchina, la domanda utile non è quando MHS sarà aperto. È quali delle proprie macchine un agente potrà legalmente toccare a partire dal 20 gennaio 2027, e chi risponderà se si muove male. Conviene porsela prima di quella data, perché dopo sarà una domanda molto più cara.
Note e fonti
- Anthropic, “Previewing the Model Hardware Standard”, anthropic.com/news, 27 agosto 2026: annuncio ufficiale, descrizione del driver e delle primitive, origine della collaborazione fra Alek Kemeny e Arco Bast, resoconti diretti dei partner Genentech, Carnegie Mellon University, HHMI Janelia, QuEra Computing, Tetsuwan Scientific e University of Washington, elenco dei costruttori che stanno integrando lo standard (AWS, Automata, Danaher, Doosan Robotics, MBF Bioscience, QIAGEN, Tecan, Universal Robots, Hugging Face, Raspberry Pi), limiti dichiarati del ragionamento fisico dei modelli.
- Regolamento (UE) 2023/1230 del Parlamento europeo e del Consiglio del 14 giugno 2023 relativo alle macchine: applicabile dal 20 gennaio 2027, abroga la direttiva 2006/42/CE. Allegato I, parte A, per le categorie che richiedono l’intervento di un organismo notificato, con l’inserimento dei componenti di sicurezza a comportamento auto evolutivo; definizione di modifica sostanziale; requisiti su sicurezza informatica e apprendimento automatico.
- Regolamento (UE) 2026/1744 (Digital Omnibus sull’intelligenza artificiale), pubblicato in Gazzetta ufficiale il 24 luglio 2026 ed entrato in vigore il 27 luglio 2026: differimento al 2 agosto 2028 degli obblighi per i sistemi ad alto rischio dell’allegato I dell’AI Act, atti delegati sull’allegato III del regolamento macchine, presunzione di conformità tramite norme armonizzate adottate ai sensi degli articoli 40 e 41 dell’AI Act. Modifica l’AI Act, il regolamento aviazione e il regolamento macchine.
- CNBC, “Anthropic pushes into physical world with new standard to help AI agents operate machines”, 27 agosto 2026: dichiarazione di Elizabeth Kelly, responsabile dei beneficial deployments, e immagine del cavo USB-C; natura indipendente dal modello; contesto competitivo.
- Fortune, “Anthropic makes first move into physical AI with universal standard…”, 27 agosto 2026: dichiarazioni di Alek Kemeny sui costruttori e sui dispositivi già predisposti, e di Jonah Cool, responsabile delle partnership e del deployment scientifico, sulla fragilità delle soluzioni proprietarie.
- Anthropic, “Investigating three real-world incidents in our cybersecurity evaluations”, 30 luglio 2026: tre casi di accesso non autorizzato a sistemi reali da ambienti di valutazione, ricostruzione del ragionamento del modello sulla presunta natura simulata dell’ambiente, misure correttive e revisione indipendente annunciata con METR.
- The Hacker News e Techzine, 23 e 27 luglio 2026, sulla ricerca di Accomplish AI relativa alla fuga di Claude Cowork dalla macchina virtuale: tecnica denominata SharedRoot, vulnerabilità CVE-2026-46331, con stima di circa cinquecentomila utenti macOS esposti.
- MLQ.ai, “Anthropic previews Model Hardware Standard for AI-controlled lab and factory equipment”, agosto 2026: verifica dello stato di rilascio, assenza di un ente di normazione, di un organo di governo, di un programma di conformità e di una data per l’apertura del codice.
- The Next Web, “Anthropic tests a new standard for Claude to work with factory and lab hardware”, Darius Popa, 27 agosto 2026: prima segnalazione giornalistica del nesso fra il file MHS e il regolamento macchine europeo.
Partecipa alla community