值得关注的技术影响：安全架构与物流部署

安全瓶颈：NVIDIA Halos 机器人技术

随着人形机器人和自主移动机器人（AMR）走出实验舱，进入非结构化环境并与人类工人协同工作，传统的安全机制已不再足够。物理人工智能大规模应用的主要制约因素并非智能水平，而是功能安全认证。[1]

为解决这一问题，NVIDIA推出了“Halos for Robotics”——业界首个面向物理人工智能的全栈式综合安全系统。Halos基于超过18,000工程年（engineering years）的自动驾驶汽车（AV）安全研发经验构建，将AI计算与安全功能整合到单一平台中。[1]

该架构涵盖三个关键层。其基础依赖于 NVIDIA IGX Thor 工业级 AI 计算模块和 NVIDIA Holoscan 传感器桥 (HSB)。 IGX Thor 配备了专用的、符合 IEC 61508 SIL 3 标准的安全岛，该安全岛与主计算域物理隔离，并拥有超过 22,000 项安全机制，可提供全面的诊断覆盖。 [1] 在此基础上，Halos OS 是一款运行于 IGX Thor 之上的安全软件栈，其中包括用于开发安全应用程序的 Halos Core，以及“由外而内安全蓝图”（Outside-In Safety Blueprint）等蓝图——该蓝图利用外部工作现场摄像头动态控制机器人的行为。 [1] 第三层是 NVIDIA Halos AI 系统检测实验室，这是一个获得 ANAB 认证的项目，旨在帮助合作伙伴为符合 IEC 61508 和 ISO 13849 等严格标准的第三方认证做好准备。[2]

Digit人形机器人的制造商 Agility Robotics 率先将其专有的安全人体检测系统与 IGX Thor 和 Halos Core 集成。Digit 目前已通过亚马逊、GXO、舍弗勒和丰田汽车加拿大公司实现商业部署。此次合作标志着行业发生了一次关键转变

从临时性的、专有的安全实施方案，转向一个共享的、国际公认且符合标准的基石。[2]

从实验室演示到物流排序：宝马的图03

随着安全架构日趋成熟，类人机器人的物理能力也在同步提升，能够胜任更复杂、更具动态性的任务。在车身车间对“Figure 02”机器人进行为期11个月的试点后，宝马集团现正将其下一代“Figure 03”机器人部署于南卡罗来纳州的斯帕坦堡工厂。[3]

Figure 02的试点验证了类人机器人在高度结构化任务（即插入钣金件进行焊接）中的可行性。 在超过1,250小时的运行时间内，该机器人处理了90,000多个零件，每周一至周五以10小时为一班次进行作业，目标循环时间为每批84秒，且力求实现零人工干预。[4]

Figure 03的此次新部署标志着任务复杂度实现了重大飞跃。Figure 03被分配负责物流排序工作。交付的零部件以大型容器装运，且未经分类。 机器人必须拣选这些零部件，并按照车辆装配所需的精确顺序将其分拣到排序推车中。这种“按序刚好”的应用需要先进的感知能力、灵巧性以及实时决策能力，超越了简单的重复性动作，转向了动态、基于流的物料处理。[3]

为实现这一目标，图03引入了多项关键硬件升级。该机器人配备了经过改进的手部结构，装有触觉传感器和掌心摄像头，以处理种类繁多且未经分类的零部件。其重新设计的手腕电子系统去除了配电盘和动态布线，使每个手腕电机控制器都能与主计算机直接通信，从而解决了图02试点中识别出的主要故障点。 无线充电

提高了可用性，音频功能则实现了语音对语音的交流。[3] [4]

NVIDIA Halos等标准化安全架构的融合，以及如图03所示的复杂序列机器人成功部署，标志着类人机器人技术已告别“噱头阶段”。研究重点已从证明类人机器人能够行走和抓取，果断转向证明它们能够在现有工业工作流程中，以大规模、安全、可靠且经济的方式运行。

主要参考文献

1. 《深入解析 NVIDIA Halos for Robotics：面向物理人工智能的全栈功能安全系统》。NVIDIA 技术博客。2026 年 6 月 22 日。

2. NVIDIA 发布 Halos for Robotics，业界首个面向物理人工智能的全栈安全系统。NVIDIA 新闻中心。2026 年 6 月 22 日。

3. 宝马集团通过斯帕坦堡的 Figure 03 项目推动物理人工智能在生产中的应用。宝马集团全球新闻俱乐部。2026年6月25日。

4. 宝马在斯帕坦堡物流领域部署 Figure 03 类人机器人。Humanoid.guide。2026年6月27日。

本文所提供的信息仅供参考，不构成任何财务或投资建议。机器人和人工智能行业波动性极高，市场状况可能迅速变化。RobotAIGeek 对基于本文内容所作出的任何投资决策概不负责。