在机器人技术加速向真实世界渗透的当下，行业正形成新的共识：机器人要真正实现规模化应用，不仅需要强大的算力与算法，更需要一套具备持续演进能力、可量产且开放兼容的智能计算底座。随着深度学习与Transformer架构的引入，机器人系统复杂度呈指数级增长，传统模块化、静态部署的架构已难以适应动态环境需求。在此背景下，黑芝麻智能正式推出SesameX多维具身智能计算平台，旨在为产业伙伴提供从硬件到软件、从感知到决策的全栈式解决方案，推动机器人从“单点功能”向“长期自主成长”跨越。
平台的核心创新之一是“全脑智能”理念。区别于单一超级模型，SesameX通过计算、系统与模型三层面协同实现多模态能力整合：在计算层，CPU、NPU、DSP与MCU等异构算力单元统一调度，确保不同任务匹配最优资源；在系统层，统一任务表达机制消除感知、规划与控制间的数据孤岛，形成连续信息流；在模型层，多模态模型与原子化能力组合支持跨算法体系协同。例如，在复杂服务场景中，机器人可同时处理视觉识别、语音交互与运动控制任务，输出稳定一致的跨模态行为，而非碎片化响应。
安全是机器人大规模应用的前提。SesameX将安全理念贯穿平台架构，构建L0至L5六级安全体系，覆盖从物理防护到数据安全的完整链条。L0层通过电机断电、限位等机械保护确保极端情况下的物理安全；L1层由实时控制单元监测运动状态，阻止不合理动作；L2层在规划层提供安全轨迹兜底；L3层约束高层策略意图；L4层基于多模态感知实现100ms级危险预测；L5层通过本地推理、端到端加密与防火墙保护数据与模型完整性。这一体系使机器人在传感器异常、模型输出错误或资源争抢时，可自动进入限速、重规划或安全停机状态，为商业化部署提供系统级保障。
为解决机器人长期运行中的性能衰减问题，SesameX引入“闭环进化”机制。平台持续记录感知稳定性、推理延迟与任务成功率等关键指标，通过结构化数据分析定位问题根源，例如感知模型对特定光照的适应性或规划策略在拥挤环境中的保守性。优化阶段，合作伙伴可选择本地微调或云端再训练，平台通过统一接口支持模型更新与策略回滚，并在受控条件下验证效果。这种渐进式迭代使机器人能力随部署规模扩大持续提升，形成技术与应用相互促进的良性循环。
SesameX平台提供从硬件模组到系统软件的完整计算体系，包含计算平台层、网络层、操作系统层、中间件层、原子应用层与系统安全层六大架构。硬件层以自主研发的Kalos、Aura与Liora模组为核心，支持实时控制与大模型推理，紧凑设计适配移动与操作类机器人；网络层基于确定性以太网（TSN）与WiFi7/5G构建实时协同体系，实现感知、算力与控制链路的确定性延迟保障；操作系统层兼容Ubuntu、ROS 2与自研RTOS，满足通用开发与实时控制需求；中间件层通过调度引擎、工具链与Runtime实现跨模型与算力单元的协同；原子应用层将复杂任务拆解为可复用的原子技能与模型，支持动态行为编排；系统安全层则通过六级防护机制确保全生命周期安全。
这一高度一体化的架构使SesameX成为机器人全栈智能底座，覆盖从移动到人形、从服务到工业的完整场景。平台通过模块化设计与统一接口降低系统集成复杂度，帮助合作伙伴快速完成功能调试与商业测试。例如，在商服场景中，机器人可基于原子模型库动态组合避障、跟随与交互能力，适应不同环境需求；在工业巡检场景中，平台支持多机器人集群协同，通过边云互联实现任务共享与实时数据交换。
黑芝麻智能表示，SesameX的目标是构建开放生态，与整机厂商、算法公司及系统集成商共同推动机器人技术落地。平台已覆盖不同复杂度的机器人需求，从低算力服务机器人到高算力人形机器人均可适配。通过提供可量产的硬件基础、统一的软件环境与持续进化的能力，SesameX正助力机器人从“可演示”迈向“可信赖、可规模化”的新阶段，为真实世界应用提供系统级解决方案。
