机器人全栈操作系统！老黄率先抛出“具身版安卓”

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 机器人全栈操作系统！老黄率先抛出“具身版安卓” henry 2026-06-23 14:06:02 来源： 量子位 英伟达：不造机器人，但要帮具身企业造好机器人 henry 发自 凹非寺 量子位 | 公众号 QbitAI 英伟达不造机器人，但要帮具身企业造好机器人（doge） 刚刚，在芝加哥Automate 2026大会上，英伟达发布了 Halos for Robotics —— 一套覆盖芯片、传感器、操作系统到安全认证的全栈机器人安全系统。 Halos最大的特点，是把英伟达过去在 自动驾驶领域 超过 18600工程人年 的安全积累和700万行经过验证的代码，搬到了 机器人赛道 ，为自主机器人提供统一的安全架构。 有了它，机器人公司不用再从零造轮子，接入即可使用。更关键的是，Halos的 核心安全框架已经开源 ，向行业开放。 可以说，如果 特斯拉 做具身智能走的是 iOS 路线，自己造机器人、自己做安全，那么 英伟达 选的就是 安卓 路线，把安全平台开放给所有人。 值得一提的是，目前已经有不少公司入伙Halos生态，成为首批合作伙伴，包括人形机器人公司 Agility 、波士顿动力、激光雷达厂商 禾赛科技 、安全机器人公司 FORT Robotics 等，整体生态已经扩展到 43家 往上。 其中，Agility已经率先吃上“螃蟹”，将Halos整合进自家的Digit机器人，在亚马逊、GXO、丰田的工厂里持证上岗。 视频里这个穿着安全背心的机器人，正穿梭在工厂传送带之间，承担搬运和物流等实际工作。 从芯片到软件，安全管三层 那这个新的安全系统Halos到底是个什么东西？ 按照英伟达官方的架构，Halos可以分成四层，从下到上分别是： 平台安全 、 安全操作系统 、 算法安全 和 生态安全 。 这四层其实对应的是同一个问题的四个维度—— 机器人在现实世界运行时，可能出错的四个来源：硬件、软件系统、模型决策，以及外部认证与生态。 首先是平台安全，解决底层硬件不能失控 。 英伟达在这一层拿出了IGX Thor，一颗面向机器人与工业场景的AI计算平台。 它内部设置了一个独立的“安全岛”，拥有独立的处理器、I/O、电源和时钟，与主计算系统物理隔离。 即使主AI系统崩溃、重启甚至异常运行，安全岛仍然可以独立执行紧急制动等关键功能。 这有点像飞机的备用系统，当主系统失效时，备用系统仍然能接管控制。 同一层还有 Holoscan Sensor Bridge ，用来解决另一个关键问题：传感器异构带来的延迟与错配。 机器人通常同时搭载激光雷达、深度相机、IMU、力矩传感器等设备，但这些设备来自不同厂商、运行在不同协议上。 如果数据需要层层排队处理，就可能在几十毫秒内错过安全窗口。 Sensor Bridge的作用，是把所有传感器数据统一接入安全计算域，实现低延迟同步处理，并达到SIL 2级安全保证。 第二层：安全操作系统，解决“系统本身会不会出错” 如果说第一层管“硬件不崩”，这一层管的是“系统不乱”。 Halos OS运行在IGX Thor之上，底层是Halos Core，支持两种模式：纯Linux，或者Linux + QNX混合架构。 在后者中，英伟达通过Hypervisor把系统拆成两个隔离域：Linux负责AI计算与应用，QNX负责安全关键任务。两者完全隔离运行。 这意味着即使AI应用层出现异常，也不会影响安全控制逻辑。这一层相当于在“硬件安全岛”之外，再加一层“软件隔离墙”。 在此之上，是安全应用模块，其中最典型的是Outside-In Safety Blueprint。 它的思路是：不只让机器人自己看世界，还引入外部视角。 比如在工厂天花板安装摄像头，由独立AI从第三方视角监控机器人行为。 在一个具体场景中，自主叉车在拖车内作业时，车载传感器容易误判空间边界，导致频繁急停。 而Outside-In系统可以在确认环境安全时允许更高效率运行，一旦有人进入危险区域，再立即接管干预。 这一能力目前已向开发者开放，并以开源形式提供。 第三层：算法安全，解决“AI本身会不会判断错” 前两层保证的是“系统可靠”，但机器人真正的风险，其实来自更上层——模型本身。 无论是VLA（视觉语言动作模型）还是VLM（视觉语言模型），它们的决策都可能出错。 例如把纸箱误判为人，或者把人误判为障碍物。这类错误不是系统崩溃，而是“理解错误”。 算法安全这一层的目标，就是评估并约束模型在物理世界中的行为安全性，确保错误不会转化为危险动作。 第四层：生态安全，解决“谁来认证、谁来负责” 最上层是生态安全，负责把整套体系变成“行业标准”。 英伟达建立了Halos AI Systems Inspection Lab，并获得全球首个物理AI领域的ISO/IEC 17020检测资质。TÜV Rheinland、TÜV SÜD、UL Solutions、SGS、exida、CertX等认证机构均认可其检测结果。 这意味着机器人公司可以先在英伟达完成预检，再进入正式认证流程，大幅降低时间和成本。 过去，这一环节是碎片化的：传感器、控制器、视觉系统各自认证、各自标准，企业需要自己拼装并重新认证。 而Halos第一次把从芯片、系统、模型到认证的流程，统一进一个体系中。 为什么机器人需要一套“安全系统”？ 相信不少朋友在看到这条新闻时，都会冒出一个相似的疑问： 为什么工业机器人已经好好地用了几十年，英伟达却偏偏在2026年专门发布一套机器人安全系统？ 原因很简单，因为现在的具身智能机器人正在从实验室走向真实世界的工业场景。 在过去，工业机械臂被固定在工作站内，动作轨迹提前编程好，人和机器之间由护栏隔离，安全主要依赖物理边界。 但现在，新一代机器人开始进入工厂、仓库甚至办公室，与人类共享同一个空间。 与此同时，驱动它们的也不再是固定规则，而是具身基础模型、分布式传感器与实时决策系统。 这带来的变化是：机器人不再是“确定性执行器”，而变成了“带不确定性的自主体”。 即便在工厂这种高度结构化的环境中，不同机器人之间的协作、物料流动、产线布局变化，以及对周围环境的部分不可观测性，都会不断引入新的风险变量。 这使得“安全”不再只是机械隔离问题，而变成了系统级问题。 对于安全性之于机器人进工厂的必要性，Agility CEO Peggy Johnson 也是表示： 人形机器人要大规模创造价值，安全必须内建在机器人里，并且在整个系统层面得到验证。这不是可选项，而是人形机器人进入工业流程的前提条件。 英伟达机器人与边缘AI副总裁 Deepu Talla 的判断则更进一步： 如果机器人要规模化部署到工厂、仓库和物流环境，行业需要一套统一的安全架构。 换句话说。机器人行业今天遇到的问题，和十几年前自动驾驶很像——模型越来越聪明，但真正决定能不能落地的，往往不是模型本身，而是安全。 而Halos，正是英伟达给出的答案。 英伟达的全栈系统补齐最后一