NVIDIA Halos Menghubungkan Pengembangan AI, Deployment, dan Bukti Keselamatan

NVIDIA Halos dirancang sebagai kerangka keselamatan berbasis bukti untuk physical AI—AI yang berinteraksi dengan dunia fisik—bukan satu komponen yang dengan sendirinya dapat membuat kendaraan otonom atau robot menjadi aman. Tujuannya adalah menghubungkan pekerjaan yang relevan terhadap keselamatan pada pengembangan model, simulasi, rekayasa perangkat keras dan perangkat lunak, deployment, serta pembaruan berikutnya. Dengan begitu, pengembang memiliki dasar yang dapat ditelusuri untuk menilai sistem sepanjang siklus hidupnya. 56

Pembedaan ini penting. Chip yang telah dinilai dari sisi keselamatan, komponen sistem operasi yang tersertifikasi, atau integrasi yang telah diinspeksi dapat memperkuat argumen keselamatan. Namun, perusahaan yang membangun dan mengoperasikan kendaraan atau robot tetap bertanggung jawab memvalidasi produk secara menyeluruh, memenuhi ketentuan regulator, dan menjalankannya dengan aman. Rencana Einride untuk sistem truk otonom generasi berikutnya menggambarkan pembagian tanggung jawab tersebut. 4

Dari pengembangan di cloud ke mesin yang beroperasi

Halos menyatukan arsitektur kendaraan atau robot, chip, perangkat lunak operasi, model AI, alat pengembangan, dan layanan. Untuk pengembangan kendaraan otonom, NVIDIA menggambarkan alur kerja yang mencakup pelatihan serta pengujian model, simulasi menggunakan Omniverse dan Cosmos, validasi tumpukan perangkat keras/perangkat lunak yang terkait keselamatan, lalu deployment di kendaraan. 56

Gagasan utamanya adalah keterlacakan. Bukti yang dihasilkan pada satu tahap seharusnya dapat dipakai pada tahap berikutnya. Saat model atau sistem berubah, perubahan itu dapat dinilai dengan merujuk hasil validasi dan simulasi sebelumnya, bukan diperlakukan sebagai rilis perangkat lunak yang berdiri sendiri. NVIDIA menyatakan pendekatan ini dapat membuat rekayasa keselamatan lebih konsisten saat sistem, konfigurasi sensor, dan perangkat lunak terus berevolusi. 6

NVIDIA membagi cakupan Halos ke dalam tiga lapisan: keselamatan platform, keselamatan algoritmik, dan keselamatan ekosistem. Keselamatan platform berfokus pada fondasi komputasi dan perangkat lunak; keselamatan algoritmik menyangkut perilaku AI; sedangkan keselamatan ekosistem meliputi integrasi, inspeksi, serta jaringan pemasok dan lembaga sertifikasi. 13

Komponen Halos untuk kendaraan otonom

Elemen utama Halos untuk kendaraan otonom atau autonomous vehicle (AV) meliputi:

• NVIDIA DRIVE AGX Thor, platform komputasi terakselerasi yang direkayasa dengan pertimbangan keselamatan.
• NVIDIA Hyperion, platform kendaraan full-stack dan arsitektur referensi untuk otonomi Level 4.
• Halos OS, fondasi perangkat lunak keselamatan terpadu yang dibangun di atas Halos Core, penerus NVIDIA DriveOS.
• NVIDIA Omniverse dan Cosmos, bagian dari rangkaian alat cloud dan simulasi NVIDIA untuk pengembangan serta validasi. 610

Hyperion bukan robotaksi atau truk otonom siap pakai. Platform ini adalah arsitektur referensi yang menyatukan fondasi komputasi, sensor, dan perangkat lunak; produsen kendaraan kemudian menyesuaikannya untuk aplikasi serta argumen keselamatan masing-masing. 314

Rencana Einride memakai Hyperion

Einride menyatakan akan mengembangkan generasi berikutnya dari sistem truk otonom Einride Driver di atas NVIDIA Hyperion. Kolaborasi tersebut mencakup penyesuaian arsitektur komputasi, sensor, perangkat lunak, dan keselamatan Hyperion untuk kebutuhan angkutan barang berat, serta pemanfaatan Halos dan Cosmos untuk pengembangan serta validasi. 34

NVIDIA menyediakan platform komputasi dasar, alat pengembangan AI, dan kerangka keselamatan. Sementara itu, Einride tetap memegang tanggung jawab atas sistem mengemudi ujung ke ujung, validasi keselamatan, persetujuan regulator, serta deployment kepada pelanggan. 4

Apa yang ditambahkan Halos untuk robotika

NVIDIA memperluas Halos ke robotika dan physical AI melalui tumpukan teknologi khusus domain. Fondasi yang disebutkan mencakup NVIDIA IGX Thor untuk AI tepi (edge AI) industri dan NVIDIA Holoscan Sensor Bridge untuk I/O serta pemrosesan sensor, bersama fondasi perangkat lunak Halos dan jalur inspeksinya. 118

Prinsip keselamatannya memang serupa dengan AV, tetapi NVIDIA menyebut platform, standar, dan bukti pendukungnya tetap spesifik untuk domain robotika. Ini batasan yang penting: satu kerangka bersama bukan berarti kebutuhan keselamatan robot pabrik, robot bergerak, dan kendaraan otonom dapat dipertukarkan begitu saja. 6

Ekosistem: pengembang, sensor, chip, hingga integrasi

NVIDIA menyebut NVIDIA Halos AI Systems Inspection Lab memiliki 43 anggota ekosistem. Peserta AV yang disebutkan antara lain AUMOVIO, Bosch, Gatik, Hesai, Lucid, MIRA, onsemi, PlusAI, Sony, Valeo, dan Wayve. Dalam robotika, NVIDIA menyebut penyedia perangkat lunak tersemat acontis dan QNX, sementara Advantech serta NexCOBOT membangun sistem IGX yang dirancang dengan pertimbangan keselamatan. 17

Organisasi-organisasi tersebut mencakup pengembangan kendaraan otonom, ADAS atau sistem bantuan pengemudi canggih, sensor, semikonduktor, integrasi sistem, validasi, dan assurance. Keikutsertaan mereka tidak boleh ditafsirkan sebagai pernyataan bahwa seluruh produk akhir setiap anggota telah tersertifikasi atau sudah dioperasikan. 7

NVIDIA juga mencantumkan ekosistem Hyperion yang melibatkan Aeva, AUMOVIO, Astemo, Arbe, Bosch, Hesai, Magna, OMNIVISION, Quanta, Sony, dan ZF. Astemo, AUMOVIO, Bosch, Magna, Quanta, serta ZF telah mengumumkan unit kontrol elektronik berbasis Hyperion. Aeva, Arbe, Hesai, OMNIVISION, dan Sony termasuk mitra yang tengah mengkualifikasi rangkaian sensor untuk platform terbuka tersebut. 20

Di sisi semikonduktor, NVIDIA mencantumkan onsemi dalam ekosistem inspeksi AV. Untuk robotika, Infineon, NXP, STMicroelectronics, dan Texas Instruments disebut sebagai kontributor teknologi sensor, mikrokontroler keselamatan, serta teknologi semikonduktor lain. NXP juga menyatakan diri sebagai anggota NVIDIA Halos AI Systems Inspection Lab. 721

Arti sertifikasi, penilaian independen, dan akreditasi inspeksi

NVIDIA mengutip lebih dari 30 sertifikat serta laporan penilaian keselamatan dan keamanan siber untuk teknologi yang terkait Halos. Menurut materinya, TÜV SÜD mensertifikasi proses siklus hidup produk otomotif serta proses inti perangkat keras/perangkat lunak NVIDIA hingga Automotive Safety Integrity Level D (ASIL D). DriveOS 6.0 disertifikasi sesuai ISO 26262 ASIL D, sedangkan Thor-X dinilai sesuai ASIL D. NVIDIA juga mengutip sertifikasi proses keamanan siber ISO/SAE 21434 dan penilaian keselamatan independen UNECE oleh TÜV Rheinland terhadap NVIDIA DRIVE AV. 1217

Halos juga mencakup NVIDIA AI Systems Inspection Lab, lembaga inspeksi ISO/IEC 17020 yang terakreditasi ANAB. NVIDIA menyatakan laboratorium tersebut melakukan penilaian imparsial dan menjalankan program Halos Certified untuk membantu mitra menyiapkan integrasi menuju sertifikasi pihak ketiga oleh organisasi seperti TÜV Rheinland, UL Solutions, TÜV SÜD, exida, SGS, dan CertX. 11118

Namun, cakupannya perlu dipahami secara tepat. Akreditasi dan inspeksi dapat menunjukkan bahwa lembaga inspeksi serta prosesnya memenuhi persyaratan tertentu; sertifikat atau penilaian sebuah komponen berlaku untuk produk dan ruang lingkup yang dievaluasi. Hal itu tidak otomatis mensertifikasi setiap kendaraan atau robot yang dibangun dengan Halos sebagai aman di setiap lingkungan operasi. Pengembang sistem akhir tetap harus melakukan validasi khusus aplikasi, memperoleh persetujuan yang diperlukan, dan menerapkan kontrol operasional. 411

Mengapa NVIDIA menilai infrastruktur keselamatan yang dapat diskalakan penting

NVIDIA mengacu pada proyeksi skala deployment untuk menjelaskan kebutuhan atas infrastruktur keselamatan yang dapat digunakan ulang. ABI Research memproyeksikan basis terpasang 49 juta kendaraan otonom Level 3–5 pada 2035, sementara Omdia memperkirakan sekitar 60 juta robot industri. 6

Dalam skala tersebut, setiap perubahan pada model AI, susunan sensor, konfigurasi perangkat keras, atau rilis perangkat lunak dapat memunculkan pertanyaan assurance baru. Tesis NVIDIA adalah bahwa sistem memerlukan pendekatan bersama yang mengaitkan bukti lintas pengembangan dan deployment, agar perubahan dapat dievaluasi secara konsisten serta diaudit dengan lebih efisien. 6

Karena itu, Halos paling tepat dipahami sebagai upaya menjadikan assurance keselamatan sebagai disiplin rekayasa yang berkelanjutan sepanjang siklus hidup physical AI. Janjinya bukan sertifikasi otomatis, melainkan fondasi terstruktur bagi pengembang untuk membangun, mendokumentasikan, menginspeksi, dan menjalani penilaian independen atas sistem otonom yang semakin kompleks. 156