NVIDIA正把在自动驾驶领域积累的安全体系引入机器人赛道，进一步推进Physical AI业务布局。随着机器人感知、推理和执行能力持续提升，安全正成为产业化落地的核心议题。NVIDIA希望通过覆盖硬件、软件和仿真的一体化安全框架，为机器人商业化应用提供支撑。

据IT媒体Ars Technica当地时间2026年10月8日报道，NVIDIA已将其于2025年面向自动驾驶推出的安全系统“Halos”，于2026年6月进一步扩展为“Halos for Robotics”。适用范围也从汽车延伸至仓储AMR、工业机器人、手术机器人等多个场景。

NVIDIA认为，随着机器人感知能力、推理能力和硬件性能快速演进，行业下一阶段的重点正从“能不能做”转向“能否安全地做”。NVIDIA机器人生态与边缘计算负责人Amit Goel表示，在模型能力和算力不断提升的同时，安全正在成为新的瓶颈。对于Physical AI系统而言，任务执行与安全控制需要在同一芯片平台上协同运行。

从架构上看，Halos for Robotics采用软硬件一体化设计。面向机器人和工业设备的计算模块“NVIDIA IGX Thor”内置独立处理器，专门承担安全相关任务，从而将通用计算与关键安全功能隔离开来，降低系统故障或其他任务干扰对安全模块的影响。

在软件层面，这一体系可持续监测硬件组件和软件库状态，并对异常情况进行检测。与此同时，“NVIDIA Holoscan Sensor Bridge”也被纳入安全框架，用于处理传感器输入，识别传感器数据是否受损，并对进入安全计算链路的数据进行管控。相关能力还可部署到微控制器或可编程芯片（FPGA）等单一部件上。

NVIDIA同时提供仿真与验证工具，用于在虚拟环境中测试机器人动作，并在开发阶段排查安全问题。借助这些工具，开发者可在机器人进入真实场景前测试多种工况，识别潜在风险。

不过，自动驾驶领域的安全体系并不能被直接复制到机器人行业。汽车行业的功能安全标准和验证体系相对成熟，而机器人因用途和作业环境不同，所需安全等级差异明显。无论是室内清洁机器人、仓储重载自动叉车，还是与人共享空间协作的人形机器人，都很难适用同一套标准。

基于这一现实，NVIDIA将平台设计为可按不同作业环境灵活配置安全功能。在保证适配性的同时，如何维持系统层面的控制力和一致性，也成为该平台面临的关键挑战。

Goel表示，在工厂、仓库和医院这类环境持续变化的场景中，往往会出现难以预测的情况。例如，沿通道移动的机器人，可能无法第一时间识别盲区或转角处突然接近的人和物体。要让机器人在靠近人群的区域实现自主移动，除了传感器与计算平台本身，还需要配套能够应对突发状况的安全机制。

目前，相关落地案例已经出现。美国机器人初创公司Agility Robotics被介绍为首家在其人形机器人“Digit 5”上采用NVIDIA Halos的企业。该机器人目标是在不依赖独立隔离作业区或物理隔离设施的情况下，在人类周边执行工作。

借助NVIDIA的安全体系，机器人内部可集成安全传感器及相关硬件，从而减少在作业场地额外部署传感器的负担。Goel称，随着安全能力跟随机器人本体移动，工厂或仓库每启动一项新任务时，对新增外部基础设施的需求有望下降。

Boston Dynamics也已作为早期合作伙伴参与其中。该公司正推动建立覆盖四足机器人Spot、物流机器人Stretch以及人形机器人Atlas在内的统一安全平台。报道称，Atlas最早可能于2028年部署到现代汽车工厂，届时工业场景中人形机器人的安全验证与实际应用将成为重要议题。

德国物流设备企业KION Group也在其自动叉车和AMR中导入Halos。另据报道，LG正利用NVIDIA面向人形机器人的基础模型“Isaac GR00T”推进自研人形机器人项目。随着机器人硬件、AI模型和安全技术同步扩散，相关产业链正在加快成形。

在NVIDIA的整体战略中，Physical AI已被视为下一阶段的重要增长方向。CEO Jensen Huang在2026年3月的一档播客节目中表示，Physical AI业务年营收约为100亿美元。自2025年起，NVIDIA便已将Physical AI列为公司的核心增长引擎之一。

接下来的关键在于，机器人能否从执行固定任务，进一步扩展到在多种环境中处理多样化工作。随着应用场景延伸至工厂、仓库、医院等人机共享空间，安全很可能成为机器人商业化必须跨越的一道门槛。

这也正是NVIDIA把自动驾驶领域的安全积累扩展到机器人平台的原因所在。未来，这套一体化安全体系能否覆盖更多厂商和机型，并在降低事故风险的同时压低现场部署成本，将成为影响Physical AI业务扩张的重要变量。