實體 AI 正迅速從研究階段邁向大規模部署。ABI Research 預計，到 2035 年，全球將有 4,900 萬輛 Level 3-5 的自駕車投入使用；Omdia 則估計，2026 年至 2035 年間將部署約 6,000 萬台工業機器人。隨著這些機器進入道路、工廠、倉庫及其他與人類共享的環境，安全性必須隨之規模化。

實體 AI 的安全性意味著要證明由 AI 驅動的機器（如自駕車、人形機器人、工業機器人等）在將決策轉化為實際行動時，能夠安全地運行。這要求在硬體、軟體、AI、操作環境和部署生命週期的各個層面都具備安全性，而非僅在部署前進行一次性檢查。

**為何安全是實體 AI 規模化的關鍵？**

經過多年的測試和基準評估，自駕車正持續擴大商業應用。這項進展要求開發人員證明自動化系統如何應對潛在的硬體和軟體故障、預期功能的限制以及 AI 特有的風險。

隨著自動化機器進入工廠、倉庫及其他與人類共享的環境，機器人技術也正接近一個類似的轉捩點。

在整個實體 AI 領域，製造商、監管機構、保險公司和職場安全團隊都需要證據，證明硬體、軟體、AI 行為和操作環境能夠在無需人工干預的情況下安全協同運作。

**為何實體 AI 需要新的安全模型？**

四項轉變定義了新的安全標準：

動態環境需要情境感知安全。道路、工廠和倉庫無法透過靜態區域或物理屏障完全控制。自動化系統必須感知不斷變化的條件，調整其行為，並在發生意外時達到安全狀態。

AI 行為需要獨立的驗證。測試必須評估 AI 軟體以及傳統的功能安全，並採用設計時、運行時和驗證時的防護措施。ISO/IEC TS 22440 等新興標準已開始處理這些 AI 特有的風險。

部署是持續進行的。自駕車和機器人透過軟體和模型更新、新任務以及不斷變化的操作條件而演進。實質性的變更可能需要額外的安全測試。

大規模驗證需要模擬和合成資料。潛在情境的數量和複雜性要求將真實世界測試與模擬、合成資料生成和情境重建相結合。

總體而言，這些轉變要求將安全性落實到設計、部署和驗證的各個環節，從底層硬體到 AI 行為以及操作環境。

**NVIDIA 為實體 AI 建立了什麼安全基礎？**

實體 AI 安全需要專業的工程、資料、流程和驗證，這些是少數公司能夠獨立完成的。NVIDIA 的安全基礎源於十多年來自駕車安全開發的經驗，累積了功能安全、感測器融合、AI 行為驗證、視覺 AI、模擬和真實世界驗證方面的專業知識。

NVIDIA Halos 是第一個也是唯一一個針對實體 AI 的全棧安全系統，協助開發人員在設計、驗證和部署的每個層面進行安全工程。其原則在自駕車和機器人領域是共通的，而平台、標準和證據則針對各自領域有所不同。

**針對自駕車開發，Halos 涵蓋：**

硬體：NVIDIA DRIVE AGX Thor 提供經過安全工程設計的加速運算，而 NVIDIA Hyperion 則提供 Level 4 自駕車的全棧車輛平台和參考架構。

作業系統和中介軟體：Halos OS 提供基於 ASIL D 等級認證的 DriveOS 的統一軟體基礎。Halos Core 和 Halos Middleware 支援系統隔離、監控和確定性通訊。

端到端模型：NVIDIA Alpamayo 提供開放的推理視覺語言動作模型，為長尾情境帶來可解釋性。

模擬和驗證：NVIDIA Halos Safety Evaluation Framework 提供工具和指南，用於生成證據以支持不同自動化等級的自駕車安全案例。

這些元素共同將基於雲端的 AI 開發和模擬與車載部署連接起來，確保安全證據在車輛生命週期中保持可追溯性。

**針對機器人技術，Halos 涵蓋：**

硬體：NVIDIA IGX Thor 是一個工業級模組，將加速運算和功能安全整合在一個平台上，並配備專屬的功能安全島。它旨在支援符合 IEC 61508 和 ISO 13849 等標準的系統開發。

軟體：Halos Core for IGX 提供與安全相關操作功能的軟體基礎，包括故障偵測、監控和回報，以及連接感測器、致動器和其他安全組件的通訊和處理能力。

即時感測：NVIDIA Holoscan Sensor Bridge 將感測器資料與 AI 和安全相關處理連接起來，協助系統識別無效資訊並執行預定義的安全響應。

模擬和驗證：NVIDIA Isaac Lab 和 NVIDIA Omniverse 函式庫讓開發人員能夠在相關條件和邊緣案例下測試機器人行為，補充真實世界的驗證。

由外而內的安全：開源的 NVIDIA Halos Outside-In Safety Blueprint 使用外部攝影機和視覺 AI 代理，將感知範圍擴展到板載感測器之外，並支援場域級監控和功能安全應用案例。

在自駕車和機器人領域，NVIDIA Halos AI 系統檢測實驗室將安全、網路安全和 AI 安全要求轉化為可重複的檢測，並協助 Halos 整合準備由第三方機構進行最終的系統級認證。

**誰正在使用 NVIDIA Halos 安全生態系統？**

NVIDIA Halos 連接了建造、整合、評估和部署實體 AI 解決方案的公司，包括產品開發商、軟體和嵌入式系統供應商、感測器和晶片公司、安全解決方案開發商以及認證機構。

在自駕車領域，吉利 (Geely)、五十鈴 (Isuzu)、日產 (Nissan，由 Wayve 軟體驅動) 和 Einride 正在 NVIDIA Hyperion 上構建 Level 4 級就緒的車輛，並由 Halos OS 提供支援。

Uber、Grab、Lyft 和其他移動服務供應商也正在使用 Hyperion 來擴展機器人計程車的開發和部署。NVIDIA Halos AI 系統檢測實驗室的成員包括 AUMOVIO、Bosch、Gatik、Hesai、Lucid、MIRA、onsemi、PlusAI、Sony、Valeo 和 Wayve，涵蓋自駕開發、ADAS、感測器、晶片、系統整合、驗證和安全驗證。

在機器人領域，acontis 和 QNX 提供運行安全功能所需的嵌入式軟體，而 Advantech 和 NexCOBOT 則構建了安全設計的 NVIDIA IGX 系統。英飛凌 (Infineon)、恩智浦 (NXP)、意法半導體 (STMicroelectronics) 和德州儀器 (Texas Instruments) 貢獻了感測器、安全微控制器和其他半導體技術。

KION Group 正在為自動堆高機開發功能安全代理。Agility 正在將 NVIDIA IGX Thor 和 Halos Core 整合到其 Digit 5 人形機器人的安全系統中。

**NVIDIA Halos 如何進行獨立評估？**

針對自駕車，德國萊因 TÜV SÜD 已根據 ISO 26262 ASIL D 標準認證了 NVIDIA 的汽車產品生命週期軟體流程和 DriveOS 6.0，並根據 ISO/SAE 21434 認證了 NVIDIA 的汽車工程流程。德國萊因 TÜV Rheinland 也對 NVIDIA DRIVE AV 進行了獨立的 UNECE 安全評估。

針對機器人技術，德國萊因 TÜV Rheinland 正在檢查 NVIDIA IGX Thor、Halos OS 和 Holoscan Sensor Bridge 的功能安全認證準備情況，這建立在德國萊因 TÜV SÜD 對 Thor SoC 和 Halos Core 進行 ISO 26262 檢查的基礎上。

在整個實體 AI 領域，ANAB 已認可 NVIDIA Halos AI 系統檢測實驗室為 ISO/IEC 17020 檢測機構。該實驗室檢查範圍內的 Halos 整合，並協助公司準備由獨立第三方機構進行最終認證。

能夠規模化實體 AI 的公司，不僅要打造功能最強大的系統，更要打造能夠在真實世界中被評估、認證、部署和信任的系統。從一開始就設計功能安全，是原型與可規模化解決方案之間的區別。欲了解更多關於 NVIDIA Halos 在自駕車和機器人領域的資訊，並探索實體 AI 的全棧安全架構，請參閱相關資料。