輝達押注實體AI安全：Halos從自動駕駛擴展到人形機器人

輝達的市值已達數兆美元，投資人通常把它與AI資料中心聯繫在一起。但這家晶片公司同時在實體AI上押下了數十億美元，涵蓋機器人和自動駕駛。據Ars Technica記者Jeremy Hsu於2026年10月8日的報導，這場押注的一個重要部分，是開發一套全端安全系統，讓企業在其上建構產品，降低機器傷害周圍人員的風險。 一、發布了什麼 輝達的Halos系統於2025年推出，包含硬體和軟體工具，協助開發者為自動駕駛汽車及其他自主車輛建立安全護欄。2026年6月，公司宣布Halos for Robotics，把安全架構擴展到更多實體AI場景：倉庫裡的自主移動機器人、工廠裡行走的人形機器人，甚至手術機器人。輝達機器人生態與邊緣運算負責人阿米特·戈爾對Ars表示，AI模型和機器人硬體都已足夠強大，下一個瓶頸就是安全，這正是推出該系統的原因。 商業背景同樣重要。黃仁勳在2026年3月的All-In播客上稱，實體AI業務每年已帶來近100億美元的營收。早在2025年，他就把實體AI稱為輝達第二重要的成長類別。輝達還直接投資了多家機器人公司，包括人形機器人新創Agility Robotics和Figure AI，以及開發機器人基礎模型的公司，並與中國人形機器人公司宇樹科技合作，為研究者提供『開放人形機器人參考設計』。 二、技術架構：從晶片到模擬的全端 這套系統從硬體開始。IGX Thor是面向機器人和工業應用的運算模組，帶有一個專門處理安全相關負載的獨立處理器。戈爾指出，在實體AI中，功能系統和安全系統需要運行在同一塊矽片上。 軟體層面，Halos作業系統被設計成對『每一個硬體模組』和『每一個軟體函式庫』持續監控，以便迅速發現故障。系統還會隔離安全關鍵的運算負載，避免任何潛在干擾。 資料層面，Holoscan感測器橋把感測器資料與安全相關的運算處理連接起來，並能輕鬆識別被損壞的資料。它可以嵌入單個硬體元件，例如微控制器或現場可程式化閘陣列（FPGA）。

此外，Halos套件還包含用於在虛擬環境中測試機器人的模擬工具，以及一項檢測實驗室計畫，讓機器人公司和其他合作夥伴能夠就開發過程中出現的安全『工件』快速獲得回饋。 三、為什麼從汽車到機器人並不簡單 把Halos從自動駕駛移植到機器人，需要容納多種不同的安全定義。汽車的功能安全定義在不同車廠和國家之間大體相同，但家用吸塵機器人和倉庫碼頭上搬運重載的機器人堆高機，安全考量天差地別。 戈爾說，團隊必須重新構想並做大量基礎工作，建立一個可程式化的平台，給開發者足夠的介面去定義自訂安全功能，同時不破壞底層基礎設施。他強調，提供彈性可能以失去對技術堆疊的部分控制為代價，這正是設計中最難平衡的地方。 自訂安全功能之所以必要，是因為機器人身處複雜多樣的環境。他舉例說，一台以每小時約六英里速度駛過通道的機器人看不到盲區，也不知道轉角後會出現什麼，所以機器人通常會在轉彎前幾乎停下來。工廠、倉庫和醫院都是非結構化環境，事物可能從任何方向出現。 四、真實部署 Agility Robotics是第一家把Halos整合進最新Digit 5人形機器人的公司。Digit 5設計目標是在不需要隔離工位或實體屏障的情況下，安全地與人共處。輝達系統協助Agility把所有相關的安全感測器和硬體都放進機器人本體，而此前的Digit運作還依賴佈置在工作單元周圍的外部感測器。戈爾說，機器人現在真正『不再被拴住』，安全跟著機器人走，不必每次執行新任務都重新搭建基礎設施。 總部位於麻薩諸塞州的波士頓動力是Halos安全認證計畫的早期夥伴，重點是建立涵蓋Spot機器狗、配有大型機械臂的輪式Stretch以及Atlas人形機器人的安全平台。Atlas最早可能在2028年前後進入母公司現代汽車的工廠。德國的KION集團（部署自動堆高機和其他自主移動機器人）以及南韓的LG等公司也在採用Halos。 五、對產業的意義 對開發者而言，最直接的變化是安全能力從自研變成可重複使用的平台能力。過去每家機器人公司都要自行搭建安全監控、故障偵測和驗證流程；現在可以在統一的晶片、作業系統、感測器橋和模擬工具上建構，並借助檢測實驗室更快拿到回饋。這有望縮短認證週期，讓團隊把精力放在應用本身。 對企業客戶而言，安全隨機器人移動意味著部署成本下降。工廠和倉庫不必為每個新任務佈設專用感測器和隔離圍欄，機器人可以在更大範圍內靈活作業。 對生態而言，輝達進一步鞏固了從晶片、模型、模擬到安全的一體化位置。這也帶來一個值得關注的問題：當多家廠商共用同一安全平台，平台自身的缺陷會不會成為共同風險？文章並未給出此類資料，讀者應保持審慎。

六、展望與挑戰 安全認證的價值最終取決於現場表現。可程式化的安全層把責任分給了輝達和開發者雙方，開發者定義的自訂安全功能如果設計不當，平台也無法完全兜底。非結構化環境中的盲區問題，也只能靠更好的感知、預測和保守的運動策略逐步緩解。 不過方向已經清晰：當模型和硬體不再是瓶頸，能否證明機器人在人群中是安全的，將決定實體AI能否走出展示，進入大規模商業部署。輝達選擇在這一環節投入，說明它認為安全本身就是一塊能帶來平台黏著度的策略資產。