英伟达押注物理AI安全：Halos从自动驾驶扩展到人形机器人

英伟达的市值已达数万亿美元，投资者通常把它与AI数据中心联系在一起。但这家芯片公司同时在物理AI上押下了数十亿美元，涵盖机器人和自动驾驶。据Ars Technica记者Jeremy Hsu于2026年10月8日的报道，这场押注的一个重要部分，是开发一套全栈安全系统，让企业在其上构建产品，降低机器伤害周围人员的风险。 一、发布了什么 英伟达的Halos系统于2025年推出，包含硬件和软件工具，帮助开发者为自动驾驶汽车及其他自主车辆建立安全护栏。2026年6月，公司宣布Halos for Robotics，把安全架构扩展到更多物理AI场景：仓库里的自主移动机器人、工厂里行走的人形机器人，甚至手术机器人。英伟达机器人生态与边缘计算负责人阿米特·戈尔对Ars表示，AI模型和机器人硬件都已足够强大，下一个瓶颈就是安全，这正是推出该系统的原因。 商业背景同样重要。黄仁勋在2026年3月的All-In播客上称，物理AI业务每年已带来近100亿美元的收入。早在2025年，他就把物理AI称为英伟达第二重要的增长类别。英伟达还直接投资了多家机器人公司，包括人形机器人初创企业Agility Robotics和Figure AI，以及开发机器人基础模型的公司，并与中国人形机器人公司宇树科技合作，为研究者提供『开放人形机器人参考设计』。 二、技术架构：从芯片到仿真的全栈 这套系统从硬件开始。IGX Thor是面向机器人和工业应用的计算模块，带有一个专门处理安全相关负载的独立处理器。戈尔指出，在物理AI中，功能系统和安全系统需要运行在同一块硅片上。 软件层面，Halos操作系统被设计成对『每一个硬件模块』和『每一个软件库』持续监控，以便迅速发现故障。系统还会隔离安全关键的计算负载，避免任何潜在干扰。 数据层面，Holoscan传感器桥把传感器数据与安全相关的计算处理连接起来，并能轻松识别被损坏的数据。它可以嵌入单个硬件组件，例如微控制器或现场可编程门阵列（FPGA）。

此外，Halos套件还包含用于在虚拟环境中测试机器人的仿真工具，以及一项检测实验室计划，让机器人公司和其他合作伙伴能够就开发过程中出现的安全『工件』快速获得反馈。 三、为什么从汽车到机器人并不简单 把Halos从自动驾驶移植到机器人，需要容纳多种不同的安全定义。汽车的功能安全定义在不同车企和国家之间大体相同，但家用吸尘机器人和仓库码头上搬运重载的机器人叉车，安全考量天差地别。 戈尔说，团队必须重新构想并做大量基础工作，建立一个可编程的平台，给开发者足够的接口去定义自定义安全功能，同时不破坏底层基础设施。他强调，提供灵活性可能以失去对技术栈的部分控制为代价，这正是设计中最难平衡的地方。 自定义安全功能之所以必要，是因为机器人身处复杂多样的环境。他举例说，一台以每小时约六英里速度驶过通道的机器人看不到盲区，也不知道拐角后会出现什么，所以机器人通常会在转弯前几乎停下来。工厂、仓库和医院都是非结构化环境，事物可能从任何方向出现。 四、真实部署 Agility Robotics是第一家把Halos整合进最新Digit 5人形机器人的公司。Digit 5设计目标是在不需要隔离工位或物理屏障的情况下，安全地与人共处。英伟达系统帮助Agility把所有相关的安全传感器和硬件都放进机器人本体，而此前的Digit运行还依赖布置在工作单元周围的外部传感器。戈尔说，机器人现在真正『不再被拴住』，安全跟着机器人走，不必每次执行新任务都重新搭建基础设施。 总部位于马萨诸塞州的波士顿动力是Halos安全认证计划的早期伙伴，重点是建立涵盖Spot机器狗、配有大型机械臂的轮式Stretch以及Atlas人形机器人的安全平台。Atlas最早可能在2028年前后进入母公司现代汽车的工厂。德国的KION集团（部署自动叉车和其他自主移动机器人）以及韩国的LG等公司也在采用Halos。 五、对产业的意义 对开发者而言，最直接的变化是安全能力从自研变成可复用的平台能力。过去每家机器人公司都要自行搭建安全监控、故障检测和验证流程；现在可以在统一的芯片、操作系统、传感器桥和仿真工具上构建，并借助检测实验室更快拿到反馈。这有望缩短认证周期，让团队把精力放在应用本身。 对企业客户而言，安全随机器人移动意味着部署成本下降。工厂和仓库不必为每个新任务布设专用传感器和隔离围栏，机器人可以在更大范围内灵活作业。 对生态而言，英伟达进一步巩固了从芯片、模型、仿真到安全的一体化位置。这也带来一个值得关注的问题：当多家厂商共用同一安全平台，平台自身的缺陷会不会成为共同风险？文章并未给出此类数据，读者应保持审慎。

六、展望与挑战 安全认证的价值最终取决于现场表现。可编程的安全层把责任分给了英伟达和开发者双方，开发者定义的自定义安全功能如果设计不当，平台也无法完全兜底。非结构化环境中的盲区问题，也只能靠更好的感知、预测和保守的运动策略逐步缓解。 不过方向已经清晰：当模型和硬件不再是瓶颈，能否证明机器人在人群中是安全的，将决定物理AI能否走出演示，进入大规模商业部署。英伟达选择在这一环节投入，说明它认为安全本身就是一块能带来平台粘性的战略资产。