NVIDIA Halos 的重點，不是推出一顆晶片、一道軟體或一張證書後，就宣稱自駕車或機器人已經「安全」。它被設計為一套可追溯的全端安全框架：把 AI 模型開發、模擬、硬體與軟體工程、實體部署，以及日後的版本更新所產生的安全相關證據連結起來，讓系統開發商能在整個產品生命週期中建立與檢視安全保證依據。 56

這個界線很重要。通過安全評估的晶片、已認證的作業系統元件，或完成檢驗的整合方案，都能支撐安全論證；但最終負責打造與營運車輛或機器人的公司，仍須對端到端系統驗證、法規核准與實際營運安全負責。Einride 規劃中的重型自動駕駛貨運系統，就是這種責任分工的例子。 4

從雲端開發到路上與工廠現場

Halos 結合車輛或機器人架構、晶片、作業軟體、AI 模型、開發工具與服務。以自動駕駛開發為例，NVIDIA 描述的流程橫跨模型訓練與測試、使用 Omniverse 和 Cosmos 進行模擬、驗證安全相關硬體與軟體堆疊，最後部署到車上。 56

其實務核心在於「可追溯性」：前一階段產生的測試、模擬與驗證資料，應能成為下一階段決策的依據。換句話說，模型、感測器配置或軟體版本改變時，開發團隊可對照既有驗證與模擬結果來重新評估，而不把更新視為完全獨立的一次發布。NVIDIA 將此定位為讓安全工程隨系統演進仍可重複執行的方法。 6

NVIDIA 將 Halos 分為三個相互關聯的面向：

• 平台安全：底層運算、晶片與軟體基礎；
• 演算法安全：AI 模型與行為本身；
• 生態系安全：整合、檢驗，以及供應商與認證體系。 13

自動駕駛車的 Halos 堆疊有哪些？

面向自動駕駛車（AV），Halos 的主要元件包括：

• NVIDIA DRIVE AGX Thor：經安全工程設計的加速運算平台。
• NVIDIA Hyperion：面向 Level 4 自動駕駛的全端車輛平台與參考架構。
• Halos OS：建立於 Halos Core 之上的統一安全軟體基礎；Halos Core 是 NVIDIA DriveOS 的後繼架構。
• NVIDIA Omniverse 與 Cosmos：用於雲端開發、模擬及驗證的工具鏈。 610

Hyperion 並不是可直接上路的 Robotaxi 或自動駕駛貨車成品，而是把運算、感測器與軟體基礎整合在一起的參考架構。車廠與系統開發商仍須依自身用途、營運設計範圍及安全案例加以調整。 314

Einride 為何採用 Hyperion？

瑞典貨運科技公司 Einride 表示，將以 NVIDIA Hyperion 開發下一代 Einride Driver 自動駕駛貨運系統。雙方合作內容包括針對重型貨運需求調整 Hyperion 的運算、感測器、軟體與安全架構，並導入 Halos 與 Cosmos 支援開發及驗證。 34

在這項合作中，NVIDIA 提供底層運算平台、AI 開發工具與安全框架；Einride 則保有端到端駕駛系統、安全驗證、法規核准及客戶部署的責任。 4

機器人版本：共通原則，不等於相同安全要求

NVIDIA 也把 Halos 延伸到機器人與實體 AI，推出對應領域的堆疊。其具名基礎元件包括用於工業邊緣 AI 的 NVIDIA IGX Thor、處理感測器輸入輸出與資料處理的 NVIDIA Holoscan Sensor Bridge，以及 Halos 軟體基礎與檢驗途徑。 118

雖然自動駕駛與機器人可共享安全工程原則，但 NVIDIA 指出，兩個領域使用的平台、適用標準與所需證據仍有其特定性。這表示共用框架不代表工廠機械手臂、移動式機器人與自動駕駛車可套用完全相同的安全要求。 6

參與生態系的公司與半導體夥伴

NVIDIA 表示，其 Halos AI Systems Inspection Lab 目前有 43 個生態系成員。已列名的自動駕駛參與者包括 AUMOVIO、Bosch、Gatik、Hesai、Lucid、MIRA、onsemi、PlusAI、Sony、Valeo 與 Wayve；在機器人領域，嵌入式軟體供應商 acontis 與 QNX 也名列其中，而 Advantech 與 NexCOBOT 則建置以 IGX 為基礎、具安全設計的系統。 17

這些成員分布於自動駕駛、先進駕駛輔助系統（ADAS）、感測、晶片、系統整合、驗證與安全保證等環節。加入該生態系不應被解讀為每一家公司的最終產品都已完成認證或部署。 7

NVIDIA 另列出 Hyperion 生態系成員，包括 Aeva、AUMOVIO、Astemo、Arbe、Bosch、Hesai、Magna、OMNIVISION、Quanta、Sony 與 ZF。Astemo、AUMOVIO、Bosch、Magna、Quanta 與 ZF 已宣布打造基於 Hyperion 的電子控制單元；Aeva、Arbe、Hesai、OMNIVISION 與 Sony 等合作夥伴則在開放平台上推進感測器套件的資格驗證。 20

半導體方面，NVIDIA 在 AV 檢驗生態系中點名 onsemi；機器人領域則有 Infineon、NXP、STMicroelectronics 與 Texas Instruments，提供感測器、安全微控制器及其他半導體技術。NXP 也表示自己是 Halos AI Systems Inspection Lab 的成員。 721

認證、評估與實驗室認可，實際能說明什麼？

NVIDIA 引用超過 30 份與 Halos 相關技術的安全與資安證書及評估報告。其資料指出，TÜV SÜD 已將 NVIDIA 的汽車產品生命週期與核心硬體／軟體流程認證至汽車安全完整性等級 D（ASIL D）；DriveOS 6.0 經認證符合 ISO 26262 ASIL D，Thor-X 則經評估符合 ASIL D。NVIDIA 也列出 ISO/SAE 21434 資安流程認證，以及 TÜV Rheinland 對 NVIDIA DRIVE AV 進行的獨立 UNECE 安全評估。 1217

Halos 同時納入 NVIDIA AI Systems Inspection Lab。此實驗室是獲 ANAB 認可、符合 ISO/IEC 17020 的檢驗機構；NVIDIA 表示，實驗室進行公正評估並營運 Halos Certified 計畫，協助合作夥伴為第三方認證做好整合準備，相關認證機構包括 TÜV Rheinland、UL Solutions、TÜV SÜD、exida、SGS 與 CertX。 11118

不過，關鍵仍在於認證與評估的適用範圍。檢驗機構的認可，代表其機構與流程符合特定要求；元件的證書或評估，則適用於被評估的產品與既定範圍。兩者都不會自動證明每一台採用 Halos 的車輛或機器人，能在所有營運環境下安全運作。最終系統開發商仍須完成特定應用的驗證、取得所需核准，並建立營運控制措施。 411

為何 NVIDIA 認為必須建立可擴充的安全基礎設施？

NVIDIA 以部署規模作為建立可重複使用安全基礎設施的理由。ABI Research 預估，到 2035 年，Level 3 至 Level 5 自動駕駛車的累計裝機量將達 4,900 萬輛；Omdia 則估計工業機器人約為 6,000 萬台。 6

在這個規模下，模型、感測器組合、硬體配置或軟體版本的每一次變更，都可能帶來新的安全保證問題。NVIDIA 的主張是，需要一個能跨越開發與部署階段、並將證據連結起來的共通方法，才能較一致地評估變更，也讓稽核更有效率。 6

因此，較準確的理解是：Halos 嘗試把安全保證變成橫跨實體 AI 生命週期的持續工程紀律。它承諾的不是「認證自動化」，而是為日益複雜的自主系統提供一套可用來建置、記錄、檢驗及接受獨立評估的結構化基礎。 156

NVIDIA Halos 的重點，不是推出一顆晶片、一道軟體或一張證書後，就宣稱自駕車或機器人已經「安全」。它被設計為一套可追溯的全端安全框架：把 AI 模型開發、模擬、硬體與軟體工程、實體部署，以及日後的版本更新所產生的安全相關證據連結起來，讓系統開發商能在整個產品生命週期中建立與檢視安全保證依據。 56

這個界線很重要。通過安全評估的晶片、已認證的作業系統元件，或完成檢驗的整合方案，都能支撐安全論證；但最終負責打造與營運車輛或機器人的公司，仍須對端到端系統驗證、法規核准與實際營運安全負責。Einride 規劃中的重型自動駕駛貨運系統，就是這種責任分工的例子。 4

從雲端開發到路上與工廠現場

Halos 結合車輛或機器人架構、晶片、作業軟體、AI 模型、開發工具與服務。以自動駕駛開發為例，NVIDIA 描述的流程橫跨模型訓練與測試、使用 Omniverse 和 Cosmos 進行模擬、驗證安全相關硬體與軟體堆疊，最後部署到車上。 56

其實務核心在於「可追溯性」：前一階段產生的測試、模擬與驗證資料，應能成為下一階段決策的依據。換句話說，模型、感測器配置或軟體版本改變時，開發團隊可對照既有驗證與模擬結果來重新評估，而不把更新視為完全獨立的一次發布。NVIDIA 將此定位為讓安全工程隨系統演進仍可重複執行的方法。 6

NVIDIA 將 Halos 分為三個相互關聯的面向：

• 平台安全：底層運算、晶片與軟體基礎；
• 演算法安全：AI 模型與行為本身；
• 生態系安全：整合、檢驗，以及供應商與認證體系。 13

自動駕駛車的 Halos 堆疊有哪些？

面向自動駕駛車（AV），Halos 的主要元件包括：

• NVIDIA DRIVE AGX Thor：經安全工程設計的加速運算平台。
• NVIDIA Hyperion：面向 Level 4 自動駕駛的全端車輛平台與參考架構。
• Halos OS：建立於 Halos Core 之上的統一安全軟體基礎；Halos Core 是 NVIDIA DriveOS 的後繼架構。
• NVIDIA Omniverse 與 Cosmos：用於雲端開發、模擬及驗證的工具鏈。 610

Hyperion 並不是可直接上路的 Robotaxi 或自動駕駛貨車成品，而是把運算、感測器與軟體基礎整合在一起的參考架構。車廠與系統開發商仍須依自身用途、營運設計範圍及安全案例加以調整。 314

Einride 為何採用 Hyperion？

瑞典貨運科技公司 Einride 表示，將以 NVIDIA Hyperion 開發下一代 Einride Driver 自動駕駛貨運系統。雙方合作內容包括針對重型貨運需求調整 Hyperion 的運算、感測器、軟體與安全架構，並導入 Halos 與 Cosmos 支援開發及驗證。 34

在這項合作中，NVIDIA 提供底層運算平台、AI 開發工具與安全框架；Einride 則保有端到端駕駛系統、安全驗證、法規核准及客戶部署的責任。 4

機器人版本：共通原則，不等於相同安全要求

NVIDIA 也把 Halos 延伸到機器人與實體 AI，推出對應領域的堆疊。其具名基礎元件包括用於工業邊緣 AI 的 NVIDIA IGX Thor、處理感測器輸入輸出與資料處理的 NVIDIA Holoscan Sensor Bridge，以及 Halos 軟體基礎與檢驗途徑。 118

雖然自動駕駛與機器人可共享安全工程原則，但 NVIDIA 指出，兩個領域使用的平台、適用標準與所需證據仍有其特定性。這表示共用框架不代表工廠機械手臂、移動式機器人與自動駕駛車可套用完全相同的安全要求。 6

參與生態系的公司與半導體夥伴

NVIDIA 表示，其 Halos AI Systems Inspection Lab 目前有 43 個生態系成員。已列名的自動駕駛參與者包括 AUMOVIO、Bosch、Gatik、Hesai、Lucid、MIRA、onsemi、PlusAI、Sony、Valeo 與 Wayve；在機器人領域，嵌入式軟體供應商 acontis 與 QNX 也名列其中，而 Advantech 與 NexCOBOT 則建置以 IGX 為基礎、具安全設計的系統。 17

這些成員分布於自動駕駛、先進駕駛輔助系統（ADAS）、感測、晶片、系統整合、驗證與安全保證等環節。加入該生態系不應被解讀為每一家公司的最終產品都已完成認證或部署。 7

NVIDIA 另列出 Hyperion 生態系成員，包括 Aeva、AUMOVIO、Astemo、Arbe、Bosch、Hesai、Magna、OMNIVISION、Quanta、Sony 與 ZF。Astemo、AUMOVIO、Bosch、Magna、Quanta 與 ZF 已宣布打造基於 Hyperion 的電子控制單元；Aeva、Arbe、Hesai、OMNIVISION 與 Sony 等合作夥伴則在開放平台上推進感測器套件的資格驗證。 20

半導體方面，NVIDIA 在 AV 檢驗生態系中點名 onsemi；機器人領域則有 Infineon、NXP、STMicroelectronics 與 Texas Instruments，提供感測器、安全微控制器及其他半導體技術。NXP 也表示自己是 Halos AI Systems Inspection Lab 的成員。 721

認證、評估與實驗室認可，實際能說明什麼？

NVIDIA 引用超過 30 份與 Halos 相關技術的安全與資安證書及評估報告。其資料指出，TÜV SÜD 已將 NVIDIA 的汽車產品生命週期與核心硬體／軟體流程認證至汽車安全完整性等級 D（ASIL D）；DriveOS 6.0 經認證符合 ISO 26262 ASIL D，Thor-X 則經評估符合 ASIL D。NVIDIA 也列出 ISO/SAE 21434 資安流程認證，以及 TÜV Rheinland 對 NVIDIA DRIVE AV 進行的獨立 UNECE 安全評估。 1217

Halos 同時納入 NVIDIA AI Systems Inspection Lab。此實驗室是獲 ANAB 認可、符合 ISO/IEC 17020 的檢驗機構；NVIDIA 表示，實驗室進行公正評估並營運 Halos Certified 計畫，協助合作夥伴為第三方認證做好整合準備，相關認證機構包括 TÜV Rheinland、UL Solutions、TÜV SÜD、exida、SGS 與 CertX。 11118

不過，關鍵仍在於認證與評估的適用範圍。檢驗機構的認可，代表其機構與流程符合特定要求；元件的證書或評估，則適用於被評估的產品與既定範圍。兩者都不會自動證明每一台採用 Halos 的車輛或機器人，能在所有營運環境下安全運作。最終系統開發商仍須完成特定應用的驗證、取得所需核准，並建立營運控制措施。 411

為何 NVIDIA 認為必須建立可擴充的安全基礎設施？

NVIDIA 以部署規模作為建立可重複使用安全基礎設施的理由。ABI Research 預估，到 2035 年，Level 3 至 Level 5 自動駕駛車的累計裝機量將達 4,900 萬輛；Omdia 則估計工業機器人約為 6,000 萬台。 6

在這個規模下，模型、感測器組合、硬體配置或軟體版本的每一次變更，都可能帶來新的安全保證問題。NVIDIA 的主張是，需要一個能跨越開發與部署階段、並將證據連結起來的共通方法，才能較一致地評估變更，也讓稽核更有效率。 6

因此，較準確的理解是：Halos 嘗試把安全保證變成橫跨實體 AI 生命週期的持續工程紀律。它承諾的不是「認證自動化」，而是為日益複雜的自主系統提供一套可用來建置、記錄、檢驗及接受獨立評估的結構化基礎。 156