英伟达发布机器人全栈安全系统Halos,开源核心框架
在芝加哥Automate 2026大会上,英伟达推出Halos for Robotics,这是一套覆盖芯片、传感器、操作系统到安全认证的全栈机器人安全系统。该系统将英伟达在自动驾驶领域超过18,600工程人年的安全积累和700万行经过验证的代码引入机器人赛道,为自主机器人提供统一安全架构,其核心安全框架已开源。
在芝加哥举行的Automate 2026大会上,英伟达正式发布了Halos for Robotics,一套覆盖芯片、传感器、操作系统到安全认证的全栈机器人安全系统。英伟达不直接制造机器人,而是将自身在自动驾驶领域积累超过18,600工程人年的安全经验和700万行经过验证的代码,移植到机器人赛道,为自主机器人提供统一的安全架构。这意味着机器人公司无需从零构建安全体系,接入即可使用,且Halos的核心安全框架已经开源,向整个行业开放。
Halos的架构分为四个层次,从下至上依次解决机器人在现实世界运行中可能出错的四个来源。最底层的平台安全聚焦硬件可靠性,英伟达为此推出了IGX Thor计算平台,其内部设有一个独立的“安全岛”,拥有独立的处理器、I/O、电源和时钟,与主计算系统物理隔离。即使主AI系统崩溃或异常,安全岛仍可独立执行紧急制动等关键功能。同一层还有Holoscan Sensor Bridge,用于统一接入激光雷达、深度相机、IMU等来自不同厂商、运行在不同协议上的传感器数据,实现低延迟同步处理,并达到SIL 2级安全保证。
第二层是安全操作系统,解决系统本身的可靠性问题。Halos OS运行在IGX Thor之上,底层Halos Core支持纯Linux或Linux加QNX的混合架构。通过Hypervisor将系统拆分为两个隔离域,Linux负责AI计算与应用,QNX负责安全关键任务,两者完全隔离,即使AI应用层出现异常也不会影响安全控制逻辑。该层还包含Outside-In Safety Blueprint,通过引入外部视角,例如在工厂天花板安装摄像头,由独立AI从第三方视角监控机器人行为,在确认环境安全时允许高效运行,一旦有人进入危险区域则立即接管干预,该能力已向开发者开源。
第三层算法安全针对模型本身的判断风险。无论是VLA还是VLM模型,都可能将纸箱误判为人或把人误判为障碍物,这类“理解错误”并非系统崩溃,但可能转化为危险动作。算法安全层的目标是评估并约束模型在物理世界中的行为安全性。最上层的生态安全则负责将整套体系推向行业标准。英伟达建立了Halos AI Systems Inspection Lab,并获得全球首个物理AI领域的ISO/IEC 17020检测资质,TÜV Rheinland、TÜV SÜD、UL Solutions等认证机构均认可其检测结果,机器人公司可先在英伟达完成预检再进入正式认证,大幅降低时间和成本。
目前Halos生态已扩展至43家以上合作伙伴,包括人形机器人公司Agility Robotics、波士顿动力、激光雷达厂商禾赛科技以及安全机器人公司FORT Robotics等。Agility已率先将Halos整合进其Digit机器人,在亚马逊、GXO和丰田的工厂中承担搬运和物流等实际工作。Agility CEO Peggy Johnson表示,人形机器人要大规模创造价值,安全必须内建在机器人里并在整个系统层面得到验证,这是进入工业流程的前提条件。英伟达机器人与边缘AI副总裁Deepu Talla则认为,机器人行业今天遇到的问题与十几年前的自动驾驶类似,模型越来越聪明,但真正决定能否落地的往往是安全,行业需要一套统一的安全架构。
随着Halos的发布,英伟达的机器人全栈布局已基本成型。此前,Isaac Sim负责仿真训练,GR00T提供基础模型,Cosmos构建世界模型,Jetson Thor负责边缘推理,从训练、仿真到模型部署推理,每一层均有英伟达产品覆盖。Halos补上了最后一块拼图——安全与准入,一旦机器人完整嵌入这条技术栈,更换任何一层都意味着重新走一遍验证流程,时间与成本将重新沉没。英伟达不造机器人,但已在从硅片到仿真、从模型到安全认证的每一层留下自己的接口。
为什么重要英伟达推出机器人全栈安全系统并开源核心框架,标志着具身智能从实验室走向工业场景的关键基础设施正在形成,对关注机器人产业链和AI落地的美股投资者具有重要参考意义。