英伟达在 Automate 2026 发布 Halos for Robotics 全栈机器人安全系统，把 18600 工程人年的自动驾驶安全积累开源给具身智能行业，核心安全框架已开放，43 家企业入伙。
英伟达在 Automate 2026 发布 Halos for Robotics 全栈机器人安全系统，把 18600 工程人年的自动驾驶安全积累开源给具身智能行业，核心安全框架已开放，43 家企业入伙。
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。固定在工作站里的传统工业机械臂靠物理护栏就够了，可一旦自主机器人开始和人类共享同一空间，安全就变成了系统级问题。
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。它把英伟达过去在自动驾驶领域超过 18600 工程人年的积累、700 万行验证过的代码搬到了机器人赛道，核心安全框架已开源，向全行业开放。
如果特斯拉走的是 iOS 路线（自己造机器人、自己做安全），英伟达选的就是安卓路线：把安全平台开放给所有人。目前已有人形机器人公司 Agility、波士顿动力、激光雷达厂商禾赛、安全机器人公司 FORT Robotics 等 43 家企业入伙。
Halos 的目标是给具身智能企业提供统一的安全架构，接入即用、不必从零造轮子。
可以把它理解成机器人版的"安全 Android"：不是某个具体机器人产品，而是一套从底层硬件到上层认证的安全中间件层。机器人公司接入后，相当于直接复用一套被验证过的安全基础设施。
按照官方架构，Halos 自下而上分四层，对应机器人在现实世界运行时可能出错的四个来源。
最底层是 IGX Thor 计算平台 + 安全微控制器，构建硬件级"安全岛"。一旦上层 AI 出问题，硬件仍能保证最低限度的安全停机与基础控制，避免"AI 罢工整机失灵"。
Halos OS 运行在 IGX Thor 之上，底层是 Halos Core，支持两种模式：
后者通过 Hypervisor 把系统拆成两个完全隔离的运行域：
哪怕 AI 应用层异常崩溃，也不会影响安全控制逻辑——相当于在硬件安全岛之外再加一层"软件隔离墙"。这一层之上是安全应用模块，最典型的是 Outside-In Safety 系统，目前以开源形式向开发者开放。
Halos 四层架构：平台安全、安全 OS、算法安全、生态安全。
管的是模型本身的决策风险。VLA（视觉语言动作）模型或 VLM（视觉语言模型）可能把纸箱误判为人、或把人误判为障碍物。这一层负责评估并约束模型在物理世界的行为安全性，把"理解错误"挡在变成"危险动作"之前。
最上层把整套体系变成行业标准。英伟达建立了 Halos AI Systems Inspection Lab，拿到了全球首个物理 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。
机器人公司可以先在英伟达做预检、再走正式认证，大幅压缩时间和成本——过去传感器、控制器、视觉系统各认证各的，企业要自己拼装。
英伟达机器人全栈：训练、仿真、模型、部署推理之外，Halos 补上"安全与准入"最后一块拼图。
明确的目标用户和使用场景：
值得提醒的是，Halos 当前主要面向工业场景（工厂、仓库、物流）而非消费场景，个人开发者想直接拿来给家用机器人装上意义不大——它的价值在合规链路，而不在某个具体功能。
💡 提示：Halos 的全栈绑定属性很强，一旦从训练（Cosmos）、仿真（Isaac Sim）到部署（Thor）、安全（Halos）整条链路走完，再换任何一层都意味着重走验证流程。评估时要把它当作"长期技术栈选型"而非"单点工具"来对待。
豆包专业版 68 / 200 / 500 元三档上线，核心是接入 2.1 Pro 的办公任务模式。这篇拆解定价、额度和值不值。
阿里巴巴发布 HappyHorse 1.1 视频生成模型，动态表现力、主体一致性等五大维度提升，1080P 价格下调 25%，已上线百炼平台。
OpenAI Codex 新增 OSS 模式，支持通过 model_providers 配置接入 Ollama、LM Studio 等本地模型服务，可切换模型降低成本。
