NVIDIA Halos: เชื่อมการพัฒนา AI สู่การใช้งานจริงด้วยหลักฐานด้านความปลอดภัย

NVIDIA Halos ถูกออกแบบให้เป็น กรอบงานความปลอดภัยที่เชื่อมโยงหลักฐานเข้าด้วยกัน สำหรับ Physical AI หรือ AI ที่รับรู้ ตัดสินใจ และลงมือกระทำในโลกจริง ไม่ใช่ชิ้นส่วนเดี่ยวที่ทำให้รถไร้คนขับหรือหุ่นยนต์ปลอดภัยได้ด้วยตัวเอง เป้าหมายคือเชื่อมงานที่เกี่ยวกับความปลอดภัย ตั้งแต่การพัฒนาโมเดล การจำลอง วิศวกรรมฮาร์ดแวร์และซอฟต์แวร์ การนำระบบไปใช้จริง ตลอดจนการอัปเดตในภายหลัง เพื่อให้ตรวจสอบย้อนกลับได้ตลอดวงจรชีวิตของระบบ 56

ประเด็นนี้สำคัญมาก เพราะชิปที่ผ่านการประเมิน ซอฟต์แวร์ระบบปฏิบัติการที่ได้รับการรับรอง หรือการตรวจสอบการผสานระบบ ล้วนเป็นเพียงส่วนประกอบของกรณีความปลอดภัย (safety case) ผู้พัฒนาและผู้ให้บริการรถหรือหุ่นยนต์ยังคงต้องรับผิดชอบการยืนยันความปลอดภัยของผลิตภัณฑ์ทั้งระบบ การขออนุมัติตามกฎระเบียบ และการดำเนินงานอย่างปลอดภัย ตัวอย่างของ Einride ในโครงการรถบรรทุกอัตโนมัติสะท้อนการแบ่งบทบาทนี้อย่างชัดเจน 4

จากการพัฒนาบนคลาวด์สู่เครื่องจักรที่ใช้งานจริง

Halos รวมสถาปัตยกรรมของรถหรือหุ่นยนต์ ชิป ซอฟต์แวร์ระบบปฏิบัติการ โมเดล AI เครื่องมือ และบริการเข้าไว้ในแนวทางเดียว สำหรับการพัฒนารถอัตโนมัติ NVIDIA อธิบายลำดับงานที่ครอบคลุมการฝึกและทดสอบโมเดล การจำลองด้วย Omniverse และ Cosmos การตรวจสอบฮาร์ดแวร์และซอฟต์แวร์ที่มีผลต่อความปลอดภัย ก่อนนำไปติดตั้งในรถ 56

แก่นของแนวคิดคือ การตรวจสอบย้อนกลับได้: หลักฐานที่เกิดขึ้นในขั้นหนึ่งควรส่งต่อไปสนับสนุนการตัดสินใจในขั้นถัดไป ดังนั้น เมื่อมีการเปลี่ยนโมเดล AI ระบบเซ็นเซอร์ หรือซอฟต์แวร์ เวอร์ชันใหม่นั้นจึงสามารถพิจารณาร่วมกับผลการจำลองและการตรวจสอบก่อนหน้า แทนที่จะถูกมองเป็นการปล่อยซอฟต์แวร์ที่แยกขาดจากบริบท NVIDIA ระบุว่าแนวทางนี้ช่วยให้งานวิศวกรรมความปลอดภัยทำซ้ำได้อย่างเป็นระบบมากขึ้น ขณะที่ระบบและการตั้งค่าเซ็นเซอร์ยังพัฒนาอยู่ 6

NVIDIA แบ่งขอบเขตของ Halos เป็น 3 ชั้น ได้แก่

• ความปลอดภัยของแพลตฟอร์ม ครอบคลุมรากฐานด้านการประมวลผลและซอฟต์แวร์
• ความปลอดภัยเชิงอัลกอริทึม มุ่งที่พฤติกรรมของ AI
• ความปลอดภัยของอีโคซิสเต็ม รวมการผสานระบบ การตรวจประเมิน และเครือข่ายซัพพลายเออร์กับหน่วยงานรับรอง 13

สแต็ก Halos สำหรับรถอัตโนมัติมีอะไรบ้าง

องค์ประกอบหลักสำหรับรถอัตโนมัติ (AV) ประกอบด้วย

• NVIDIA DRIVE AGX Thor แพลตฟอร์มประมวลผลเร่งความเร็วที่ออกแบบโดยคำนึงถึงความปลอดภัย
• NVIDIA Hyperion แพลตฟอร์มยานยนต์แบบฟูลสแต็กและสถาปัตยกรรมอ้างอิงสำหรับระบบอัตโนมัติระดับ 4
• Halos OS ฐานซอฟต์แวร์ความปลอดภัยแบบรวมศูนย์ ซึ่งสร้างบน Halos Core ที่เป็นรุ่นต่อจาก NVIDIA DriveOS
• NVIDIA Omniverse และ Cosmos เครื่องมือบนคลาวด์และการจำลองสำหรับการพัฒนาและตรวจสอบความถูกต้อง 610

Hyperion ไม่ใช่รถแท็กซี่ไร้คนขับหรือรถบรรทุกอัตโนมัติที่เสร็จพร้อมใช้งาน แต่เป็นสถาปัตยกรรมอ้างอิงที่รวมคอมพิวเตอร์ เซ็นเซอร์ และพื้นฐานซอฟต์แวร์ไว้ให้ผู้พัฒนายานยนต์นำไปปรับใช้กับงานและกรณีความปลอดภัยของตนเอง 314

Einride จะใช้ Hyperion ในรถบรรทุกอัตโนมัติรุ่นถัดไป

Einride ระบุว่าจะพัฒนาระบบขับเคลื่อนอัตโนมัติ Einride Driver รุ่นต่อไปบน NVIDIA Hyperion ความร่วมมือนี้ครอบคลุมการปรับสถาปัตยกรรมด้านคอมพิวเตอร์ เซ็นเซอร์ ซอฟต์แวร์ และความปลอดภัยของ Hyperion ให้รองรับภารกิจขนส่งสินค้าด้วยรถบรรทุกหนัก พร้อมนำ Halos และ Cosmos มาใช้ในการพัฒนาและตรวจสอบความถูกต้อง 34

NVIDIA จัดหาแพลตฟอร์มประมวลผล เครื่องมือพัฒนา AI และกรอบงานความปลอดภัย ขณะที่ Einride ยังคงรับผิดชอบระบบขับเคลื่อนทั้งหมดแบบครบวงจร การตรวจสอบความปลอดภัย การอนุมัติตามกฎระเบียบ และการนำไปให้ลูกค้าใช้งาน 4

Halos สำหรับหุ่นยนต์เพิ่มอะไรเข้ามา

NVIDIA ขยาย Halos สู่หุ่นยนต์และ Physical AI ด้วยสแต็กเฉพาะโดเมน โดยมีรากฐานที่ระบุชื่อไว้ ได้แก่ NVIDIA IGX Thor สำหรับ AI ที่ประมวลผล ณ ขอบเครือข่ายในอุตสาหกรรม และ NVIDIA Holoscan Sensor Bridge สำหรับรับข้อมูลจากเซ็นเซอร์และประมวลผล ร่วมกับพื้นฐานซอฟต์แวร์ Halos และเส้นทางการตรวจประเมิน 118

แม้หลักการด้านความปลอดภัยจะใช้ร่วมกับฝั่งรถอัตโนมัติ แต่ NVIDIA ระบุว่าแพลตฟอร์ม มาตรฐาน และหลักฐานสนับสนุนยังเป็นเรื่องเฉพาะของแต่ละโดเมน กล่าวคือ การมีกรอบงานร่วมกันไม่ได้หมายความว่าหุ่นยนต์ในโรงงาน หุ่นยนต์เคลื่อนที่ และรถอัตโนมัติจะใช้ข้อกำหนดด้านความปลอดภัยชุดเดียวกันได้ 6

เครือข่ายพันธมิตร: ผู้พัฒนา เซ็นเซอร์ ชิป และผู้ผสานระบบ

NVIDIA ระบุว่า NVIDIA Halos AI Systems Inspection Lab มีสมาชิกในอีโคซิสเต็ม 43 ราย ฝั่ง AV ที่มีการระบุชื่อ ได้แก่ AUMOVIO, Bosch, Gatik, Hesai, Lucid, MIRA, onsemi, PlusAI, Sony, Valeo และ Wayve ส่วนฝั่งหุ่นยนต์ NVIDIA ระบุผู้ให้บริการซอฟต์แวร์ฝังตัวอย่าง acontis และ QNX รวมถึง Advantech กับ NexCOBOT ที่พัฒนาระบบ IGX ที่ออกแบบโดยคำนึงถึงความปลอดภัย 17

รายชื่อเหล่านี้ครอบคลุมตั้งแต่การพัฒนาการขับขี่อัตโนมัติ ระบบช่วยขับขี่ขั้นสูง (ADAS) เซ็นเซอร์ ชิป การผสานระบบ การตรวจสอบ ไปจนถึงการประกันความปลอดภัย อย่างไรก็ดี การเป็นสมาชิกไม่ได้หมายความว่าผลิตภัณฑ์สุดท้ายของสมาชิกทุกรายได้รับการรับรองหรือถูกนำไปใช้งานแล้ว 7

NVIDIA ยังระบุอีโคซิสเต็ม Hyperion แยกต่างหาก ซึ่งมี Aeva, AUMOVIO, Astemo, Arbe, Bosch, Hesai, Magna, OMNIVISION, Quanta, Sony และ ZF โดย Astemo, AUMOVIO, Bosch, Magna, Quanta และ ZF ประกาศพัฒนาหน่วยควบคุมอิเล็กทรอนิกส์ที่อิง Hyperion ขณะที่ Aeva, Arbe, Hesai, OMNIVISION และ Sony อยู่ในกลุ่มพันธมิตรที่กำลังรับรองชุดเซ็นเซอร์สำหรับแพลตฟอร์มเปิดนี้ 20

ในด้านเซมิคอนดักเตอร์ NVIDIA ระบุ onsemi ในอีโคซิสเต็มการตรวจประเมิน AV และระบุว่า Infineon, NXP, STMicroelectronics และ Texas Instruments มีส่วนร่วมด้วยเทคโนโลยีเซ็นเซอร์ ไมโครคอนโทรลเลอร์เพื่อความปลอดภัย และเทคโนโลยีชิปอื่น ๆ สำหรับหุ่นยนต์ NXP ยังระบุว่าตนเป็นสมาชิกของ NVIDIA Halos AI Systems Inspection Lab 721

การรับรองและการตรวจประเมินอิสระยืนยันอะไร—and ไม่ยืนยันอะไร

NVIDIA อ้างถึงใบรับรองและรายงานการประเมินด้านความปลอดภัยและความมั่นคงปลอดภัยไซเบอร์มากกว่า 30 รายการสำหรับเทคโนโลยีที่เกี่ยวข้องกับ Halos โดยระบุว่า TÜV SÜD รับรองกระบวนการวงจรชีวิตผลิตภัณฑ์ยานยนต์และกระบวนการหลักด้านฮาร์ดแวร์/ซอฟต์แวร์ของ NVIDIA ตามระดับ ASIL D; DriveOS 6.0 ได้รับการรับรองว่าสอดคล้องกับ ISO 26262 ASIL D และ Thor-X ผ่านการประเมินว่าสอดคล้องกับ ASIL D นอกจากนี้ยังมีการรับรองกระบวนการด้านความมั่นคงปลอดภัยไซเบอร์ตาม ISO/SAE 21434 และการประเมินความปลอดภัยตามกรอบ UNECE ของ NVIDIA DRIVE AV โดย TÜV Rheinland 1217

Halos ยังมี NVIDIA AI Systems Inspection Lab ซึ่งเป็นหน่วยตรวจประเมินตาม ISO/IEC 17020 ที่ได้รับการรับรองโดย ANAB โดย NVIDIA ระบุว่าแล็บแห่งนี้ทำการประเมินอย่างเป็นกลาง และดำเนินโครงการ Halos Certified เพื่อช่วยให้พันธมิตรเตรียมการผสานระบบสำหรับการรับรองโดยบุคคลที่สาม เช่น TÜV Rheinland, UL Solutions, TÜV SÜD, exida, SGS และ CertX 11118

ข้อควรแยกให้ออกคือ ขอบเขตของการรับรอง การรับรองหน่วยตรวจประเมินและการตรวจสอบสามารถยืนยันได้ว่าหน่วยงานหรือกระบวนการเป็นไปตามข้อกำหนดที่กำหนด ส่วนใบรับรองหรือการประเมินชิ้นส่วนย่อมใช้กับผลิตภัณฑ์และขอบเขตที่ถูกประเมินเท่านั้น สิ่งเหล่านี้ไม่ได้รับรองโดยอัตโนมัติว่ารถหรือหุ่นยนต์ทุกตัวที่สร้างด้วย Halos ปลอดภัยสำหรับทุกสภาพแวดล้อม ผู้พัฒนาระบบปลายทางยังต้องตรวจสอบเฉพาะงาน ขออนุมัติ และวางมาตรการควบคุมการปฏิบัติงานเอง 411

เหตุใด NVIDIA จึงมองว่าโครงสร้างความปลอดภัยที่ขยายขนาดได้เป็นเรื่องจำเป็น

NVIDIA ชี้ไปที่ขนาดของการใช้งานในอนาคต: ABI Research คาดว่าภายในปี 2035 จะมีรถอัตโนมัติระดับ 3–5 ที่ติดตั้งใช้งานสะสม 49 ล้านคัน ขณะที่ Omdia ประเมินจำนวนหุ่นยนต์อุตสาหกรรมราว 60 ล้านตัว 6

เมื่อขนาดการใช้งานไปถึงระดับนั้น ทุกการเปลี่ยนแปลงของโมเดล AI ชุดเซ็นเซอร์ การตั้งค่าฮาร์ดแวร์ หรือซอฟต์แวร์รีลีส อาจก่อให้เกิดคำถามด้านการประกันความปลอดภัยชุดใหม่ แนวคิดของ NVIDIA คือระบบเหล่านี้ต้องมีวิธีทำงานร่วมกันที่เชื่อมหลักฐานไว้ตลอดสาย ตั้งแต่การพัฒนาไปจนถึงการใช้งาน เพื่อให้การประเมินการเปลี่ยนแปลงทำได้อย่างสม่ำเสมอและตรวจสอบได้มีประสิทธิภาพขึ้น 6

ดังนั้น Halos จึงควรถูกมองว่าเป็นความพยายามทำให้การประกันความปลอดภัยกลายเป็นวินัยทางวิศวกรรมที่ดำเนินต่อเนื่องตลอดวงจรชีวิตของ Physical AI คำมั่นของระบบไม่ใช่การทำให้การรับรองเกิดขึ้นโดยอัตโนมัติ แต่คือการสร้างรากฐานที่เป็นระบบสำหรับการพัฒนา จัดทำเอกสาร ตรวจประเมิน และรับการประเมินอิสระของระบบอัตโนมัติที่ซับซ้อนขึ้นเรื่อย ๆ 156