在一條測試跑道上，一輛原型智能輔助駕駛汽車緩緩駛入，旁邊站著幾位工程師，他們并未緊盯汽車方向盤或傳感器，而是聚精會神地看著屏幕上不斷跳動的線條和指標。那是NVIDIA AI系統檢測實驗室正在進行的又一輪仿真驗證。

也許你還不知道這個AI系統檢測實驗室是什么，但它允許主機廠和生態系統合作伙伴驗證其產品與Halos元素的安全集成；也許你也沒聽說過“Halos”這個詞，它不是什么產品型號，而是NVIDIA正在重構智能輔助駕駛行業安全基底的嘗試——它想讓智能輔助駕駛真正可以被信任。

NVIDIA Halos是一套智能汽車全棧式綜合安全系統。融合硬件、軟件、AI模型、仿真環境與服務的全棧綜合安全系統，它以“物理AI”為核心概念，構建了一種跨越從云端訓練到車端部署全過程的安全架構。

圖片來源： NVIDIA

過去幾年，智能輔助駕駛技術不斷取得突破，AI算法能力大幅提升，芯片與感知設備的性能也在持續進步。然而，落地速度卻遠未達到行業預期。

一方面，公眾對智能輔助駕駛系統在極端場景下的決策能力仍存疑慮；另一方面，監管層面也在加速推出更加嚴格的合規要求。正是在公眾質疑與監管收緊的雙重壓力下，NVIDIA構建出一整套系統性解決方案。

NVIDIA首先從基礎設施建設入手，先行推出全球首個AI系統檢測實驗室，并在此基礎上逐步演化出Halos——一個貫穿“云-邊-端”的智能輔助駕駛汽車安全系統。這套系統的誕生，不僅重塑了智能輔助駕駛的安全邏輯，也為機器人等物理AI應用領域提供了全新的信任路徑。

一、AI系統檢測實驗室：從標準制定開始的信任基石

2025年1月，NVIDIA 在CES上重磅推出全球首個AI系統檢測實驗室。

圖片來源： NVIDIA

這個實驗室的獨特之處，不僅在于其“首個”地位，更在于它打破了傳統檢測流程的邊界，即獲得了美國國家標準學會國家認可委員會（ANAB）的ISO/IEC 17020認證，將功能安全（ISO 26262）、預期功能安全（ISO 21448）、網絡安全（ISO 21434）、AI功能安全（ISO PAS 8800和ISO/IEC TR 5469））與UN-R法規（UN-R 79、UN-R 13-H、UN-R 152、UN-R 155、UN-R 157和UN-R 171）納入統一評估框架。

該實驗室服務于NVIDIA DRIVE AGX Orin、Thor平臺的主機廠和合作伙伴，目的是驗證AI驅動系統在集成過程中是否滿足最嚴格的行業要求。

首批加入實驗室的Ficosa公司的ADAS系統工程和產品經理Cristian Casorran Hontiyuelo曾表示：“加入AI系統檢測實驗室，意味著在具有創新性和完整性的前沿智能輔助駕駛系統上開展工作。”

集團、安森美、豪威集團等也陸續加入，圍繞攝像頭、中央計算模塊、芯片接口等展開定制化驗證。

其中豪威集團汽車產品營銷負責人Paul Wu這樣評論道：“汽車不僅是交通工具，同時也是我們的娛樂和信息中心。汽車性能必須不斷提升才能保障我們的安全。我們很高興加入NVIDIA全新AI系統檢測實驗室，這是我們對踐行產品最高安全級別承諾的體現。”

而AI系統檢測實驗室中積累的經驗，正成為Halos系統的前身。

二、Halos的誕生：從理念雛形到系統化安全引擎

2025年春，NVIDIA在GTC全球大會上推出Halos，它不僅僅是一套產品，更是一種“安全哲學”，主張的不是“把安全加在產品之上”，而是“從第一行代碼輸出就帶著安全基因”。

Halos整合了NVIDIA的所有能力：包括DRIVE AGX平臺（芯片）、DriveOS操作系統（系統）、DGX（訓練）、Omniverse和Cosmos（仿真）、檢測實驗室（合規）等。

圖片來源： NVIDIA

Halos的設計覆蓋了從設計期、部署期到驗證期的多個技術層。其系統組件可以拆解為四大核心部分：

• 硬件、軟件平臺安全：包括經過安全評估的SoC與參考板、安全認證的DriveOS操作系統和DRIVE AGX Hyperion平臺，構成了端到端的底層安全基礎；

• 算法安全：通過用于數據構建和加載的API、加速器庫，配合Omniverse和Cosmos訓練測試平臺，支撐智能輔助駕駛系統的可解釋建模和驗證；

• 生態系統安全：借助多樣化、無偏見的安全數據集，結合安全數據飛輪機制，實現模型長期演進與迭代；

• AI系統檢測實驗室：在行業內率先獲得ANAB認證，為合作伙伴產品提供涵蓋硬件、算法和流程的整體驗證服務，已成為Halos的準入“入口”。

更重要的是，Halos將這些能力“標準化、接口化、流程化”——為企業提供從數據生成到OTA部署的全流程安全護欄。

“Halos不只是技術合集，更是一種哲學——幫助合作伙伴從設計、開發、驗證到部署的每一個環節，都可追蹤、可驗證、可解釋，”NVIDIA行業安全副總裁Riccardo Mariani曾這樣表示。

奔馳是Halos系統最早的量產應用伙伴之一。其全新CLA車型已在歐洲市場上市，并全面集成了基于Halos框架打造的ADAS與L3級智能輔助駕駛系統。該車型依托NVIDIA DRIVE AGX Orin平臺與ASIL D認證的DriveOS操作系統，在研發階段即引入Halos提供的仿真、測試與數據管理能力，實現從功能定義到安全驗證的全流程閉環。

圖片來源： NVIDIA

與此同時，捷豹路虎（JLR）也宣布將在其下一代車型中集成NVIDIA全棧AV軟件與Halos系統，用于提升從安全評估到OTA迭代更新的全過程控制能力，當前已進入樣車階段的封閉測試環節。

汽車行業的合作落地不僅驗證了Halos系統的可行性和實用性，也為其進一步擴展至其他行業應用奠定了基礎。

三、從流程開始：NVIDIA的標準化布局和應用

要理解Halos的系統性優勢就必須先回溯NVIDIA在智能輔助駕駛早期階段的標準流程搭建。早在推出 DRIVE Orin 和 DRIVE AV 軟件棧時，NVIDIA就與TÜV SÜD、TÜV Rheinland 等國際安全機構合作，推動平臺級認證，確保從芯片、操作系統、算法棧到工具鏈都具備ASIL D和ISO/SAE 21434水準的流程。

這種以安全為主線的“設計-驗證-部署”模型，成為Halos的基礎框架。Halos將NVIDIA在 DRIVE AV和Omniverse仿真體系上的技術積累轉化為可以輸出給合作伙伴使用的模塊化能力。無論是想基于DriveOS構建自己的L3 ADAS系統，還是希望復用Cosmos模型生成合成測試數據，Halos 都能提供統一的接口與規范。

圖片來源： NVIDIA

正因如此，Halos的多層次安全框架正被不同類型的企業所采用，從輕量級城市配送到重載干線運輸，再到仿真驅動開發，展現出強大的適配性與復用價值。

例如，Nuro就將Halos的平臺安全模塊用于其無人配送車隊的冗余控制與OTA風險管理系統，并已在德州實現多地連續運營許可；Aurora則將Halos算法安全能力引入其L4干線智能輔助駕駛卡車，用于極端工況下的碰撞規避模型訓練，大幅提升系統穩定性與容錯能力；而初創公司Waabi基于Halos的生態系統安全框架搭建起自己的“數據飛輪”機制，從仿真與實車場景中高頻采集數據，加速智能輔助駕駛算法的安全迭代。

這些應用不僅驗證了Halos的技術實效，也展現了其作為物理AI安全平臺的可持續成長空間。

四、擴展邊界：機器人行業正在接棒

2025下半年，Halos將再一次進化。

在6月11日舉辦的GTC巴黎大會上，NVIDIA正式宣布將Halos范圍從專注于智能輔助駕駛擴展到現在的機器人生態系統，以促進人工智能機器人整個開發生命周期的安全性。

圖片來源： NVIDIA

具體來說，Halos的AI系統檢查實驗室除了智能輔助駕駛外，還可以對機器人的功能安全進行檢查。

拓寬應用邊界之后，（Bosch）、主動安全系統開發商Easyrain、定位解決方案供應商Trimble，以及移動機器人公司波士頓動力（Boston Dynamics）、物聯網公司研華科技、綜合物流公司ArcBest、自主農業解決方案提供商Bluewhite、安全雷達開發商Inxpect、智能機器人控制和運動控制解決方案供應商NexCOBOT和運動控制技術公司Synapticon等也都宣布加入這一實驗室。

這意味著，Halos不再僅僅是“車規級安全”的象征，而成為所有具備物理決策行為的AI系統的底層安全框架。當前，物理AI正在崛起，而Halos將成為其信任錨點。

五、中國窗口：共同推動安全標準落地

2024年底，中國工信部出臺《汽車準入和上路通行管理辦法（試行）》，明確將L3+系統納入“強制準入”范圍，這不僅標志著中國在政策層面正式開啟對高階智能駕駛系統的規范化監管，也體現出監管部門對輔助駕駛安全問題的高度重視。

在這一背景下，NVIDIA也同樣看到了該領域的重要性，并持續投入技術資源與行業經驗，通過AI系統檢測實驗室、DriveOS操作系統、仿真訓練平臺等軟硬件能力的整合，逐步構建起面向智能輔助駕駛安全的完整系統能力。

這些能力不僅服務于全球市場，也正在以模塊化組件的形式嵌入中國本土智能汽車的研發與驗證流程中，為整車企業在設計、驗證和工程開發階段提供系統性的安全支撐。

可以說，在中國產業政策升級、法規日益清晰的當下，NVIDIA與生態伙伴正共同推動智能輔助駕駛從“能做”向“能上路、安全可控”轉變的關鍵跨越。

小結

智能化技術正在快速重塑汽車行業，但推動AI真正“上車”的，不僅僅是算法精度的躍升，更關鍵的是能否構建一套標準化、可持續的安全體系。

NVIDIA提出的Halos系統，正是基于這一理念，打通從平臺設計、模型訓練、仿真驗證到合規評估的多個環節，將“安全能力”融入整車開發的每一個階段。通過接口化、流程化的工具輸出，它為行業伙伴提供了一種可復用、可驗證的系統性方法論。

智能輔助駕駛之路盡管道阻且長，但有了Halos，必將能夠事半功倍。