Anthropic lanza MHS para que agentes de IA operen hardware

Qué es el Model Hardware Standard y por qué importa

Anthropic presentó el jueves un nuevo marco técnico llamado Model Hardware Standard (MHS), pensado para que sus agentes de IA operen dispositivos físicos en laboratorios de investigación científica y plantas de fabricación avanzada. La compañía detrás del chatbot Claude lo describe como una capa de estandarización que permite a un agente mover un microscopio, calibrar un láser en un computador cuántico, programar un brazo robótico o coordinar varios instrumentos a la vez, sin necesidad de escribir código a medida para cada equipo.

La propia Anthropic lo compara, según reportó CNBC, con un cable USB-C: un único conector lógico que normaliza cómo se transmite la información entre dispositivos. Esa analogía no es casual. El MHS llega dos años después de que Anthropic liberara el Model Context Protocol (MCP) en 2024, el estándar abierto que hoy usan millones de aplicaciones para conectar agentes con fuentes de datos y software. MHS es, en la práctica, su hermano gemelo para el mundo físico.

El anuncio consolida un giro estratégico que la compañía viene ejecutando durante 2026: pasar de "vender un modelo más grande" a vender una plataforma operativa alrededor de Claude, con integraciones en sectores como salud, finanzas y, ahora, ciencia y manufactura. Elizabeth Kelly, head of beneficial deployments en Anthropic, dijo a CNBC que el estándar se construyó pensando en acelerar la ciencia, pero que los beneficios para industria y empresas son enormes.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Cómo funciona, según Anthropic

El marco opera sobre cualquier dispositivo con una interfaz programable. El agente envía instrucciones estandarizadas, el hardware las ejecuta, y ambos se comunican a través de una red común, sin integraciones punto a punto. Según Wired, esto resuelve uno de los cuellos de botella históricos de los laboratorios: configurar un equipo científico y ponerlo a hablar con el resto del instrumental exige expertise escaso y caro.

Los casos de uso que Anthropic menciona incluyen:

Experimentos rutinarios de descubrimiento de fármacos.
Calibración láser en hardware cuántico.
Coordinación de brazos robóticos y sistemas de fabricación.
Flujos de trabajo autónomos 24/7 con mínima intervención humana.

El MHS es además model agnostic: no obliga a usar Claude. Cualquier agente de cualquier proveedor puede adoptarlo, igual que pasó con MCP. Y ese detalle es la verdadera jugada estratégica: si el estándar se convierte en el equivalente físico del USB-C para IA, Anthropic se asegura un rol central en el stack de IA aplicada aunque su modelo no siempre gane la carrera por capacidad bruta.

Por qué Anthropic se mueve ahora al mundo físico

La movida llega en un contexto competitivo feroz. Anthropic ya ha hecho cuatro adquisiciones en lo que va de 2026, según TechCrunch, y recientemente fichó a Caitlin Kalinowski, ejecutiva de hardware que pasó por OpenAI, Meta y Apple, para construir un equipo de silicio y diseñar chips propios para sus modelos.

Mientras tanto, OpenAI reabrió su división de robótica en 2024 tras cerrarla en 2021, lanzó en mayo su propio grupo llamado OpenAI Robotics y prepara robots para infraestructura. Amazon lleva años invirtiendo miles de millones en dispositivos AI-native. Anthropic, en cambio, no había construido un laboratorio de hardware al estilo de OpenAI: su aproximación ha sido publicar research y dejar que el estándar abierto haga el trabajo de adopción.

La propia Anthropic admite en el paper, según Wired, que aún existen riesgos serios: experimentos han mostrado que los modelos pueden ser engañados para que un robot se comporte de forma peligrosa, y existen precedentes recientes de agentes que hackean sistemas externos cuando se les pide resolver problemas de ciberseguridad. La promesa del MHS es justamente poner reglas explícitas sobre qué hardware puede tocar un agente y bajo qué condiciones, igual que un operario humano sigue procedimientos de seguridad antes de tocar una máquina.

Competidores que van por la misma frontera

No es la única que empuja esta frontera. Varias startups bien financiadas están construyendo una visión de descubrimiento científico autónomo donde agentes de IA formulan hipótesis, ejecutan experimentos y validan resultados en bucle:

Periodic Labs
LILA Sciences
Edison Scientific
Discovery Loop, fundada por ex-investigadores senior de Google

En paralelo, Physical Intelligence, la startup de robótica fundada por Lachy Groom y respaldada por más de USD 1.000 millones en financiamiento (con una ronda en negociación en primavera valorándola cerca de USD 11.000 millones, según TechCrunch), estaría en conversaciones avanzadas con Anthropic tras un rumor de adquisición que la propia compañía negó. Que Anthropic publique MHS justo ahora sugiere que prefiere fijar el estándar antes que comprar a un actor puntual: el ganador de la categoría será probablemente quien defina las reglas, no quien fabrique los brazos.

¿Qué significa esto para tu startup?

El MHS todavía está en research preview con un grupo acotado de socios en ciencia, robótica y manufactura, y Anthropic planea abrir el código del estándar en una fase posterior. Eso significa que el momento de construir sobre él es ahora, mientras la lista de partners está abierta y los primeros casos de uso aún se definen.

Tres acciones concretas para founders:

Audita qué tareas físicas de tu negocio se podrían automatizar primero. Si tu startup opera en biotech, foodtech, agtech, manufactura ligera o mantenimiento industrial, mapea los flujos que hoy dependen de un operario humano programando un equipo a mano. Esos son los candidatos naturales a un agente MHS cuando el estándar esté disponible.
Diseña tus productos hardware pensando en interfaces estandarizadas, no propietarias. Si vas a vender un instrumento, un sensor o una máquina, exponer una API compatible con MHS o con MCP desde el día uno te posiciona como pieza nativa del stack de IA. El estándar USB-C ganó porque eliminó la fragmentación; el mismo efecto llegará al hardware de laboratorio.
Construye sobre MCP antes de esperar a MHS. El Model Context Protocol ya está maduro y abierto desde 2024. Invertir horas en aprender a exponer tus datos y herramientas como servidores MCP te da ventaja cuando MHS publique su primera versión open source: tu software ya hablará el lenguaje que el hardware nuevo esperará.

El mensaje de fondo es claro: la frontera competitiva en IA dejó de ser solo el modelo. Ahora importa el stack operativo alrededor del modelo, y Anthropic acaba de poner una bandera en la capa física. Los founders que entiendan eso en los próximos 12 meses van a definir la siguiente camada de productos.