NVIDIA Halos 的定位，并不是一块芯片、一个操作系统组件或一次检验就能让自动驾驶汽车、无人配送车或机器人“天然安全”。它是一套面向物理 AI的、以证据为线索的全栈安全框架：把模型开发、仿真、硬件与软件工程、实际部署以及后续更新中的安全相关工作连接起来，为整个生命周期的系统安全评估留下可追溯依据。56

这一区分很关键。经过安全评估的芯片、获得认证的操作系统组件，或通过检验的集成方案，都能为安全论证提供支撑；但设计、制造并运营车辆或机器人的企业，仍须对端到端系统验证、监管审批以及实际运营安全负责。Einride 计划打造的重型自动驾驶卡车系统，正体现了这一责任划分。4

从云端研发，到机器落地

Halos 汇集车辆或机器人的架构、芯片、操作软件、AI 模型、开发工具和服务。就自动驾驶而言，NVIDIA 描述的流程涵盖模型训练与测试、借助 Omniverse 和 Cosmos 开展仿真、验证安全相关的软硬件栈，并最终在车辆上部署。56

其核心思路是可追溯性：前一个环节产生的证据，应能为后一个环节提供依据。因此，当模型、传感器配置或软件发生变化时，开发方可以结合已有验证和仿真结果进行评估，而不是把每次更新都当成孤立的软件发布。NVIDIA 认为，这有助于让安全工程随着系统演进而更具可重复性。6

NVIDIA 将 Halos 划分为三个相互补充的层面：平台安全、算法安全和生态安全。前者关注底层计算与软件基础，算法安全关注 AI 的行为，生态安全则涵盖集成、检验以及供应商与认证机构组成的协作网络。13

自动驾驶：Halos 包含哪些组件？

面向自动驾驶汽车（AV），Halos 的主要组成包括：

• NVIDIA DRIVE AGX Thor：经过安全工程设计的加速计算平台；
• NVIDIA Hyperion：面向 L4 级自动驾驶的全栈车辆平台与参考架构；
• Halos OS：统一的安全软件基础，基于 Halos Core 构建；Halos Core 是 NVIDIA DriveOS 的后继；
• NVIDIA Omniverse 与 Cosmos：用于开发和验证的云端与仿真工具链。610

需要注意的是，Hyperion 并不是一辆可直接交付的无人出租车或自动驾驶卡车。它是一种整合计算、传感器和软件基础的参考架构，车辆开发商仍需针对自身应用进行适配，并建立自己的安全论证。314

Einride 将下一代自动驾驶卡车系统建立在 Hyperion 之上

瑞典货运科技公司 Einride 表示，计划基于 NVIDIA Hyperion 开发下一代 Einride Driver 自动驾驶卡车系统。双方合作包括针对重型货运需求，调整 Hyperion 的计算、传感器、软件和安全架构，并引入 Halos 与 Cosmos 进行开发和验证。34

在该合作中，NVIDIA 提供底层计算平台、AI 开发工具和安全框架；Einride 则继续负责端到端驾驶系统、安全验证、监管批准以及面向客户的部署。4

机器人领域：同一理念，但不是同一套安全要求

NVIDIA 也将 Halos 扩展至机器人和物理 AI，并推出面向该领域的专用技术栈。其中的具名基础组件包括面向工业边缘 AI 的 NVIDIA IGX Thor，以及用于传感器输入输出和处理的 NVIDIA Holoscan Sensor Bridge；此外还有 Halos 软件基础和检验路径。118

自动驾驶与机器人共享总体安全原则，但 NVIDIA 强调，平台、适用标准和支撑证据仍须针对具体领域而定。换言之，共用一个框架，并不代表工厂机械臂、移动机器人和自动驾驶汽车可以套用同一套安全要求。6

生态参与者：从传感器到芯片，再到系统集成

NVIDIA 表示，其 Halos AI Systems Inspection Lab 已有 43 家生态成员。已点名的自动驾驶参与者包括 AUMOVIO、Bosch、Gatik、Hesai、Lucid、MIRA、onsemi、PlusAI、Sony、Valeo 和 Wayve。机器人领域中，嵌入式软件供应商 acontis 和 QNX 参与其中，Advantech 与 NexCOBOT 则开发按安全要求设计的 IGX 系统。17

这些企业覆盖自动驾驶开发、高级驾驶辅助系统（ADAS）、传感、芯片、系统集成、验证和安全保障等多个环节。成为生态成员，不应被解读为其每一种最终产品都已经获得认证或投入部署。7

NVIDIA 另行列出的 Hyperion 生态伙伴包括 Aeva、AUMOVIO、Astemo、Arbe、Bosch、Hesai、Magna、OMNIVISION、Quanta、Sony 和 ZF。其中，Astemo、AUMOVIO、Bosch、Magna、Quanta 和 ZF 已宣布开发基于 Hyperion 的电子控制单元；Aeva、Arbe、Hesai、OMNIVISION 和 Sony 等伙伴则在为这一开放平台验证传感器套件。20

在半导体环节，NVIDIA 在自动驾驶检验生态中提到 onsemi；在机器人领域，则点名 Infineon、NXP、STMicroelectronics 和 Texas Instruments，它们提供传感器、安全微控制器及其他半导体技术。NXP 也表示自己是 Halos AI Systems Inspection Lab 的成员。721

认证、评估与实验室认可：它们证明什么，又不能证明什么？

NVIDIA 称，围绕 Halos 相关技术已取得超过 30 份安全和网络安全证书及评估报告。其资料显示，TÜV SÜD 已将 NVIDIA 的汽车产品生命周期及核心软硬件流程认证至汽车安全完整性等级 ASIL D；DriveOS 6.0 获得符合 ISO 26262 ASIL D 的认证，Thor-X 则经评估符合 ASIL D。NVIDIA 还提及 ISO/SAE 21434 网络安全流程认证，以及 TÜV Rheinland 对 NVIDIA DRIVE AV 进行的独立 UNECE 安全评估。1217

Halos 还包括 NVIDIA AI Systems Inspection Lab。这是一家获得 ANAB 认可、符合 ISO/IEC 17020 的检验机构。NVIDIA 表示，该实验室开展公正评估，并运营 Halos Certified 项目，帮助合作伙伴为后续由 TÜV Rheinland、UL Solutions、TÜV SÜD、exida、SGS 和 CertX 等机构开展的第三方认证做准备。11118

但关键仍在于认证范围。实验室认可和检验可以表明检验机构及其流程满足既定要求；某项组件证书或评估，则只适用于被评估的产品和范围。它们都不会自动证明所有采用 Halos 的车辆或机器人，在每一种运行环境中都安全。最终系统开发商仍需要进行与应用场景相匹配的验证、取得必要批准，并建立运营控制措施。411

为什么 NVIDIA 认为可扩展的安全基础设施不可或缺？

NVIDIA 用预计部署规模来说明建设可复用安全基础设施的必要性：ABI Research 预计，到 2035 年，L3 至 L5 级自动驾驶汽车的保有量将达 4,900 万辆；Omdia 预计工业机器人数量约为 6,000 万台。6

在这一规模下，每一次模型调整、传感器组合变化、硬件配置变动或软件更新，都可能带来新的安全保障问题。NVIDIA 的判断是，需要一套跨开发与部署阶段、以证据关联为基础的通用方法，才能更一致地评估这些变化，并提高审计效率。6

因此，更适合把 Halos 理解为一种尝试：让安全保障成为贯穿物理 AI 生命周期的持续工程纪律。它承诺的不是“认证自动完成”，而是为开发商构建、记录、检验和接受独立评估日益复杂的自主系统提供更结构化的基础。156

NVIDIA Halos 的定位，并不是一块芯片、一个操作系统组件或一次检验就能让自动驾驶汽车、无人配送车或机器人“天然安全”。它是一套面向物理 AI的、以证据为线索的全栈安全框架：把模型开发、仿真、硬件与软件工程、实际部署以及后续更新中的安全相关工作连接起来，为整个生命周期的系统安全评估留下可追溯依据。56

这一区分很关键。经过安全评估的芯片、获得认证的操作系统组件，或通过检验的集成方案，都能为安全论证提供支撑；但设计、制造并运营车辆或机器人的企业，仍须对端到端系统验证、监管审批以及实际运营安全负责。Einride 计划打造的重型自动驾驶卡车系统，正体现了这一责任划分。4

从云端研发，到机器落地

Halos 汇集车辆或机器人的架构、芯片、操作软件、AI 模型、开发工具和服务。就自动驾驶而言，NVIDIA 描述的流程涵盖模型训练与测试、借助 Omniverse 和 Cosmos 开展仿真、验证安全相关的软硬件栈，并最终在车辆上部署。56

其核心思路是可追溯性：前一个环节产生的证据，应能为后一个环节提供依据。因此，当模型、传感器配置或软件发生变化时，开发方可以结合已有验证和仿真结果进行评估，而不是把每次更新都当成孤立的软件发布。NVIDIA 认为，这有助于让安全工程随着系统演进而更具可重复性。6

NVIDIA 将 Halos 划分为三个相互补充的层面：平台安全、算法安全和生态安全。前者关注底层计算与软件基础，算法安全关注 AI 的行为，生态安全则涵盖集成、检验以及供应商与认证机构组成的协作网络。13

自动驾驶：Halos 包含哪些组件？

面向自动驾驶汽车（AV），Halos 的主要组成包括：

• NVIDIA DRIVE AGX Thor：经过安全工程设计的加速计算平台；
• NVIDIA Hyperion：面向 L4 级自动驾驶的全栈车辆平台与参考架构；
• Halos OS：统一的安全软件基础，基于 Halos Core 构建；Halos Core 是 NVIDIA DriveOS 的后继；
• NVIDIA Omniverse 与 Cosmos：用于开发和验证的云端与仿真工具链。610

需要注意的是，Hyperion 并不是一辆可直接交付的无人出租车或自动驾驶卡车。它是一种整合计算、传感器和软件基础的参考架构，车辆开发商仍需针对自身应用进行适配，并建立自己的安全论证。314

Einride 将下一代自动驾驶卡车系统建立在 Hyperion 之上

瑞典货运科技公司 Einride 表示，计划基于 NVIDIA Hyperion 开发下一代 Einride Driver 自动驾驶卡车系统。双方合作包括针对重型货运需求，调整 Hyperion 的计算、传感器、软件和安全架构，并引入 Halos 与 Cosmos 进行开发和验证。34

在该合作中，NVIDIA 提供底层计算平台、AI 开发工具和安全框架；Einride 则继续负责端到端驾驶系统、安全验证、监管批准以及面向客户的部署。4

机器人领域：同一理念，但不是同一套安全要求

NVIDIA 也将 Halos 扩展至机器人和物理 AI，并推出面向该领域的专用技术栈。其中的具名基础组件包括面向工业边缘 AI 的 NVIDIA IGX Thor，以及用于传感器输入输出和处理的 NVIDIA Holoscan Sensor Bridge；此外还有 Halos 软件基础和检验路径。118

自动驾驶与机器人共享总体安全原则，但 NVIDIA 强调，平台、适用标准和支撑证据仍须针对具体领域而定。换言之，共用一个框架，并不代表工厂机械臂、移动机器人和自动驾驶汽车可以套用同一套安全要求。6

生态参与者：从传感器到芯片，再到系统集成

NVIDIA 表示，其 Halos AI Systems Inspection Lab 已有 43 家生态成员。已点名的自动驾驶参与者包括 AUMOVIO、Bosch、Gatik、Hesai、Lucid、MIRA、onsemi、PlusAI、Sony、Valeo 和 Wayve。机器人领域中，嵌入式软件供应商 acontis 和 QNX 参与其中，Advantech 与 NexCOBOT 则开发按安全要求设计的 IGX 系统。17

这些企业覆盖自动驾驶开发、高级驾驶辅助系统（ADAS）、传感、芯片、系统集成、验证和安全保障等多个环节。成为生态成员，不应被解读为其每一种最终产品都已经获得认证或投入部署。7

NVIDIA 另行列出的 Hyperion 生态伙伴包括 Aeva、AUMOVIO、Astemo、Arbe、Bosch、Hesai、Magna、OMNIVISION、Quanta、Sony 和 ZF。其中，Astemo、AUMOVIO、Bosch、Magna、Quanta 和 ZF 已宣布开发基于 Hyperion 的电子控制单元；Aeva、Arbe、Hesai、OMNIVISION 和 Sony 等伙伴则在为这一开放平台验证传感器套件。20

在半导体环节，NVIDIA 在自动驾驶检验生态中提到 onsemi；在机器人领域，则点名 Infineon、NXP、STMicroelectronics 和 Texas Instruments，它们提供传感器、安全微控制器及其他半导体技术。NXP 也表示自己是 Halos AI Systems Inspection Lab 的成员。721

认证、评估与实验室认可：它们证明什么，又不能证明什么？

NVIDIA 称，围绕 Halos 相关技术已取得超过 30 份安全和网络安全证书及评估报告。其资料显示，TÜV SÜD 已将 NVIDIA 的汽车产品生命周期及核心软硬件流程认证至汽车安全完整性等级 ASIL D；DriveOS 6.0 获得符合 ISO 26262 ASIL D 的认证，Thor-X 则经评估符合 ASIL D。NVIDIA 还提及 ISO/SAE 21434 网络安全流程认证，以及 TÜV Rheinland 对 NVIDIA DRIVE AV 进行的独立 UNECE 安全评估。1217

Halos 还包括 NVIDIA AI Systems Inspection Lab。这是一家获得 ANAB 认可、符合 ISO/IEC 17020 的检验机构。NVIDIA 表示，该实验室开展公正评估，并运营 Halos Certified 项目，帮助合作伙伴为后续由 TÜV Rheinland、UL Solutions、TÜV SÜD、exida、SGS 和 CertX 等机构开展的第三方认证做准备。11118

但关键仍在于认证范围。实验室认可和检验可以表明检验机构及其流程满足既定要求；某项组件证书或评估，则只适用于被评估的产品和范围。它们都不会自动证明所有采用 Halos 的车辆或机器人，在每一种运行环境中都安全。最终系统开发商仍需要进行与应用场景相匹配的验证、取得必要批准，并建立运营控制措施。411

为什么 NVIDIA 认为可扩展的安全基础设施不可或缺？

NVIDIA 用预计部署规模来说明建设可复用安全基础设施的必要性：ABI Research 预计，到 2035 年，L3 至 L5 级自动驾驶汽车的保有量将达 4,900 万辆；Omdia 预计工业机器人数量约为 6,000 万台。6

在这一规模下，每一次模型调整、传感器组合变化、硬件配置变动或软件更新，都可能带来新的安全保障问题。NVIDIA 的判断是，需要一套跨开发与部署阶段、以证据关联为基础的通用方法，才能更一致地评估这些变化，并提高审计效率。6

因此，更适合把 Halos 理解为一种尝试：让安全保障成为贯穿物理 AI 生命周期的持续工程纪律。它承诺的不是“认证自动完成”，而是为开发商构建、记录、检验和接受独立评估日益复杂的自主系统提供更结构化的基础。156