社区

过去几年，人工智能产业最受关注的问题始终是：模型能否变得更聪明？

但当智能从屏幕走向道路、工厂和仓库，问题的重心也随之改变。对于自动驾驶汽车、工业机器人和人形机器人而言，仅仅“会思考”还不够，它们必须能够在复杂的现实环境中持续、安全地行动。

这正是英伟达Halos的重要性所在。

2025年3月，英伟达首次推出面向自动驾驶的Halos安全系统。2026年6月，这套体系进一步扩展至工业机器人和人形机器人。Halos并非一款孤立的软件产品，而是一套贯穿芯片、操作系统、算法、仿真验证和第三方检验的全栈安全架构。它试图回答的是整个物理AI产业都必须面对的问题：当AI开始控制现实世界中的机器，行业如何证明它足够安全？

物理AI的瓶颈正在发生变化

生成式AI给出错误答案，影响的可能是一次信息获取；物理AI出现错误，却可能造成车辆碰撞、机器人伤人或生产线停摆。

随着自动驾驶和机器人越来越多地采用端到端模型，机器的行为不再完全来自人工编写的规则，而是来自海量数据训练出的模型。人们不仅要判断系统能否完成任务，还要验证它在极端天气、传感器异常和人员突然闯入等罕见情况下会如何反应。

现实测试显然无法覆盖所有风险。英伟达在Halos安全评估框架中提出，道路测试、仿真评估和量产车队监测需要共同构成安全证据。这意味着，物理AI产业的核心问题已经不只是“模型能不能完成任务”，而是“能否持续、可重复地证明模型可以安全完成任务”。

过去，安全往往被视为产品开发完成后的测试环节。Halos则试图将安全贯穿数据采集、模型训练、系统运行、仿真测试和现实部署的完整生命周期。

未来，物理AI企业交付的可能不再只是一个性能优秀的模型或一台能够工作的机器人，还需要同时交付一套可以被审查的安全证据。企业不仅要说明模型表现如何，还要证明训练数据是否具有代表性，测试场景是否覆盖关键风险，仿真结果能否复现，以及系统升级后原有的安全结论是否仍然成立。

物理AI的竞争由此开始从比拼“能力上限”，走向同时考验“安全下限”。

仿真正在成为安全基础设施

Halos的出现，也让仿真的产业价值变得更加清晰。

早期自动驾驶研发中的仿真，更多被视为降低路测成本、提高开发效率的辅助工具。但当安全需要依靠大规模、可重复的数据来证明时，仿真就不再只是研发工具，而成为安全体系中的证据生产系统。

现实世界中，最危险的场景往往也是最难采集的场景。工程师不可能为了测试自动驾驶汽车而故意制造严重事故，也不能等待机器人在工厂中偶然遭遇每一种设备故障。高保真数字环境却可以重建这些场景，通过改变天气、光线、人员位置和传感器状态，生成大量可控的测试变量。

在这一过程中，一批原本分布在产业链不同位置的公司开始进入同一条技术主线。Applied Intuition通过车辆软件和仿真平台支持自动驾驶系统开发，Foretellix侧重以场景和可量化指标验证自动驾驶安全，安似科技等工业软件企业则将工程仿真延伸至自动驾驶和复杂系统验证。它们所面对的共同问题，都是如何在有限的现实测试之外，建立足够大规模且可以复现的验证环境。

这种生态化趋势在英伟达最新公布的Halos SAFE合作名单中体现得尤为明显。名单既包括JLR、梅赛德斯-奔驰和沃尔沃汽车等整车企业，也包括aiMotive、AVL、Deepen AI、Foretellix和Synopsys等覆盖自动驾驶软件、工程开发、数据管理、验证工具与芯片设计的技术公司，51Sim亦位列其中，也是。不同类型的企业共同进入一套安全评估生态，说明物理AI安全已经很难由单一厂商独立完成，而需要整车、数据、仿真、工具链和验证体系协同构建。

与此同时，仿真的边界也在从汽车走向更广泛的物理AI。随着工业机器人和人形机器人进入工厂、仓库和园区，机器需要理解的不只是单个物体，还包括空间结构、设备关系、生产流程以及人与机器之间的动态交互。西门子等企业持续推动工业数字孪生与英伟达的计算和仿真平台结合，背后体现的正是物理空间数字化与AI训练逐渐融合的趋势。

算力决定模型能够训练到什么规模，数据决定模型能够看到怎样的世界，而仿真与评估则决定模型能否在进入现实世界之前经历足够充分的训练和验证。三者共同构成了物理AI商业化的基础设施。

中国市场需要本土环境数字化能力

Halos展示了英伟达构建全栈安全体系的能力。对中国物理AI产业而言，更值得关注的并不是如何复制Halos，而是如何建立与本土现实环境相匹配的数据、场景和验证能力。

中国的道路、工厂、园区和城市空间具有高度复杂性，不同区域的交通参与者、基础设施和运行规则存在明显差异。这些现实环境很难完全依靠一套通用数据或通用场景库来表达。

因此，能够理解并数字化中国物理环境，持续生成本土训练场景和验证数据的企业，将成为物理AI产业链中的重要参与者。

值得注意的是，从英伟达此次公开的Halos SAFE生态伙伴名单看，51Sim是其中唯一的中国企业。其背后的五一视界由此成为中国本土力量参与这一全球安全生态的重要接口。51Sim合成数据与仿真平台并不对应Halos的全部能力，而是聚焦于物理AI进入现实环境之前不可缺少的训练和验证环节，为自动驾驶、机器人及智能装备提供高逼真仿真环境和规模化合成数据。

五一视界的这份唯一性，并不只是合作名单上的一个标签。中国道路、城市和工业空间具有鲜明的本土特征，相关安全验证需要建立在对这些复杂环境的长期理解和数字化能力之上。51Sim与aiMotive、AVL、Deepen AI、Foretellix、Synopsys等伙伴承担的角色并不完全相同，但它们正在汇入同一个方向：将真实环境数字化，把成本过高、风险过大或极少发生的长尾事件，转化为可生成、可控制和可重复验证的数字场景。

从这个角度看，仿真企业不再只是向研发团队提供单点软件，而是在向物理AI的数据、训练和评估基础设施延伸。作为此次名单中唯一的中国企业，51Sim的加入意味着中国本土场景与仿真能力开始进入英伟达所推动的全球安全协作体系，也使五一视界在全球物理AI安全产业链中的位置更加清晰。

英伟达争夺的是规则制定权

从商业角度看，Halos进一步扩大了英伟达在物理AI产业链中的角色。

在自动驾驶和机器人市场，英伟达已经拥有训练算力、边缘计算平台、仿真工具和基础模型。Halos将这些分布在不同环节的能力纳入统一的安全框架，使英伟达从硬件与软件供应商进一步转向产业开发体系的组织者。

因此，Halos的意义不只在于帮助客户降低风险。它还在尝试回答：未来的自动驾驶汽车和机器人应当按照怎样的流程开发，以怎样的证据证明安全，又以怎样的标准进入现实世界。

谁能提供这个问题的答案，谁就有机会参与定义物理AI时代的产业规则。

从数字世界走向物理世界，AI需要跨越的不只是模型能力的门槛，还有数据、仿真、安全、监管与社会信任构成的复杂边界。机器能够完成一次精彩演示，与它能够在开放环境中稳定运行数年，是完全不同的两件事。

Halos之所以重要，正因为它把这些长期分散讨论的问题放进了同一套框架。它标志着物理AI产业正在进入新的阶段：行业不再只需要证明机器已经学会行动，还必须证明，人类可以放心地把现实世界的一部分交给它。

$五一视界(06651)$、$五一视界 (06651.HK)$、$五一视界(HK|06651)$、$五一视界(HK6651)$

$五一视界(06651)$