機(jī)器人全棧操作系統(tǒng)！老黃率先拋出“具身版安卓”

henry 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

英偉達(dá)不造機(jī)器人，但要幫具身企業(yè)造好機(jī)器人（doge）

剛剛，在芝加哥Automate 2026大會(huì)上，英偉達(dá)發(fā)布了Halos for Robotics

一套覆蓋芯片、傳感器、操作系統(tǒng)到安全認(rèn)證的全棧機(jī)器人安全系統(tǒng)。

Halos最大的特點(diǎn)，是把英偉達(dá)過去在自動(dòng)駕駛領(lǐng)域超過18600工程人年的安全積累和700萬行經(jīng)過驗(yàn)證的代碼，搬到了機(jī)器人賽道，為自主機(jī)器人提供統(tǒng)一的安全架構(gòu)。

有了它，機(jī)器人公司不用再從零造輪子，接入即可使用。更關(guān)鍵的是，Halos的核心安全框架已經(jīng)開源，向行業(yè)開放。

可以說，如果特斯拉做具身智能走的是iOS路線，自己造機(jī)器人、自己做安全，那么英偉達(dá)選的就是安卓路線，把安全平臺(tái)開放給所有人。

值得一提的是，目前已經(jīng)有不少公司入伙Halos生態(tài)，成為首批合作伙伴，包括人形機(jī)器人公司Agility、波士頓動(dòng)力、激光雷達(dá)廠商禾賽科技、安全機(jī)器人公司FORT Robotics等，整體生態(tài)已經(jīng)擴(kuò)展到43家往上。

其中，Agility已經(jīng)率先吃上“螃蟹”，將Halos整合進(jìn)自家的Digit機(jī)器人，在亞馬遜、GXO、豐田的工廠里持證上崗。

視頻里這個(gè)穿著安全背心的機(jī)器人，正穿梭在工廠傳送帶之間，承擔(dān)搬運(yùn)和物流等實(shí)際工作。

從芯片到軟件，安全管三層

那這個(gè)新的安全系統(tǒng)Halos到底是個(gè)什么東西？

按照英偉達(dá)官方的架構(gòu)，Halos可以分成四層，從下到上分別是：平臺(tái)安全安全操作系統(tǒng)算法安全生態(tài)安全

這四層其實(shí)對(duì)應(yīng)的是同一個(gè)問題的四個(gè)維度——

機(jī)器人在現(xiàn)實(shí)世界運(yùn)行時(shí)，可能出錯(cuò)的四個(gè)來源：硬件、軟件系統(tǒng)、模型決策，以及外部認(rèn)證與生態(tài)。

首先是平臺(tái)安全，解決底層硬件不能失控

英偉達(dá)在這一層拿出了IGX Thor，一顆面向機(jī)器人與工業(yè)場(chǎng)景的AI計(jì)算平臺(tái)。

它內(nèi)部設(shè)置了一個(gè)獨(dú)立的“安全島”，擁有獨(dú)立的處理器、I/O、電源和時(shí)鐘，與主計(jì)算系統(tǒng)物理隔離。

即使主AI系統(tǒng)崩潰、重啟甚至異常運(yùn)行，安全島仍然可以獨(dú)立執(zhí)行緊急制動(dòng)等關(guān)鍵功能。

這有點(diǎn)像飛機(jī)的備用系統(tǒng)，當(dāng)主系統(tǒng)失效時(shí)，備用系統(tǒng)仍然能接管控制。

同一層還有Holoscan Sensor Bridge，用來解決另一個(gè)關(guān)鍵問題：傳感器異構(gòu)帶來的延遲與錯(cuò)配。

機(jī)器人通常同時(shí)搭載激光雷達(dá)、深度相機(jī)、IMU、力矩傳感器等設(shè)備，但這些設(shè)備來自不同廠商、運(yùn)行在不同協(xié)議上。

如果數(shù)據(jù)需要層層排隊(duì)處理，就可能在幾十毫秒內(nèi)錯(cuò)過安全窗口。

Sensor Bridge的作用，是把所有傳感器數(shù)據(jù)統(tǒng)一接入安全計(jì)算域，實(shí)現(xiàn)低延遲同步處理，并達(dá)到SIL 2級(jí)安全保證。

第二層：安全操作系統(tǒng)，解決“系統(tǒng)本身會(huì)不會(huì)出錯(cuò)”

如果說第一層管“硬件不崩”，這一層管的是“系統(tǒng)不亂”。

Halos OS運(yùn)行在IGX Thor之上，底層是Halos Core，支持兩種模式：純Linux，或者Linux + QNX混合架構(gòu)。

在后者中，英偉達(dá)通過Hypervisor把系統(tǒng)拆成兩個(gè)隔離域：Linux負(fù)責(zé)AI計(jì)算與應(yīng)用，QNX負(fù)責(zé)安全關(guān)鍵任務(wù)。兩者完全隔離運(yùn)行。

這意味著即使AI應(yīng)用層出現(xiàn)異常，也不會(huì)影響安全控制邏輯。這一層相當(dāng)于在“硬件安全島”之外，再加一層“軟件隔離墻”。

在此之上，是安全應(yīng)用模塊，其中最典型的是Outside-In Safety Blueprint。

它的思路是：不只讓機(jī)器人自己看世界，還引入外部視角。

比如在工廠天花板安裝攝像頭，由獨(dú)立AI從第三方視角監(jiān)控機(jī)器人行為。

在一個(gè)具體場(chǎng)景中，自主叉車在拖車內(nèi)作業(yè)時(shí)，車載傳感器容易誤判空間邊界，導(dǎo)致頻繁急停。

而Outside-In系統(tǒng)可以在確認(rèn)環(huán)境安全時(shí)允許更高效率運(yùn)行，一旦有人進(jìn)入危險(xiǎn)區(qū)域，再立即接管干預(yù)。

這一能力目前已向開發(fā)者開放，并以開源形式提供。

第三層：算法安全，解決“AI本身會(huì)不會(huì)判斷錯(cuò)”

前兩層保證的是“系統(tǒng)可靠”，但機(jī)器人真正的風(fēng)險(xiǎn)，其實(shí)來自更上層——模型本身。

無論是VLA（視覺語言動(dòng)作模型）還是VLM（視覺語言模型），它們的決策都可能出錯(cuò)。

例如把紙箱誤判為人，或者把人誤判為障礙物。這類錯(cuò)誤不是系統(tǒng)崩潰，而是“理解錯(cuò)誤”。

算法安全這一層的目標(biāo)，就是評(píng)估并約束模型在物理世界中的行為安全性，確保錯(cuò)誤不會(huì)轉(zhuǎn)化為危險(xiǎn)動(dòng)作。

第四層：生態(tài)安全，解決“誰來認(rèn)證、誰來負(fù)責(zé)”

最上層是生態(tài)安全，負(fù)責(zé)把整套體系變成“行業(yè)標(biāo)準(zhǔn)”。

英偉達(dá)建立了Halos AI Systems Inspection Lab，并獲得全球首個(gè)物理AI領(lǐng)域的ISO/IEC 17020檢測(cè)資質(zhì)。TüV Rheinland、TüV SüD、UL Solutions、SGS、exida、CertX等認(rèn)證機(jī)構(gòu)均認(rèn)可其檢測(cè)結(jié)果。

這意味著機(jī)器人公司可以先在英偉達(dá)完成預(yù)檢，再進(jìn)入正式認(rèn)證流程，大幅降低時(shí)間和成本。

過去，這一環(huán)節(jié)是碎片化的：傳感器、控制器、視覺系統(tǒng)各自認(rèn)證、各自標(biāo)準(zhǔn)，企業(yè)需要自己拼裝并重新認(rèn)證。

而Halos第一次把從芯片、系統(tǒng)、模型到認(rèn)證的流程，統(tǒng)一進(jìn)一個(gè)體系中。

為什么機(jī)器人需要一套“安全系統(tǒng)”？

相信不少朋友在看到這條新聞時(shí)，都會(huì)冒出一個(gè)相似的疑問：

為什么工業(yè)機(jī)器人已經(jīng)好好地用了幾十年，英偉達(dá)卻偏偏在2026年專門發(fā)布一套機(jī)器人安全系統(tǒng)？

原因很簡(jiǎn)單，因?yàn)楝F(xiàn)在的具身智能機(jī)器人正在從實(shí)驗(yàn)室走向真實(shí)世界的工業(yè)場(chǎng)景。

在過去，工業(yè)機(jī)械臂被固定在工作站內(nèi)，動(dòng)作軌跡提前編程好，人和機(jī)器之間由護(hù)欄隔離，安全主要依賴物理邊界。

但現(xiàn)在，新一代機(jī)器人開始進(jìn)入工廠、倉庫甚至辦公室，與人類共享同一個(gè)空間。

與此同時(shí)，驅(qū)動(dòng)它們的也不再是固定規(guī)則，而是具身基礎(chǔ)模型、分布式傳感器與實(shí)時(shí)決策系統(tǒng)。

這帶來的變化是：機(jī)器人不再是“確定性執(zhí)行器”，而變成了“帶不確定性的自主體”。

即便在工廠這種高度結(jié)構(gòu)化的環(huán)境中，不同機(jī)器人之間的協(xié)作、物料流動(dòng)、產(chǎn)線布局變化，以及對(duì)周圍環(huán)境的部分不可觀測(cè)性，都會(huì)不斷引入新的風(fēng)險(xiǎn)變量。

這使得“安全”不再只是機(jī)械隔離問題，而變成了系統(tǒng)級(jí)問題。

對(duì)于安全性之于機(jī)器人進(jìn)工廠的必要性，Agility CEOPeggy Johnson也是表示：

人形機(jī)器人要大規(guī)模創(chuàng)造價(jià)值，安全必須內(nèi)建在機(jī)器人里，并且在整個(gè)系統(tǒng)層面得到驗(yàn)證。這不是可選項(xiàng)，而是人形機(jī)器人進(jìn)入工業(yè)流程的前提條件。

英偉達(dá)機(jī)器人與邊緣AI副總裁Deepu Talla的判斷則更進(jìn)一步：

如果機(jī)器人要規(guī)模化部署到工廠、倉庫和物流環(huán)境，行業(yè)需要一套統(tǒng)一的安全架構(gòu)。

換句話說。機(jī)器人行業(yè)今天遇到的問題，和十幾年前自動(dòng)駕駛很像——模型越來越聰明，但真正決定能不能落地的，往往不是模型本身，而是安全。

而Halos，正是英偉達(dá)給出的答案。

英偉達(dá)的全棧系統(tǒng)補(bǔ)齊最后一塊拼圖

說到最后，英偉達(dá)的機(jī)器人全棧布局，其實(shí)已經(jīng)成型了。

如果把這套體系拆開來看，大致可以分成四層：訓(xùn)練、仿真、模型與推理。

• Isaac Sim負(fù)責(zé)仿真訓(xùn)練，讓機(jī)器人在虛擬環(huán)境中學(xué)習(xí)如何與世界交互；
• GR00T提供基礎(chǔ)模型，讓機(jī)器人理解指令、識(shí)別環(huán)境并生成動(dòng)作；
• Cosmos構(gòu)建世界模型，用來預(yù)測(cè)物理世界在不同動(dòng)作下的演化結(jié)果；
• Jetson Thor則負(fù)責(zé)邊緣推理，把這些能力真正運(yùn)行在機(jī)器人本體上。

從訓(xùn)練到仿真，從模型到部署推理，整條技術(shù)鏈路的每一層，都有英偉達(dá)的產(chǎn)品在覆蓋。

而現(xiàn)在，Halos補(bǔ)上了最后一塊拼圖：安全與準(zhǔn)入。

一旦這套流程走完，機(jī)器人幾乎就被完整地嵌入了這條技術(shù)棧之中。

如果再更換任何一層（尤其是安全與認(rèn)證體系），都意味著要重新走一遍驗(yàn)證流程，時(shí)間與成本都會(huì)重新沉沒。

于是局面也變得很明朗：英偉達(dá)不造機(jī)器人，但它已經(jīng)在從硅片到仿真、從模型到安全認(rèn)證的每一層留下自己的接口。

這不只是“幫你造好機(jī)器人”，更像是在定義——

機(jī)器人該怎么被造出來。

參考鏈接[1]https://nvidianews.nvidia.com/news/nvidia-announces-halos-for-robotics-the-industrys-first-full-stack-safety-system-for-physical-ai

[2]https://www.nvidia.com/en-us/ai-trust-center/halos/robotics/

[3]https://developer.nvidia.com/blog/inside-nvidia-halos-for-robotics-a-full-stack-functional-safety-system-for-physical-ai/