NVIDIA推出Halos：具身智能全栈安全系统

物理 AI（Physical AI）正在加速从前沿实验室走向规模化商用。ABI Research 预测，到 2035 年全球将有 4900 万辆 L3 至 L5 级自动驾驶汽车（AV）投入运营；Omdia 则估算，2026 至 2035 年间将有约 6000 万台工业机器人进驻实体场景。当自主机器进入道路、工厂和仓库等与人类共处的物理空间，安全保障必须同步实现规模化。

物理 AI 的安全本质，在于确保自动驾驶汽车、人形机器人及工业机器人将 AI 决策转化为物理动作时具备可靠的安全性。这并非交付前的一次性测试，而是需要贯穿硬件、底层软件、AI 行为机制、运行环境以及整个部署生命周期。

为什么物理 AI 亟需全新安全模型？

传统的工业与汽车安全标准正在经历四大范式转变：

1. 动态环境需要情境感知安全：开放道路与仓储车间无法完全依赖静态围栏隔离。系统必须实时感知多变环境，动态调整行为，并在出现突发异常时自主进入安全状态。
2. AI 行为需要独立的信任保证：AI 软件需要与传统功能安全并列测试，依托设计时、运行时与验证时的多重安全护栏。诸如 ISO/IEC TS 22440 等新兴行业标准正逐步规范此类 AI 专有风险。
3. 部署生命周期始终处于动态迭代中：自动驾驶汽车和机器人会持续经历软件版本更新、模型迭代、任务拓展以及运行工况改变，任何实质性调整都需要匹配持续的安全评测。
4. 规模化验证高度依赖仿真与合成数据：极端边缘场景（Corner Cases）复杂繁复，仅靠实车道路测试难以穷尽，必须将现实测试与物理级仿真、合成数据生成及场景重构深度融合。

NVIDIA 构建的物理 AI 安全基座

物理 AI 的安全工程极其复杂，极少有单一团队能够独立覆盖所有环节。NVIDIA 基于十余年自动驾驶安全研发积累，正式推出业内首个物理 AI 全栈安全系统——NVIDIA Halos，协助开发者在设计、验证和部署的全流程中筑牢安全防线。

在自动驾驶领域，Halos 覆盖：

• 计算硬件：NVIDIA DRIVE AGX Thor 带来具备安全工程保障的高性能算力平台，NVIDIA Hyperion 提供面向 L4 级别的整车参考架构。
• 系统与中间件：Halos OS 基于通过 ASIL-D 认证的 DriveOS 构建，Halos Core 与 Halos 中间件负责系统隔离、健康监控及确定性低延迟通信。
• 端到端模型：NVIDIA Alpamayo 开源推理视觉语言动作（VLA）模型，提升自动驾驶在复杂长尾场景下的可解释性。
• 仿真与评测：NVIDIA Halos 安全评估框架提供全套工具与指导规范，沉淀安全用例证据链。

在机器人领域，Halos 覆盖：

• 工业级计算：NVIDIA IGX Thor 将加速计算与功能安全集成在单一模块中，配备独立的“功能安全岛”（Functional Safety Island），原生支持 IEC 61508 和 ISO 13849 等严苛标准。