จากห้องทดลองสู่ถนน — NVIDIA กำลังปรับรูปแบบพื้นฐานความปลอดภัยของการขับขี่อัตโนมัติอย่างไร

บนสนามทดสอบปิด ตัวอย่างรถยนต์อัจฉริยะกำลังเคลื่อนที่ไปข้างหน้าอย่างช้าๆ กลุ่มวิศวกรยืนอยู่ใกล้ๆ ไม่ได้จับตามองพวงมาลัยหรือเซ็นเซอร์ แต่จ้องมองไปที่สัญญาณเรียลไทม์ที่กำลังไหลผ่านหน้าจอของพวกเขา นี่คือการทดสอบจำลองอีกครั้งที่กำลังดำเนินอยู่ที่ห้องทดสอบระบบตรวจสอบ AI ของ NVIDIA

คุณอาจยังไม่เคยได้ยินชื่อห้องทดสอบนี้มาก่อน แต่ที่นี่คือสถานที่ NVIDIA และพันธมิตรของบริษัทตรวจสอบความปลอดภัยในการรวมผลิตภัณฑ์ของพวกเขาเข้ากับองค์ประกอบหลักของ Halos และ Halos คืออะไร? ไม่ใช่ชื่อผลิตภัณฑ์ แต่เป็นกรอบงานด้านความปลอดภัย เป็นความพยายามอย่างกล้าหาญของ NVIDIA ในการสร้างรากฐานความปลอดภัยใหม่สำหรับระบบขับขี่อัจฉริยะและสร้างระบบที่น่าเชื่อถือ

NVIDIA Halos คือกรอบงานด้านความปลอดภัยแบบเต็มรูปแบบสำหรับรถยนต์อัจฉริยะ ซึ่งรวมฮาร์ดแวร์ ซอฟต์แวร์ โมเดล AI สภาพแวดล้อมจำลอง และบริการตรวจสอบความถูกต้อง ที่แกนกลางคือแนวคิดของ AI ทางกายภาพ ซึ่งเป็นสถาปัตยกรรมด้านความปลอดภัยที่ครอบคลุมกระบวนการทั้งหมดตั้งแต่การฝึกอบรมบนคลาวด์ไปจนถึงการปรับใช้ในรถยนต์

เริ่มจากโครงสร้างพื้นฐาน NVIDIA ได้เปิดตัวห้องทดสอบระบบตรวจสอบ AI แห่งแรกของโลกเป็นครั้งแรก จากนั้นค่อยๆ พัฒนา Halos ขึ้นมาเป็นระบบความปลอดภัยแบบครบวงจรที่ครอบคลุมตั้งแต่คลาวด์ไปจนถึงขอบเขตและรถยนต์

1.     ห้องทดสอบระบบตรวจสอบ AI: จากการกำหนดมาตรฐานไปสู่การสร้างความไว้วางใจ

ในเดือนมกราคม 2568 NVIDIA ได้เปิดตัวห้องทดสอบระบบตรวจสอบ AI แห่งแรกของอุตสาหกรรมในงาน CES ไม่เพียงแต่เป็นขีดหมายทางสัญลักษณ์เท่านั้น แต่ยังได้รับการรับรองจาก ANAB ภายใต้มาตรฐาน ISO/IEC 17020 และรวมโดเมนหลักหกประการเข้าเป็นกรอบงานเดียว ได้แก่ ความปลอดภัยทางการทำงาน (ISO 26262) ความปลอดภัยของฟังก์ชันที่ตั้งใจไว้ (ISO 21448) ความปลอดภัยทางไซเบอร์ (ISO 21434) ความปลอดภัยทางการทำงานของ AI (ISO PAS 8800, ISO/IEC TR 5469) และข้อบังคับของสหประชาชาติที่เกี่ยวข้อง (UN-R 79, 13-H, 152, 155, 157 และ 171)

ห้องทดสอบนี้ถูกสร้างขึ้นเพื่อสนับสนุนพันธมิตรที่ใช้แพลตฟอร์ม NVIDIA DRIVE AGX Orin และ Thor ช่วยตรวจสอบว่าระบบรถยนต์ที่ขับเคลื่อนด้วย AI ตรงตามข้อกำหนดด้านความปลอดภัยที่เข้มงวดที่สุดของอุตสาหกรรมหรือไม่

"การเป็นสมาชิกของห้องทดสอบระบบตรวจสอบ AI หมายถึงการทำงานในแนวหน้าของนวัตกรรมและความซื่อสัตย์ของระบบรถยนต์" Cristian Casorran Hontiyuelo ผู้จัดการฝ่ายวิศวกรรมระบบช่วยเหลือผู้ขับขี่ขั้นสูงและผลิตภัณฑ์ของ Ficosa กล่าว

OMNIVISION, onsemi และ Continental ก็ได้เข้าร่วมด้วยเช่นกัน โดยตรวจสอบความถูกต้องของเซ็นเซอร์ โมดูลคอมพิวเตอร์กลาง และอินเตอร์เฟซชิป

วิธีการที่พัฒนาและปรับปรุงในห้องทดลองจะส่งผลต่อการสร้าง Halos ต่อไป

2. การเกิดของ Halos: จากปรัชญาสู่ระบบความปลอดภัย

ในฤดูใบไม้ผลิปี 2025 NVIDIA ได้เปิดตัว Halos อย่างเป็นทางการในงาน GTC Halos ไม่ใช่เพียงแค่ผลิตภัณฑ์ แต่เป็นการสะท้อนถึง "ปรัชญาความปลอดภัยเป็นอันดับแรก" ไม่ใช่เพิ่มความปลอดภัยในภายหลัง แต่สร้างขึ้นมาตั้งแต่บรรทัดแรกของโค้ด

Halos รวมเอาเทคโนโลยีหลักทั้งหมดของ NVIDIA ไว้ด้วยกัน ได้แก่ แพลตฟอร์ม DRIVE AGX (การคำนวณ) DriveOS (ระบบปฏิบัติการ) DGX (การฝึกอบรมโมเดล AI) Omniverse และ Cosmos (การจำลอง) และห้องทดลองตรวจสอบ (การปฏิบัติตามและการตรวจสอบ)

สถาปัตยกรรมของ Halos ครอบคลุมวงจรชีวิตทั้งหมด ตั้งแต่การออกแบบและการปรับใช้ไปจนถึงการตรวจสอบ และประกอบด้วยเสาหลักที่สำคัญสี่ประการ ได้แก่

ความปลอดภัยของแพลตฟอร์ม:Halos มีระบบบนชิป (SoC) ที่ได้รับการประเมินความปลอดภัยพร้อมกลไกความปลอดภัยในตัวหลายร้อยรายการ

นอกจากนี้ยังรวมถึงซอฟต์แวร์ NVIDIA DriveOS ซึ่งเป็นระบบปฏิบัติการที่ได้รับการรับรองความปลอดภัยซึ่งขยายจาก CPU ไปยัง GPU แพลตฟอร์มพื้นฐานที่ได้รับการประเมินความปลอดภัยซึ่งให้คอมพิวเตอร์พื้นฐานที่จำเป็นเพื่อเปิดใช้งานระบบที่ปลอดภัยสำหรับทุกประเภทของแอปพลิเคชัน และ DRIVE AGX Hyperion ซึ่งเป็นแพลตฟอร์มฮาร์ดแวร์ที่เชื่อมต่อ SoC, DriveOS และเซ็นเซอร์ในสถาปัตยกรรมหน่วยควบคุมอิเล็กทรอนิกส์

ความปลอดภัยของอัลกอริทึม: Halos รวมถึงไลบรารีสำหรับการโหลดข้อมูลความปลอดภัยและตัวเร่งความเร็ว และอินเทอร์เฟซการเขียนโปรแกรมแอปพลิเคชันสำหรับการสร้าง การจัดการ และการสร้างข้อมูลความปลอดภัยเพื่อกรองออก ตัวอย่างเช่น พฤติกรรมและอคติที่ไม่พึงประสงค์ก่อนการฝึกอบรม

นอกจากนี้ยังมีสภาพแวดล้อมการฝึกอบรม การจำลอง และการตรวจสอบที่หลากหลาย โดยใช้ NVIDIA Omniverse Blueprint สำหรับการจำลองรถยนต์อัตโนมัติด้วยโมเดลพื้นฐานโลกของ NVIDIA Cosmos เพื่อฝึกอบรม ทดสอบ และตรวจสอบรถยนต์อัตโนมัติ นอกจากนี้ยังมีสแต็ครถยนต์อัตโนมัติที่หลากหลายซึ่งรวมส่วนประกอบแบบโมดูลาร์กับโมเดล AI แบบครบวงจรเพื่อให้มั่นใจในความปลอดภัยด้วยโมเดล AI ที่ทันสมัยในวงจร

ความปลอดภัยของระบบนิเวศ:Halos รวมถึงชุดข้อมูลความปลอดภัยที่มีข้อมูลที่หลากหลายและไม่มีอคติ รวมถึงกระบวนการทำงานในการปรับใช้ที่ปลอดภัย ซึ่งประกอบด้วยกระบวนการทำงานในการจัดการและการประเมินความปลอดภัยอัตโนมัติ พร้อมกับวงจรข้อมูลเพื่อการปรับปรุงความปลอดภัยอย่างต่อเนื่อง ซึ่งแสดงให้เห็นถึงความเป็นผู้นำในการสร้างมาตรฐานและกฎระเบียบความปลอดภัยของรถยนต์อัตโนมัติ

ห้องทดลองตรวจสอบระบบ AI ของ NVIDIA: เป็นห้องทดลองแรกที่ได้รับการรับรองจาก ANAB ซึ่งตรวจสอบและยืนยันการรวมกันของผลิตภัณฑ์ของพันธมิตรกับองค์ประกอบความปลอดภัยของ NVIDIA Halos

ที่สำคัญที่สุดคือ Halos ทำให้ความสามารถเหล่านี้เป็นมาตรฐาน โมดูลาร์ และเป็นทางการในรูปแบบของชุดเครื่องมือที่สามารถนำกลับมาใช้ได้ใหม่ ซึ่งสนับสนุนความปลอดภัยตลอดวงจรชีวิตในการสร้างข้อมูล การฝึกอบรม การจำลอง การปรับใช้ และการอัปเดต OTA

“Halos ไม่ใช่เพียงแค่ชุดเทคโนโลยีเท่านั้น แต่เป็นปรัชญาที่ทำให้ทุกขั้นตอนของการพัฒนาสามารถติดตาม ทดสอบ และอธิบายได้” Riccardo Mariani รองประธานฝ่ายความปลอดภัยในอุตสาหกรรมของ NVIDIA กล่าว

3. ความปลอดภัยที่ขับเคลื่อนด้วยกระบวนการ: รากฐานของ Halos

รากฐานของ Halos ย้อนกลับไปถึงความร่วมมือในช่วงแรกของ NVIDIA กับ TÜV SÜD และ TÜV Rheinland สำหรับการรับรองแพลตฟอร์ม DRIVE Orin และ DRIVE AV ความร่วมมือเหล่านี้ช่วยให้รูปแบบการออกแบบ-ตรวจสอบ-ปรับใช้ ซึ่งปัจจุบันถูกฝังอยู่ใน Halos

ระบบนี้มีโครงสร้างแบบแยกส่วนและเป็นมิตรกับนักพัฒนา: คู่ค้าสามารถสร้างโซลูชัน L3 ที่กำหนดเองบน DRIVE OS หรือใช้ข้อมูลสังเคราะห์ที่ใช้ Cosmos เพื่อจำลองกรณีพิเศษ — ทั้งหมดนี้อยู่ในกรอบโครงสร้างของ Halos

กรณีการใช้งานมีตั้งแต่การจัดส่งในเมืองไปจนถึงการขนส่งสินค้าทางหลวง:

ตัวอย่างเหล่านี้แสดงให้เห็นว่าโมเดลความปลอดภัยทาง AI ทางกายภาพของ Halos สนับสนุนการปรับขนาดและการปรับตัวในโดเมนได้อย่างไร

4. Halos นอกเหนือจากรถยนต์: ขยายไปสู่หุ่นยนต์

ที่งาน GTC Paris ในเดือนมิถุนายน 2568 NVIDIA ได้ประกาศการขยาย Halos นอกเหนือจากการขับขี่ช่วยเหลือ — ปัจจุบันรวมถึงหุ่นยนต์ภายใต้กรอบความปลอดภัยทาง AI ของตน

ในเดือนมิถุนายน 2568 ที่งาน GTC Paris NVIDIA ได้ขยาย Halos นอกเหนือจากยานพาหนะไปสู่หุ่นยนต์

บริษัทต่างๆ เช่น Boston Dynamics, Advantech, Trimble และ Easyrain ได้เข้าร่วมระบบนิเวศของ Lab: Boston Dynamics ตรวจสอบพฤติกรรมฉุกเฉินและการเคลื่อนไหวอัตโนมัติของหุ่นยนต์ Atlas; Advantech ใช้ Halos เพื่อทดสอบหุ่นยนต์โลจิสติกส์ภายใต้สภาพแวดล้อมของคลังสินค้าที่มีการเปลี่ยนแปลง

สิ่งนี้สะท้อนให้เห็นถึงภารกิจที่กว้างขวางของ Halos: สร้างความไว้วางใจในระบบ AI ทางกายภาพในทุกอุตสาหกรรม ตั้งแต่ถนนไปจนถึงโรงงาน

ที่งานประชุม GTC Paris ซึ่งจัดขึ้นในวันที่ 11 มิถุนายน NVIDIA ได้ประกาศอย่างเป็นทางการถึงการขยายกรอบ Halos จากการเน้นเฉพาะการขับขี่อัจฉริยะไปสู่การครอบคลุมระบบนิเวศหุ่นยนต์ที่กว้างขึ้น โดยมีเป้าหมายเพื่อเพิ่มความปลอดภัยในทุกวงจรการพัฒนาของเครื่องจักรที่ขับเคลื่อนด้วย AI

โดยเฉพาะอย่างยิ่ง Halos AI Systems Inspection Lab — ซึ่งออกแบบมาสำหรับการขับขี่อัจฉริยะในตอนแรก — ปัจจุบันยังสนับสนุนการประเมินความปลอดภัยทางการทำงานของแพลตฟอร์มหุ่นยนต์ด้วย

ด้วยขอบเขตที่กว้างขึ้นนี้ บริษัทชั้นนำหลายแห่งได้เข้าร่วมระบบนิเวศของ Halos Lab รวมถึง Bosch, Easyrain ผู้พัฒนาความปลอดภัยเชิงรุก, Trimble ผู้ให้บริการโซลูชันตำแหน่ง, Boston Dynamics ผู้บุกเบิกหุ่นยนต์เคลื่อนที่, Advantech ผู้เชี่ยวชาญด้าน IoT และระบบฝังตัว, ArcBest ผู้ดำเนินการโลจิสติกส์, Bluewhite ผู้ประดิษฐ์เกษตรกรรมอัตโนมัติ, Inxpect ผู้ผลิตเรดาร์ความปลอดภัย, NexCOBOT ผู้ให้บริการโซลูชันการควบคุมการเคลื่อนไหวอัจฉริยะ และ Synapticon บริษัทเทคโนโลยีการเคลื่อนไหว

นี่คือการเปลี่ยนแปลงบทบาทของ Halos จากสัญลักษณ์แห่งความปลอดภัยระดับรถยนต์ไปเป็นโครงสร้างพื้นฐานแห่งความไว้วางใจสำหรับระบบ AI ทั้งหมดที่เกี่ยวข้องกับการตัดสินใจทางกายภาพในโลกแห่งความเป็นจริง

5. จีน: ช่องทางการกำกับดูแลที่เป็นโอกาส

ในช่วงปลายปี 2024 กระทรวงอุตสาหกรรมและเทคโนโลยีสารสนเทศของจีนได้ออกระเบียบใหม่ที่กำหนดให้ระบบขับขี่ L3+ ต้องผ่านการรับรองประเภท มาตรการเหล่านี้ให้ความสำคัญกับความสามารถในการอธิบาย การตรวจสอบย้อนกลับของระบบ และความปลอดภัยทางไซเบอร์ของ AI ซึ่งตรงกับพื้นที่ที่ Halos ให้ความสำคัญ

NVIDIA ได้ปรับ Halos ให้สอดคล้องกับความต้องการในการปฏิบัติตามกฎระเบียบที่เปลี่ยนแปลงไปนี้ โดยไม่ผูกมัดพันธมิตรกับสแต็คเชิงพาณิชย์ใด ๆ Halos จึงให้เครื่องมือแบบโมดูลาร์ ได้แก่ การจำลอง การบริหารจัดการข้อมูล การตรวจสอบ API ซึ่งช่วยให้ผู้ผลิตและซัพพลายเออร์ OEM ของจีนสามารถเดินหน้าในพื้นที่การกำกับดูแลใหม่นี้ได้

บทสรุป

เมื่อเทคโนโลยีอัจฉริยะเร่งการเปลี่ยนแปลงอุตสาหกรรมรถยนต์ การนำ AI เข้ามาในรถยนต์ไม่ใช่เพียงแค่การก้าวไปข้างหน้าในด้านความแม่นยำของอัลกอริทึมเท่านั้น แต่ความท้าทายที่แท้จริงอยู่ที่การสร้างโครงสร้างความปลอดภัยที่เป็นมาตรฐานและยั่งยืนซึ่งอุตสาหกรรมทั้งหมดสามารถไว้วางใจได้

นั่นคือความคิดที่อยู่เบื้องหลังระบบ Halos ของ NVIDIA ด้วยการเชื่อมโยงการออกแบบแพลตฟอร์ม การฝึกอบรมโมเดล AI การทดสอบการจำลอง และการปฏิบัติตามกฎระเบียบ Halos ได้ทอผ้าความปลอดภัยเข้าไปในทุกขั้นตอนของการพัฒนารถยนต์

เส้นทางสู่การเคลื่อนที่ที่ชาญฉลาดยิ่งขึ้นอาจยาวไกล แต่ด้วย Halos การเดินทางก็จะเร็วขึ้นและปลอดภัยกว่ามาก