엔비디아 Halos는 AI 개발과 실제 운용의 안전 근거를 어떻게 연결하나

엔비디아 Halos는 자율주행차나 로봇을 단일 부품 하나로 안전하게 만드는 제품이라기보다, 물리 AI의 전체 수명주기에서 만들어지는 안전 관련 근거를 연결하려는 프레임워크다. AI 모델 개발, 시뮬레이션, 하드웨어·소프트웨어 엔지니어링, 현장 배포, 이후 업데이트까지의 검증 기록을 추적 가능하게 묶어 시스템 전반의 안전보증을 평가할 기반을 만들겠다는 구상이다. 56

여기서 중요한 구분이 있다. 안전 평가를 받은 칩, 인증된 운영체제 구성요소, 검사된 통합 방식은 안전성 입증에 도움이 될 수 있다. 하지만 최종 차량이나 로봇을 설계·운영하는 기업이 제품 전체를 검증하고, 규제 요건을 충족하며, 실제 운용을 안전하게 관리할 책임까지 대신해 주지는 않는다. 아인트라이드(Einride)의 자율 화물트럭 계획은 이 역할 분담을 보여주는 사례다. 4

클라우드 개발에서 실제 기계까지: 핵심은 ‘추적성’

Halos는 차량 또는 로봇 아키텍처, 칩, 운영 소프트웨어, AI 모델, 개발 도구와 서비스를 포괄한다. 자율주행 개발 흐름에서는 모델 학습·시험, Omniverse와 Cosmos 기반 시뮬레이션, 안전 관련 하드웨어·소프트웨어 스택 검증, 차량 탑재와 배포가 이어진다. 56

엔비디아가 강조하는 실무적 원리는 추적성이다. 한 단계에서 생성한 검증 근거가 다음 단계의 판단에 이어져야 한다는 뜻이다. 예를 들어 모델, 센서 구성, 하드웨어 설정 또는 소프트웨어가 바뀌면 이를 독립적인 새 릴리스로만 볼 것이 아니라, 기존 시뮬레이션·검증 결과와 연결해 평가할 수 있어야 한다. 엔비디아는 이런 방식이 시스템 변화가 잦은 환경에서 안전 엔지니어링을 더 반복 가능하게 만들 수 있다고 설명한다. 6

Halos는 크게 세 층을 포괄한다.

• 플랫폼 안전성: 기초 컴퓨팅과 소프트웨어 기반
• 알고리즘 안전성: AI의 행동과 판단
• 생태계 안전성: 통합, 검사, 공급망 및 인증 생태계 13

자율주행 스택: Thor·Hyperion·Halos OS·시뮬레이션

자율주행차(AV)용 Halos의 주요 구성은 다음과 같다.

• NVIDIA DRIVE AGX Thor: 안전성을 고려해 설계된 가속 컴퓨팅 플랫폼
• NVIDIA Hyperion: 레벨 4 자율주행을 겨냥한 풀스택 차량 플랫폼 및 레퍼런스 아키텍처
• Halos OS: NVIDIA DriveOS의 후속 기반인 Halos Core 위에 구축된 통합 안전 소프트웨어 기반
• NVIDIA Omniverse 및 Cosmos: 개발과 검증을 위한 클라우드·시뮬레이션 도구체인 610

Hyperion은 완성된 로보택시나 자율주행 트럭이 아니다. 컴퓨팅, 센서, 소프트웨어의 토대를 결합한 참조 설계로, 차량 개발사가 자신의 용도와 안전보증 체계에 맞게 적용해야 한다. 314

아인트라이드: 차세대 자율 화물트럭을 Hyperion 기반으로

아인트라이드는 차세대 Einride Driver 자율 화물트럭 시스템을 NVIDIA Hyperion 위에서 개발하겠다고 밝혔다. 이 협력은 대형 화물 운송의 요구에 맞게 Hyperion의 컴퓨팅·센서·소프트웨어·안전 아키텍처를 조정하고, 개발과 검증에 Halos 및 Cosmos를 활용하는 내용을 포함한다. 34

역할은 분명하다. 엔비디아는 기반 컴퓨팅 플랫폼, AI 개발 도구, 안전 프레임워크를 제공하고, 아인트라이드는 엔드투엔드 자율주행 시스템 설계·구축·운영, 안전성 검증, 규제 승인, 고객 배포를 책임진다. 4

로보틱스로 확장된 Halos

엔비디아는 Halos를 로보틱스와 물리 AI로도 확장했다. 이 분야의 명시적 기반 기술로는 산업 현장 엣지 AI용 NVIDIA IGX Thor, 센서 입출력과 처리를 위한 NVIDIA Holoscan Sensor Bridge, 그리고 Halos 소프트웨어 기반과 검사 경로가 있다. 118

안전성에 대한 큰 원칙은 자율주행과 로보틱스에 공통으로 적용되지만, 엔비디아는 플랫폼·표준·입증 근거는 각 도메인에 맞게 구분된다고 설명한다. 즉, 공통 프레임워크가 있다고 해서 공장 로봇, 이동형 로봇, 자율주행차의 안전 요구사항이 서로 대체 가능한 것은 아니다. 6

참여 기업: 센서·반도체·통합·검증 생태계

엔비디아에 따르면 Halos AI Systems Inspection Lab 생태계에는 43개 회원사가 참여한다. 자율주행 분야의 명시된 참여사는 AUMOVIO, Bosch, Gatik, Hesai, Lucid, MIRA, onsemi, PlusAI, Sony, Valeo, Wayve 등이다. 로보틱스에서는 임베디드 소프트웨어 기업 acontis와 QNX, 안전 설계를 고려한 IGX 시스템을 구축하는 Advantech와 NexCOBOT 등이 언급된다. 17

이들은 자율주행 개발, 운전자 보조 시스템(ADAS), 센싱, 실리콘, 시스템 통합, 검증, 안전보증에 걸쳐 있다. 다만 생태계 참여가 각 기업의 최종 제품이 인증을 받았거나 실제 배포됐다는 뜻은 아니다. 7

별도로 Hyperion 생태계에는 Aeva, AUMOVIO, Astemo, Arbe, Bosch, Hesai, Magna, OMNIVISION, Quanta, Sony, ZF가 포함된다. Astemo, AUMOVIO, Bosch, Magna, Quanta, ZF는 Hyperion 기반 전자제어장치(ECU)를 발표했으며, Aeva·Arbe·Hesai·OMNIVISION·Sony 등은 개방형 플랫폼에서 센서 제품군을 검증하는 파트너로 거론된다. 20

반도체 측면에서 엔비디아는 자율주행 검사 생태계 참여사로 onsemi를 언급한다. 로보틱스 분야에서는 Infineon, NXP, STMicroelectronics, Texas Instruments가 센서, 안전 마이크로컨트롤러 및 기타 반도체 기술에 기여한다고 밝혔다. NXP 역시 Halos AI Systems Inspection Lab 회원사라고 설명한다. 721

독립 평가·공인은 무엇을 보여주고, 무엇을 보장하지 않나

엔비디아는 Halos 관련 기술에 대해 30건이 넘는 안전·사이버보안 인증서와 평가 보고서를 제시한다. 회사 자료에 따르면 TÜV SÜD는 엔비디아의 자동차 제품 수명주기 및 핵심 하드웨어·소프트웨어 프로세스를 자동차 안전 무결성 등급 ASIL D 기준으로 인증했다. DriveOS 6.0은 ISO 26262 ASIL D 적합 인증을 받았고, Thor-X는 ASIL D 적합성 평가를 받았다. 엔비디아는 ISO/SAE 21434 사이버보안 프로세스 인증과 TÜV Rheinland의 NVIDIA DRIVE AV 독립 UNECE 안전 평가도 언급한다. 1217

Halos에는 NVIDIA AI Systems Inspection Lab도 포함된다. 이 기관은 ANAB 공인을 받은 ISO/IEC 17020 검사기관으로, 엔비디아에 따르면 공정한 평가를 수행하고 Halos Certified 프로그램을 운영한다. 또한 TÜV Rheinland, UL Solutions, TÜV SÜD, exida, SGS, CertX 등 제3자 인증기관의 인증을 준비하도록 파트너의 통합을 지원한다. 11118

다만 평가 범위는 구분해서 봐야 한다. 검사기관 공인과 검사는 해당 기관 및 절차가 정해진 요건을 충족한다는 근거가 될 수 있고, 부품의 인증·평가는 시험받은 제품과 범위에 적용된다. 이는 Halos를 사용한 모든 차량이나 로봇이 모든 운행 환경에서 자동으로 안전 인증을 받는다는 의미가 아니다. 최종 시스템 개발사는 용도별 검증, 승인 절차, 운용 통제를 별도로 수행해야 한다. 411

왜 ‘확장 가능한 안전 인프라’가 필요한가

엔비디아는 재사용 가능한 안전 인프라가 필요한 이유로 예상 보급 규모를 든다. ABI Research는 2035년까지 레벨 3~5 자율주행차의 누적 설치 기반이 4,900만 대에 이를 것으로 전망했으며, Omdia는 산업용 로봇이 약 6,000만 대에 달할 것으로 추산했다. 6

이 정도 규모에서는 모델, 센서 조합, 하드웨어 구성, 소프트웨어 릴리스가 바뀔 때마다 새로운 안전보증 문제가 생길 수 있다. 엔비디아의 주장은 개발과 배포 전반에 걸친 공통의 근거 연결 방식을 마련해야 이런 변화를 일관되게 평가하고, 감사도 더 효율적으로 수행할 수 있다는 것이다. 6

결국 Halos는 물리 AI의 안전보증을 일회성 출고 전 시험이 아니라 지속적인 엔지니어링 규율로 만들려는 시도에 가깝다. 인증을 자동화하겠다는 약속이라기보다, 복잡해지는 자율 시스템을 개발·문서화·검사하고 독립적으로 평가하기 위한 구조화된 토대를 제공하겠다는 것이 핵심이다. 156